- 博客(15)
- 资源 (1)
- 收藏
- 关注
翻译 [模式识别].(希腊)西奥多里蒂斯<第四版>笔记11之__聚类:基本概念
一,引言之前几个章节讨论的都是监督聚类,从本章开始讨论非监督聚类,即训练模式不带标签的情形。 聚类的步骤:1,特征选择。选取最能够表示我们目标物体信息的特征。2,相似性度量。给出两个特征量相似点或者不想似的地方。3,聚类标准。聚类标准。可能由损耗函数(cost function)或者其他形式表达。4,聚类算法。根据相似性度量和聚类标准,阐明数据的结构。5,
2014-07-28 11:00:35 1407
翻译 [模式识别].(希腊)西奥多里蒂斯<第四版>笔记10之__监督学习:后记
本章是监督学习的最后一部分,主要有三个目标。 首先,根据系统的分类错误概率来评估系统性能。 其次,将整个系统设计的各个阶段组合到一起。 最后,引入无标签数据,简单介绍半监督学习1,ERROR-COUNTING方法2,探求有限的数据集的大小3,一个医学图像的学习案例4,半监督学习:生成模型(generative model);基于图的方法(graph-bas
2014-07-26 11:04:21 1346 1
翻译 [模式识别].(希腊)西奥多里蒂斯<第四版>笔记9之__context-based classification
本章的假设前提是不同类之间存在相关性。连续的特征向量不是孤立的。 1,贝叶斯分类器 2,马尔科夫链模型 3,the viterbi algorithm 4, 信道均衡(channel equalization):任务是回复被传输通道或者噪音破坏的信息序列。5,隐式马尔科夫模型6,带状态持续模型(state duration model)的HMM
2014-07-25 09:57:50 1244
翻译 [模式识别].(希腊)西奥多里蒂斯<第四版>笔记8之__模板匹配
对语音识别来讲,同一个单词被同一个人每次说的情况都不同,给识别带来苦难。本章讨论的就是对不同的情形如何定义适应不同特性的度量。1,基于最优路径搜索的度量:①贝尔曼最优性原则和动态编程②编辑距离(The Edit Distance)③在语音识别动态时间扭曲(DTW), speaker-dependentrecognition. speaker-independentrecognition.2
2014-07-24 09:47:08 2556
原创 Recall(检出率)和 Precision(准确率)
这两个名词是模式识别和信息检索中用到的度量值。浅显易懂的理解,用下面的图片和公式最好不过。那么- 召回率R:用检索到相关文档数作为分子,所有相关文档总数作为分母,即R = A / ( A + C )- 准确率P:用检索到相关文档数作为分子,所有检索到的文档总数作为分母.即P = A / ( A + B ).
2014-07-23 21:15:38 15783
原创 方向梯度直方图(HOG)和颜色直方图的一些比较
最近在学习视频检索领域的镜头分割方面的知识,发现常用的方法是直方图的方法,所以才专门有时间来学习下。查看到这两种直方图的时候,感觉有点接近,好像又不同,放在这做个比较。大部分还是百科的内容,不过对基本理解还是够了.OK,开始正文~首先,介绍下什么是直方图在统计学中,直方图(英语:Histogram)是一种对数据分布情况的图形表示,是一种二维统计图表,它的两个坐标分别是统计样
2014-07-23 20:51:09 10208
翻译 [模式识别].(希腊)西奥多里蒂斯<第四版>笔记7之__feature generation (2)
本章将关注图像分析领域的feature generation.1,区域特征:①纹理特性②局部线性变换提取纹理特征③矩④参数模型2,形状和尺寸特征:①傅里叶特征②链式编码,它是边界形状描述最常用的技术③基于矩(moment)的特征④几何特征3,分形(A GLIMPSE AT FRACTALS) 1980年代有两个重要工具被引入模式识别应用领域:神经网络和
2014-07-23 10:20:55 1192
翻译 [模式识别].(希腊)西奥多里蒂斯<第四版>笔记6之__feature generation (1):数据转换和降维
1,单值分解:线性代数的重要部分,已经被广泛用于模式识别中的降维和信息检索应用中。2,独立成分分析3,非负矩阵分解4,非线性降维算法:① kernel PCA②基于图的方法(拉普拉斯算子,Local LinearEmbedding (LLE),Isometric Mapping (ISOMAP))5,离散傅里叶变换6,离散cos和sin变换7,THEHADAMARD TRA
2014-07-22 09:39:32 1726
翻译 [模式识别].(希腊)西奥多里蒂斯<第四版>笔记5之__特征选取
1,引言有关模式识别的一个主要问题是维数灾难。我们将在第7章看到维数很容易变得很大。 降低维数的必要性有几方面的原因。计算复杂度是一个方面。另一个有关分类器的泛化性能。 因此,本章的主要任务是:在尽可能保留特征的分类判别信息前提下,来选择重要的和维数少的特征量。这个过程被称作特征选择或者特征降维。 定量描述来讲,选择的特征应该使得类内距离减小,类间距离增大。
2014-07-20 09:45:40 1457
翻译 Kinect for Windows SDK 2.0新特性
这些新特性包括,1,改善的骨骼,手,关节方位------具有跟踪6个人全骨骼,每个人25个关节点(新增加手的中指指尖,拇指和shoulder center)的能力,以及对软组织连接和身体定位的改善。2,支持新的开发环境------支持更快,高效,高品质的跨平台开发,让开发者使用已知的工具在Windows store 开发产品。3,powerful tooling-----有了记
2014-07-19 11:01:43 2062
翻译 [模式识别].(希腊)西奥多里蒂斯<第四版>笔记4之__非线性分类器
1,Exclusive OR(XOR)Booleanfunction问题布尔量AND和OR是线性可分的2,两层感知器 对Figure4.1中A类和B类,首先能想到的是画两条直线。如图Figure4.4.① 两层感知器的分类能力3,三层感知器4,基于训练集精确分类的算法
2014-07-18 11:14:53 3108 1
翻译 [模式识别].(希腊)西奥多里蒂斯<第四版>笔记3之__线性分类器
1,线性分类器主要优点是他们的简化和计算吸引力。 2,线性判别函数和决策超平面。 3,感知器算法 4,最小二乘法:均方误差估计;随机近似和LMS算法;方差和估计; 5,均方估计回顾:均方误差回归;MSE估计后验概率;Bias-Variance困境 6,逻辑判别 7,支持向量机:可分类别;不可分类别;多类情形;V-SVM; 支持向量机:几何
2014-07-17 09:55:05 1124
翻译 [模式识别].(希腊)西奥多里蒂斯<第四版>笔记2之__基于贝叶斯决策理论的分类器
本章的主要工作在基于训练集的特征向量,估计概率密度函数。1,贝叶斯决策理论 条件概率公式。其中P(w)为先验概率,P(x|w)为类条件概率密度
2014-07-16 22:02:08 1921
翻译 [模式识别].(希腊)西奥多里蒂斯<第四版>笔记1之__模式识别相关领域
1. 模式识别相关领域① Machine vision,② Character (letter or number)recognition—>Optical character recognition (OCR) systems OCR系统3种典型应用:machine reading of bank checks; automatic mail-sorting machi
2014-07-10 10:28:14 1457
原创 Kinect for Windows V2.0 新特性
外观: 第二代Kinect for Windows看起来与Kinect for Xbox One相同,用以区别的是Windows版Kinect顶部写着Kinect,Xbox版只有一个绿色的X。Kinect for Windows 2.0Kinect for Xbox One主要性能改进:
2014-07-07 16:29:07 6228 7
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人