- 博客(12)
- 资源 (4)
- 收藏
- 关注
转载 FastICA---对称正则化方法
根据信息论可知,等方差分布中高斯分布的熵最大。而根据概率论的中心极限定理可知,若一随机变量由许多相互独立的随机变量组成,只要具有有限的均值与方差,则无论其为何种分布,随机变量较更接近高斯分布。反之,对一个混合信号来说,如果完成对信号的分离,则会使得分离后的结果之间的非高斯性变大,即信号之间可看成相互独立的。故引入负熵来度量,其公式定义为 式中是与具有相同方差的高斯变量。从式子可以看出
2017-05-16 18:03:29 1022
转载 对PDF做笔记和批注
读论文时,在pdf上做笔记很重要,以前论文和笔记分离的方法不好,形不成追溯,笔记显得更像是读后感。这样不好。单独用‘福昕阅读器’,可以加各种批注,高亮,文本框等,还可以将所加的批注用列表的形式显示,并能搜索。但是,如果pdf文件中空白空间小的话,该方法就有一定局限性了。想写的东西太多,页面放不下,用隐藏的备注能放下,但又有多少人会一个个查看自己隐藏起来的备注呢?后来发现了小软件——
2017-04-11 16:08:58 28639 2
转载 PCA应用---检测人脸的简单示例 (MATLAB版)
此文转载于mpbchina的博客,转载地址:http://blog.csdn.net/mpbchina/article/details/7384425%训练%Lx=X'*Xclear;clc;train_path='..\Data\TrainingSet\';phi=zeros(64*64,20);for i=1:20path=strcat(train_path,num2str(i
2017-04-11 10:32:54 1887
转载 使用matlab对训练样本图像降维,并对测试图像使用变换矩阵降维并重构
clear;clc;train_path='E:\TrainingSet\angry\positive\';images = dir('E:\TrainingSet\angry\positive\*.bmp'); phi=zeros(30,64*64);% 加载样本图像到 30*(64*64)的矩阵中,每一行代表一幅图像for i=1:30 path=strcat(train
2017-04-11 10:25:49 1828
转载 协方差矩阵、相关矩阵、相关系数矩阵、相关系数之间的关系
转载自: http://blog.csdn.net/myj0513/article/details/24188081 1. 已知信号矩阵sigmat, 协方差矩阵(covariance matrix) 可以用matlab函数cov(sigmat)求得;2. 相关矩阵跟相关系数矩阵是同一个矩阵,相关系数即为相关矩阵的矩阵元,已知协方差矩阵可以求相关矩阵:corrcov(covmat);
2017-04-11 09:03:16 18937
转载 立体匹配研究背景及意义
转载自:http://blog.csdn.net/wangyaninglm/article/details/51533549, 来自: shiter编写程序的艺术计算机视觉是一门研究使用计算机来模拟人的视觉系统的学科。“一图胜千言”,人类对于图像中的信息感知效率远超文字等其他媒介,人类获取的信息总量中更是有高达80%依靠视觉系统[1]。相对于人类高效的图像信息提取能力,计算机在图像信息的理解上仍
2017-04-01 11:38:43 965
原创 SIFT 三线性插值 理解篇
Jie Pro 在进行特征描述时,讲的非常详细。但未对三线性插值进行阐述。我也是花了好久的时间才慢慢搞懂。有错之处,请指出。1. 首先需要的几个已知量包括: 将关键点附近的邻域划分为d*d(Lowe建议d=4)个子区域,每个子区域做为一个种子点,每个种子点有8个方向。每个子区域的大小与关键点方向分配时相同,即每个区域有个子像素。(1)(2)(3)(4)
2017-03-16 15:33:07 5427 2
原创 关于图像处理的特征检测、特征提取和匹配的理解
看了很多文献,包括中英文文献,一直都纠结各种概念,包括特征检测,特征选择,特征提取,特征描述和特征匹配,在进行特征点匹配、目标检测和图像配准时用到这类概念和方法时,如何理解他们的关系很重要。本人结合mathworks官网和一些文献,给出了自己的理解。 1. 特征检测(feature detection)、特征提取(extraction)和匹配(matching) 这三步,可以看做
2017-03-09 10:51:43 8351
转载 meshgrid、interp2 、griddate matlab 使用
interp2功能 二维数据内插值(表格查找)格式(1)ZI = interp2(X,Y,Z,XI,YI)返回矩阵ZI,其元素包含对应于参量XI 与YI(可以是向量、或同型矩阵) 的元素, 即Zi(i,j) ←[Xi(i,j),yi(i,j)]。用户可以输入行向量和列向量Xi 与Yi,此时,输出向量Zi 与矩阵meshgrid(xi,yi)是同型的。同时取决于由输入矩阵X、Y 与Z
2017-03-04 09:40:24 1995
原创 Training set gallery set probe set区分
training set: 就是用户训练时采用的数据集。 gallery set: 就是公认的标准库集。 probe set: 就是用户用户测试选择的非标准库,而又非training set 集合中的数据集。 也就是算法训练完成之后,不仅可以在标准集上测试,也可以在probe set集上测试。此处与一般的训练集和测试集一样,只不过,测试集多了一个标准库集,此集合就是gallery se
2017-03-04 09:35:42 2733
转载 计算机视觉机器学习资源总结
计算机视觉机器学习资源总结Deep Learning(深度学习):ufldl的2个教程(这个没得说,入门绝对的好教程,Ng的,逻辑清晰有练习):一ufldl的2个教程(这个没得说,入门绝对的好教程,Ng的,逻辑清晰有练习):二Bengio团队的deep learning教程,用的theano库,主要是rbm系列,搞python的可以参考,很不错。
2016-08-05 08:22:15 925
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人