自定义博客皮肤VIP专享

*博客头图：

格式为PNG、JPG，宽度*高度大于1920*100像素，不超过2MB，主视觉建议放在右侧，请参照线上博客头图

请上传大于1920*100像素的图片！

博客底图：

图片格式为PNG、JPG，不超过1MB，可上下左右平铺至整个背景

栏目图：

图片格式为PNG、JPG，图片宽度*高度为300*38像素，不超过0.5MB

主标题颜色：

RGB颜色，例如：#AFAFAF

Hover：

RGB颜色，例如：#AFAFAF

副标题颜色：

RGB颜色，例如：#AFAFAF

预览 取消 提交

自定义博客皮肤

-+
上一步保存

laolu1573的专栏

  • 博客(3)
  • 资源 (10)
  • 收藏
  • 关注
全部文章> 2016年05月
排序：
按最后发布时间
按访问量
RSS订阅
12月 05月 04月

原创 boosting

boosting相对复杂，有如下几个方面： 1）流程： 2）如何开始。选择一个弱分类器，只要比随机猜测好一点点就可，也就是说a>0即可。 3）前面算法如何影响后续算法，或者说，如何进行算法的提升。 前面算法的系数w会根据一定的算法修改从而形成后续算法的系数，所以如何修改系数w是非常关键的。不同的损失函数（算法的预测值和数据的实际值之差）以及如何极小化损失函数的方法决定了如何更新系数

2016-05-04 14:02:25 469

原创 AUC(Area Under roc Curve )计算

Reference: https://www.zhihu.com/question/39840928 https://zhuanlan.zhihu.com/p/37369061 https://zhuanlan.zhihu.com/p/37369061AUC的含义：把正样本排在负样本前的概率。 ROC（Receiver Operating Characteristic）曲线和AUC常被用...

2016-05-02 23:21:35 4268

原创 Precision，Recall和F1

比如预测是否是癌症病人，假设1000个人里面只有一个，即比例分别为99.9%和0.1%。 这时如果设计的预测系统不经数据分析，全部预测为正常人，仍然会有99.9%的准确率。这显然是不合理的。所以就出现了precision、recall、Fscore这三个评估值。 定义如下： 根据定义，如果还是全部预测为正常人的话，上面precision和recall值就会都是0，便可以发现了系统设计的问

2016-05-02 23:13:33 862

WinAVI-v9.09H avi视频转换器汉化版 亲测可用！
WinAVI-v9.09H avi视频编码转换器汉化版 亲测可用！

2012-12-04

ShapeCollage 图像拼接 破解无水印
Shape Collage 图像拼接 破解无水印，亲测可用！

2012-11-22

相机标定工具箱 matlab
相机标定工具箱，内容很多，很实用，标定必备。 camera calibration toolbox

2012-11-22

使用颜色纹理直方图来进行目标跟踪
使用颜色纹理直方图来进行目标跟踪，具有很好的鲁棒性，亲自测试可用，附参考论文。 Robust Object Tracking using Joint Color-Texture Histogram

2012-11-22

目标检测定位工具箱
目标检测与定位工具箱，附操作说明网页，会使用了很强大 Object Detection and Localization Toolkit

2012-11-22

多目标行人检测
多目标检测，用来行人检测，作者提的源代码，附paper，亲自调试可用！ detection of multiple object instances using Hough transform(CVPR 10), 2010.

2012-11-22

PCA降维程序
自己写的PCA降维程序，基于opencv，项目里使用过，现在奉献出来。 PCA dimensionality reduction program based on opencv

2012-11-22

多维高斯混合概率密度模型 matlab版 已生成移植C的动态链接库
多维高斯混合模型 matlab版 已生成移植C的动态链接库.DLL 调试成功

2012-07-23

LAMP_HMM 隐马尔科夫模型
LAMP_HMM v. 0.9 (C++) Authors: Daniel DeMenthon and Marc Vuilleumier Date: Feb. 1999 - Revised Jan. 2003 This package contains C++ code for applying Hidden Markov Models (HMMs) to files of observation data. We used Tapas Kanungo's HMM C code as a starting point. Main upgrades from Tapas Kanungo's code: 1. Observations can be vectors. 2. Components of an observation vector can use different numbers of symbols. 3. Observation probabilities can be modeled by histograms or by Gaussians. 4. Training can be accomplished by multiple observation sequences, defined in a file. 5. State durations can be modeled explicitly by Gamma distributions. 6. In addition to the Baum-Welch method, the much faster segmental k-means method can be selected for training.

2012-05-22

upper-body detector 上身探测器
上身探测器 matlab版，附测试数据网站，参考论文

2012-05-22

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

提示
确定要删除当前文章？
取消 删除