2014年07月_燃烧的舞步

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

燃烧的舞步