kevin_123c-CSDN博客

原创图像加密--chua's chaos and baker's transformation

关于图像加密的文章，我一共写过两篇，第一篇作为博客的开山之作，的确在大神眼里小菜一碟，不过那确确实实是我研究生期间甚至可以说学生生涯第一篇学术期刊论文。基于logistic的图像加密原理简单，logistic产生的也是一维序列。本篇文章是我第二篇图像加密，原理稍有提高，方法也是略微复杂，不过我通俗的讲讲，还是觉得so easy！本文所讲图像加密是基于蔡氏混沌...

2018-08-23 18:20:11 3091 1

原创 ubuntu jdk 和eclipse安装

vi ~/.bashrc配置export JAVA_HOME=/usr/local/jdk1.8.0_181export JRE_HOME=${JAVA_HOME}/jreexport CLASSPATH=.:${JAVA_HOME}/lib:${JRE_HOME}/libexport PATH=${JAVA_HOME}/bin:$PATH eclipse[Desktop En...

2018-08-23 16:00:19 146

转载递归神经网络(RNN)简介

在此之前，我们已经学习了前馈网络的两种结构——多层感知器和卷积神经网络，这两种结构有一个特点，就是假设输入是一个独立的没有上下文联系的单位，比如输入是一张图片，网络识别是狗还是猫。但是对于一些有明显的上下文特征的序列化输入，比如预测视频中下一帧的播放内容，那么很明显这样的输出必须依赖以前的输入，也就是说网络必须拥有一定的”记忆能力”。为了赋予网络这样的记忆力，一种特殊结构的神经网络——递归神

2016-09-05 13:57:21 1442

原创提高模型准确度的方法

1.增加更多的数据，越多的数据，模型越好，准确度越高 2.处理好缺失值和异常值 3.特征工程 4.特征选择 5.多种算法组合 6.算法的改进（调参） 7.集成算法（bagging，boosting 8.交叉验证（cross validation)

2016-08-11 13:54:31 2861

原创梯度下降法的三种解释（BGD,SGD,MBGD).

机器学习里面，梯度下降法可以说是随处可见，虽然它不是什么高大上的机器学习算法，但是它却是用来解决机器学习算法的良药。我们经常会用到梯度下降法来对机器学习算法进行训练。在很多介绍梯度下降的书籍里，我们看到这样的几个英文单词缩写，BGD，SGD，MBGD。也就是批量梯度下降法BGD，随机梯度下降法SGD，小批量梯度下降法MBGD。哦儿啦，举例说明，一般一个线性回归函数的假设函数可以

2016-07-11 13:01:14 18310

原创机器学习---决策树

看见这么一个图了吗？这就是决策树，很形象很生动很具体，所以决策树是什么？决策树是一类常见的机器学习方法，反正我理解就是yes no的判断嘛。决策树是一个树结构（可以是二叉树或非二叉树）。其每个非叶节点表示一个特征属性上的测试，每个分支代表这个特征属性在某个值域上的输出，而每个叶节点存放一个类别。使用决策树进行决策的过程就是从根节点开始，测试待分类项中相应的特征属性，并按照其值选择输出分支，直到到

2016-06-16 10:42:53 470

原创机器学习--logistic回归和softmax回归

logistic回归和softmax回归放在一起总结一下，其实softmax就是logistic的推广，logistic一般用于二分类，而softmax是多分类。 logistic回归虽然也是叫回归，其实本身是用来分类的，logistic可以被看成是一种概率的估计，类似于线性回归的归一化，将输出值映射为（0,1），输入值大于0.5被分为1类，小于0.5被分为0类。

2016-06-15 20:09:24 3422 1

原创机器学习---knn分类器

knn这个分类器，原理很简单，可以说是机器学习里面最简单的一个分类器。工作原理：存在一个训练样本集，这些样本集都是有标签，也就是我们知道样本集中每个数据与其类别的对应关系。输入没有标签的新数据后，将新数据与样本集的数据特征进行比较，然后按照特定算法提取样本集中最相似的数据分类标签。举个例子：电影名称打斗镜头接吻镜头

2016-06-13 19:48:46 1055

原创 LATEX--排版神器

研究生是躲不开要写论文的，写论文除了有思路，有创意，最终也避不了排版！！没错，很多出版社在格式排版这里还是蛮重视，如果你排的不好，会一直让你修改。说到这里，有人会说用word呗，word是很常见的。今天我要介绍的不是word，因为word的确有很多的弊端，尤其在公式编辑的时候，特别不美观，所以强烈推荐一款排版神器---LATEX！这样的排版出来的文章，不仅给别人的感觉是整齐，关键是专业。

2016-06-12 14:37:13 8494 2

机器学习的一些概念就不详细介绍了，大致就是分类，聚类，回归这些！不管是哪种，总之都是需要根据数据，训练出一个模型，其实机器学习的思想就是最优化，优化出一个好的模型。当然还有监督学习，无监督学习这些概念，通俗点说，分类就是给你一组数据，一组有标签的数据，举个例子就是我现在有10个数据，这个10个数据是关于三种花的，菊花，玫瑰花，月季花！我首先给出属性，颜色，大小，有无刺，花香，然后给出标签（这个标签

2016-06-12 11:20:20 497

原创图像处理---图像加密（基于logistic映射）

研一刚开学的时候，跟着导师的研究方向做事。当时第一次接触到一个新词叫“混沌”！自己看了一些理论，也不是特别清楚，只知道其中混沌最大的特性就是对初始值敏感。什么叫对初始值敏感？通俗一点，听说过那个蝴蝶效应吗？在某某某地方，一个蝴蝶轻轻煽动一下翅膀就会产生很大的飓风。那知道了这个特性，看paper，看paper.....不知道从何时开始，就看到了图像里面去了。没错，就引到了

2016-06-08 11:56:55 18665 11

原创 csdn初次入住

话说以前还真是一个喜欢写文章的人，最水的时候就是在腾讯空间那个日志里面写！读研以来，一直喜欢看CSDN上面大牛的技术博客。如今研二了，面临着找工作很多问题，朋友劝我开个博客，在复习整理知识过程中，也能有所收获。

2016-06-08 11:53:15 284

kevin_123c的博客