- 博客(17)
- 资源 (3)
- 收藏
- 关注
转载 libsvm处理多分类的问题
SVM作为判别模型(discriminative model)中所使用的典型方法,其产生是为2分类问题设计的svm多分类效果不佳,目前是svm研究的热点之一。libsvm用的是one- versus-one法。简介:.一对一法(one-versus-one,简称OVO SVMs或者pairwise)。其做法是在任意两类样本之间设计一个SVM,因此k个类别的样本就需要设计k(k-
2012-05-31 14:02:20 3589 4
原创 matlab中svmtrain函数和LibSVM中svmtrain函数冲突的问题的解决方案
最近在使用Libsvm时,将其编译成matlab能用的newex32文件后,加入matlab的path中,可以使用。但是默认Libsvm的svmtrain为首选svmtrain,而无视了MATLAB自带的svmtrain函数。原来是命名冲突...在matlab中文论坛看到解决方案,直接对libsvm路径下的svmtrain.newex32文件更改名称即可,比如改成libsvm_svmt
2012-05-29 13:37:41 13227 10
原创 matlab中元胞数组cell元素的表示方法
Matlab中的元胞数组cell相当于C/C++中的结构体这种数据结构,里面可以包含异构的基本数据类型,所以使用起来 功能很多。cell可以是一维的,也可以是二维,更高维的,但对cell数组的每一个元素进行索引的话,可以遵循数组的索引方式,有(i,j)或者{i,j}的方式。假设A={'a' 'b' 'c'}:>> A={'a' 'b' 'c'}A = 'a' '
2012-05-29 13:31:17 3969
转载 Logistic regression回归模型
博客中插入图片好麻烦呀...暂时先给出比较好的链接吧,有时间再整理! http://blog.tomtung.com/2011/10/logistic-regression/
2012-05-28 19:01:23 882
原创 LDA,pLSA等图像分类的生成模型
LDA,pLSA 是基于textual retrieval衍伸到image classification分类领域的生成模型(generative model),主要是基于最大化似然概率来最大化后验概率的思想,来建立image与category间的关系。LDA是princeton的Blei提出的,具体C实现可以参考:http://www.cs.princeton.edu/~blei/lda-c/
2012-05-28 08:41:26 2314
原创 Libsvm和Liblinear的使用经验谈
Libsvm和Liblinear都是国立台湾大学的Chih-Jen Lin博士开发的,Libsvm主要是用来进行非线性svm 分类器的生成,提出有一段时间了,而Liblinear则是去年才创建的,主要是应对large-scale的data classification,因为linear分类器的训练比非线性分类器的训练计算复杂度要低很多,时间也少很多,而且在large scale data上的性
2012-05-27 19:18:18 7135 3
转载 <zz>模式识别中分类器性能评估参数的解释---混淆矩阵,ROC
在使用MATLAB pattern recognition 工具箱做data classification时,最终评价classifier性能的好坏,工具箱给出了confusion matrix和roc指标,那如何解释这些指标呢?首先可以参考维基百科:confusion matrix,receiver operating characteristic.很多时候,我们希望对一个二值分
2012-05-27 13:30:48 1989
转载 <zz>EM(Expectation Maximization)期望最大化算法
转自著名的“丕子”博客在统计计算中,最大期望(EM)算法是在概率(probabilistic)模型中寻找参数最大似然估计的算法,其中概率模型依赖于无法观测的隐藏变量(Latent Variable)。最大期望经常用在机器学习和计算机视觉的数据聚类(Data Clustering) 领域。最大期望算法经过两个步骤交替进行计算,第一步是计算期望(E),利用对隐藏变量的现有估计值,计算其最大似然
2012-05-24 19:44:55 1864 1
转载 <zz>matlab程序与C/C++代码混合编程
MEX文件使得调用C函数和调用Matlab的内置函数一样方便。MEX文件是由原C代码加上MEX文件专用的接口函数后编译而成的。可以这样理解,MEX文件实现了一种接口,它把在Matlab中调用函数时输入的自变量通过特定的接口调入了C函数,得出的结果再通过该接口调回Matlab。该特定接口的操作,包含在mexFunction这个函数中,由使用者具体设定。 所以现在我们要写一个包含add和m
2012-05-23 16:32:11 889
原创 图像标注中常用的性能指标评估方法
不断更新中...MAP(Mean Average Precision):单个主题的平均准确率是每篇相关文档检索出后的准确率的平均值。主集合的平均准确率(MAP)是每个主题的平均准确率的平均值。MAP 是反映系统在全部相关文档上性能的单值指标。系统检索出来的相关文档越靠前(rank 越高),MAP就可能越高。如果系统没有返回相关文档,则准确率默认为0。例如:假设有两个主题,主
2012-05-22 18:27:41 2070
转载 <zz>machine learning中的重要延伸模型
机器学习推荐论文和书籍(转载)1,622 views发信人: zibuyu (得之我幸), 信区: NLP标 题: 机器学习推荐论文和书籍发信站: 水木社区 (Thu Oct 30 21:00:39 2008), 站内我们组内某小神童师弟通读论文,拟了一个机器学习的推荐论文和书籍列表。经授权发布在这儿,希望对大家有用。:)=====================
2012-05-21 20:08:35 984
转载 高斯混合模型原理,参数优化及实现
高斯混合模型(GMM)参数优化及实现 高斯混合模型(GMM)参数优化及实现 1 高斯混合模型概述高斯密度函数估计是一种参数化模型。有单高斯模型(Single Gaussian Model, SGM)和高斯混合模型(Gaussian mixture model,GMM)两类。类似于聚类,根据高斯概率密度函数(PDF,见公式1)参数的不同,每一
2012-05-20 15:01:50 2486
转载 <转>矩阵求导
求导公式(撇号为转置):Y = A * X --> DY/DX = A'Y = X * A --> DY/DX = AY = A' * X * B --> DY/DX = A * B'Y = A' * X' * B --> DY/DX = B * A'乘积的导数d(f*g)/dx=(df'/dx)g+(dg/dx)f'
2012-05-19 19:24:19 4209 1
转载 <转>数据处理之交叉验证cross validation
原文:http://hi.baidu.com/872911713/blog/item/d9420ff6767cbf0fb07ec5f4.html交叉验证(Cross-Validation): 有时亦称循环估计, 是一种统计学上将数据样本切割成较小子集的实用方法。于是可以先在一个子集上做分析, 而其它子集则用来做后续对此分析的确认及验证。 一开始的子集被称为训练集。而其它
2012-05-19 16:40:01 1627
原创 feature的距离度量distance measure
最近看image retrieval相关的论文,feature extraction and description是数据采集与表示的基本步骤,其中总是看到有关feature descriptor生成的环节,诸如提取global/local feature之后,采用k-means 进行quantization,然后计算visual distance,有L1 distance, L2 dista
2012-05-19 14:30:57 5305
转载 <转>linux下各类文件解压方法
大致总结了一下linux下各种格式的压缩包的压缩、解压方法。但是部分方法我没有用到,也就不全,希望大家帮我补充,我将随时修改完善,谢谢! .tar 解包:tar xvf FileName.tar 打包:tar cvf FileName.tar DirName (注:tar是打包,不是压缩!) ——————————————— .gz
2012-05-17 14:11:48 634
转载 <转>ubuntu10.10中安装matlab2010Rb for unix
最近在看image annotation相关的源码,许多开源的工具都是在linux下的matlab完成的,于是通过电驴下载了matlab2010b for unix,安装在ubuntu10.10虚拟机中,安装过程参考了网上的攻略,如下:http://www.cnblogs.com/hyrt/archive/2011/06/12/2079203.html。但是实际我在安装过程中碰到了许多
2012-05-16 17:40:21 1408
Computer Vision Algorithms and Applications
2012-05-15
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人