MATLAB
DLNU-linglian
Label*我的名字*你的名字*(结束日**结束日)*(结束年**结束月)*(开始日**开始日)*(开始年**开始月)的结果加上624213446397901986688556014989999849556479365218546334957203004531297638941464889660918641041510905907314864550780136138,然后隔三位反64
展开
-
Python Numpy 教程 - 阅读笔记
该教程我看的是范文迪同学的学习笔记,写的很好,并记录我下我看的时候的理解(使用粗体表示)Python Numpy 教程感谢Justin Johnson为本教程做出的贡献。我们将在这门课中全部使用python语言。Python是一门很好的通用编程软件,但在一些流行库(numpy,scipy,matplotlib)的帮助下,使它拥有强大的科学计算环境。 我们期望你们中的很多人有一些Python和num转载 2017-10-05 23:46:42 · 743 阅读 · 0 评论 -
机器学习基础-学习笔记 概率论
概率论在机器学习的领域中,经常使用后验概率来实现执果索引的目的,常用的公式表述为:P(X|Y)=P(Y|X)P(X)∑XP(Y|X)P(X) P(X | Y) = \frac{P(Y | X)P(X)}{\sum\limits_XP(Y|X)P(X)} P(Y)=∑XP(Y|X)P(X P(Y) = \sum\limits_XP(Y|X)P(X 其中,P(X | Y) 为随机事件Y发生的前提下,随机原创 2017-08-11 02:48:52 · 511 阅读 · 0 评论 -
机器学习基础-学习笔记 矩阵论
矩阵论矩阵表示在实数域上,大小为n*m的矩阵的集合可以表示为:M(Rn∗m=A:A∈Rn∗m) M(R^{n*m} = {A:A \in R^{n*m}}) 因此,(M(Rn∗m),R)) M(R^{n*m), R})) 可作为线性空间,他们的距离distance(A, B) 满足非负性,对称性和三角不等式性。范式奇异值通常,可以通过定义范式的形式来诱导距离,常用的范数有: ∀A∈M(Rn∗m)原创 2017-08-11 00:21:28 · 1425 阅读 · 0 评论 -
机器学习-学习笔记 聚类
聚类聚类任务背景在无监督学习(密度估计、异常检测等)中,训练样本的标记信息是未知的(即不人为指定),旨在发现数据之间的内在联系和规律,为进一步的数据分析提供基础。 此类学习任务中研究最多、应用最广的是聚类。定义聚类将数据集中的样本划分为若干个通常是不相交(有的时候会相交)的子集(簇,也叫类),即将样本分类,但是分类后得到的簇的标记是未指定的,这里需要使用者自行定义。作用聚类既能作为一个单独过程,用原创 2017-07-26 05:11:29 · 2983 阅读 · 10 评论 -
计算机视觉小实例 No.4 车牌定位(二)
蓝色区域切割继续使用上节的Pre_Process来获得蓝色区域,并对蓝色区域进行判断。 流程如下获得蓝色区域对蓝色区域进行Hough直线检测并进行校正分析蓝色区域分析失败则返回第一步,并将此蓝色区域置为0。我们先模拟一下如果第一次获取失败,进行第二次的过程。hsv = rgb2hsv(f);v = hsv(:, :, 3);v = imfilter(v, fspecial('gaus原创 2017-08-03 06:19:07 · 4485 阅读 · 1 评论 -
计算机视觉小实例 No.4 车牌定位(一)
车牌识别分为三个步骤:车牌区域定位、车牌字符分割、车牌字符识别。车牌区域定位首先,我们使用Hough变换检测直线来定位车牌边界进而获取车牌区域(还有一种就是用蓝色来进行行列查找,等会会演示,这个方法有一些情况是无法满足要求的)。 但是,在那之前,我们需要对图片进行去噪、二值化处理。去噪、二值化f = imread('车牌.jpg');g = rgb2gray(f);g = adapthiste原创 2017-08-02 05:51:18 · 2003 阅读 · 1 评论 -
计算机视觉小实例 No.2 基于形态学的权重自适应图像去噪
图像去噪减少数字图像中噪声的过程,广泛应用于图像处理领域的预处理过程,去噪效果的好坏会直接影响后续的图像处理效果,如图像分割、图像模式识别等。噪声的产生噪声只要产生于获取、传输图像的过程中。常见的噪声有高斯噪声和椒盐噪声,其中高斯噪声主要由摄像机传感器元器件内部产生的,椒盐噪声主要是由图像切割所产生的黑白相间的亮暗点噪声,椒指黑色噪声,盐指白色噪声,还有另外泊松噪声,想继续了解的可以看这里浅析三种的原创 2017-07-29 04:16:28 · 3554 阅读 · 0 评论 -
计算机视觉小实例 No.3 基于Hough变化的答题卡识别
答题卡识别答题卡自动阅卷系统通过获取答题卡图像作为系统输入,并通过计算机处理、自动识别填图标记,存入数据库完成阅卷。 但是答题卡在运输和使用过程中,容易受到设备、环境等因素的影响,使得图像质量在一定程度上有所下降,影响了自动阅卷的准确率,甚至导致无法正常阅卷,因此要对答题卡图像进行一系列的预处理,滤去干扰、噪声,做几何校正(有的答题卡可能是倒着的),彩色校正等,并进行二值化处理。图像二值化图像的原创 2017-07-31 05:36:41 · 8061 阅读 · 3 评论 -
机器学习-学习笔记 学习总结归纳(第六周)
对数几率回归考虑分类问题时使用对数几率回归。 在二分类问题中,其输出标记y(0, 1), 而在线性回归中,输出标记y是实值,所以我们需要将问题转为单位阶跃函数 但是可以看出,单位阶不连续,所以我们可以将函数转换为对数几率函数。 转化为 也可转换为 如何确定上述式子中的w和b 我们可以通过使用极大似然法来估计w和b,经典算法有梯度下降法和牛顿法。线性判别分析 LDA的思想原创 2017-07-21 14:33:12 · 788 阅读 · 0 评论 -
机器学习-学习笔记 支持向量机
支持向量机间隔与支持向量划分超平面可通过如下线性方程来描述:下图中的等式称为支持向量,二个等式之间的距离称为间隔。目的就是找到最大间隔的划分超平面。 对偶问题 由上述式子可以得到对偶问题 最终得到如下公式 满足条件 核函数异或问题就不是线性可分的。 核函数,支持向量展式 核函数定理支持向量机 通过某非线性变换 φ( x) ,将输入空间映射到高维特征空间。特征空间的维数可能非常高。原创 2017-07-21 01:00:25 · 623 阅读 · 0 评论 -
机器学习-学习笔记 降维与度量学习
降维与度量学习k近邻学习(kNN)k-Nearest Neighbor,k近邻学习是一种常用的监督学习方法。工作机制给定测试样本,基于某种距离度量找出训练集中与其最靠近的k个训练样本,然后基于这k个邻居的信息来进行预测,通常,在分类任务中可使用投票法(选择这k个样本中出现最多的类别标记作为预测结果),在回归任务中可使用平均法(将这k个样本的实值输出标记的平均值作为预测结果)。 另外,还可以基于距离原创 2017-07-27 01:01:51 · 684 阅读 · 0 评论 -
机器学习-学习笔记 阶段总结与反思
西瓜书终于将老师要求的章节看完了总结其实看完以后,对这本书还是朦朦胧胧,不是很明白,也不是很懂,感觉缺点什么。如果说看完这本书,你让我写出来什么东西,我还真写不出来什么自己的东西。不过总算是对这本书有了大致的了解,一些基础知识也基本了解,有一些自己的理解。反思好多算法都没有将相应的实现写出来,因为好多算法都是在开源的工具箱里,matlab不自带,其实可以根据算法流程和基本原理进行实现。希原创 2017-07-27 01:07:32 · 586 阅读 · 0 评论 -
机器学习基础-学习笔记 优化分析(二)
关于对偶问题,探索带有不等式约束的极值问题求解入戏a:minwf(w) \min\limits_w{f(w)} s.t.gi(w)⩽0,i=1,2,…,k s.t. g_i(w) \leqslant 0, i = 1, 2, \dots , k $$ h_i(w) = 0, i = 1, 2, \dots, l对应的一般化拉格朗日公式为:minw,α,βL(ω,α,原创 2017-08-18 11:56:07 · 293 阅读 · 0 评论 -
机器学习-学习笔记 学习总结归纳(第十三周)
KNN(K-Nearest Neighbors)K最近邻分类算法降维和度量学习基于一种线性的,计算二个样本之间的距离,进行分类,距离公式决定不同问题(数据集)下模型的准确度,K值决定模型的界限等等,在时间复杂度和测试性能上,KNN不是最优的,但实现是最简单的。视频中还谈到了关于训练算法与测试样本的依赖性,即如果当前超参数与当前测试样本测试结果非常好,这就表明超参数(距离公式和K值)以及训练算法过于依原创 2017-10-06 19:59:13 · 264 阅读 · 0 评论 -
机器学习-学习笔记 学习总结归纳(第十二周)
BP神经网络clear;clc;P=[-1 -1 2 2 4;0 5 0 5 7];T=[-1 -1 1 1 -1];%利用minmax函数求输入样本范围net = newff(minmax(P),[5,1],{'tansig','purelin'},'trainrp');net.trainParam.show=50; %显示训练迭代过程net.trainParam.lr=0.05;原创 2017-09-01 19:03:06 · 320 阅读 · 0 评论 -
机器学习-学习笔记 学习总结归纳(第十一周)
总结归纳假设空间归纳从特殊到一般的“泛化”过程, 即从具体的事实归结出一般性规律。演绎从一般到特殊的“特化”过程, 即从基础原理推演出具体状况。归纳学习(概念学习(概念形成))记住训练样本, 就是所谓的“机械学习”,或称“死记硬背式学习”。 利用一定的策略对假设空间进行搜索。版本空间归纳偏好需要对假设空间进行搜索学习操作的时候,建立一定的偏好(特征选取偏好),这样的学习还有意义。 即, 建立学习原创 2017-08-24 17:12:47 · 765 阅读 · 0 评论 -
机器学习-学习笔记 学习总结归纳(第七周)
学习记录聚类聚类任务背景在无监督学习(密度估计、异常检测等)中,训练样本的标记信息是未知的(即不人为指定),旨在发现数据之间的内在联系和规律,为进一步的数据分析提供基础。 此类学习任务中研究最多、应用最广的是聚类。定义聚类将数据集中的样本划分为若干个通常是不相交(有的时候会相交)的子集(簇,也叫类),即将样本分类,但是分类后得到的簇的标记是未指定的,这里需要使用者自行定义。作用聚类既能作为一个单独原创 2017-07-28 17:28:28 · 851 阅读 · 0 评论 -
机器学习-学习笔记 学习总结归纳(第八周)
图像去噪减少数字图像中噪声的过程,广泛应用于图像处理领域的预处理过程,去噪效果的好坏会直接影响后续的图像处理效果,如图像分割、图像模式识别等。噪声的产生噪声只要产生于获取、传输图像的过程中。常见的噪声有高斯噪声和椒盐噪声,其中高斯噪声主要由摄像机传感器元器件内部产生的,椒盐噪声主要是由图像切割所产生的黑白相间的亮暗点噪声,椒指黑色噪声,盐指白色噪声,还有另外泊松噪声,想继续了解的可以看这里浅析三种的原创 2017-08-05 00:15:12 · 1253 阅读 · 2 评论 -
计算机视觉小实例 No.1 基于直方图优化的图像去雾技术
直方图均衡化直方图均衡化主要用于增强灰度值动态范围偏小的图像的对比度。 什么叫做动态范围,表示图像中所包含的从“最暗”至“最亮”的范围,动态范围越大,所能表现的层次越丰富,所包含的色彩空间也越广。直方图直方图是图像的一种统计表达形式。 直方图可以在一定程度上反映图像的概貌性描述,包括图像的灰度范围、灰度分布、整幅图像的亮度均值和阴暗对比度等f = imread('coins.png');g =原创 2017-07-28 04:25:09 · 5232 阅读 · 1 评论 -
机器学习-学习笔记 学习总结归纳(第九周)
矩阵论矩阵表示在实数域上,大小为n*m的矩阵的集合可以表示为:M(Rn∗m=A:A∈Rn∗m) M(R^{n*m} = {A:A \in R^{n*m}}) 因此,(M(Rn∗m),R)) M(R^{n*m), R})) 可作为线性空间,他们的距离distance(A, B) 满足非负性,对称性和三角不等式性。范式奇异值通常,可以通过定义范式的形式来诱导距离,常用的范数有: ∀A∈M(Rn∗m)原创 2017-08-11 21:23:22 · 366 阅读 · 0 评论 -
机器学习-学习笔记 学习总结归纳(第十周)
优化分析优化所谓优化,讲的就是如何求解目标函数在约束条件下的最优解。机器学习、人工智能中的绝大部分问题,到最后基本都会归结为求解优化问题,因此学习优化理论是非常有必要的。这里只是一个非常简单的一个基础,感觉看完了也不会有太大的感触,让我一起来分析分析吧。分析交替迭代乘子算法(ADMM或交替方向乘子算法)用于解决凸优化问题,什么是凸优化问题呢?凸优化“ 是指一种比较特殊的优化,是指求取最小值的目标函原创 2017-08-18 13:46:34 · 664 阅读 · 0 评论 -
机器学习基础-学习笔记 优化分析(一)
最近人形大宝宝抱怨我写的什么东西,完全在糊弄,那么问题来了,然后我需要解决- -此处先理解为主,不讲究推导(不会推导- -)优化分析优化所谓优化,讲的就是如何求解目标函数在约束条件下的最优解。机器学习、人工智能中的绝大部分问题,到最后基本都会归结为求解优化问题,因此学习优化理论是非常有必要的。这里只是一个非常简单的一个基础,感觉看完了也不会有太大的感触,让我一起来分析分析吧。分析交替迭代乘子算法(A原创 2017-08-18 00:46:32 · 1341 阅读 · 1 评论 -
机器学习-学习笔记 神经网络
对数几率回归考虑分类问题时使用对数几率回归。 在二分类问题中,其输出标记y(0, 1), 而在线性回归中,输出标记y是实值,所以我们需要将问题转为单位阶跃函数 但是可以看出,单位阶不连续,所以我们可以将函数转换为对数几率函数。 转化为 也可转换为 如何确定上述式子中的w和b 我们可以通过使用极大似然法来估计w和b,经典算法有梯度下降法和牛顿法。线性判别分析 LDA的思想原创 2017-07-20 22:40:33 · 798 阅读 · 0 评论 -
机器学习-学习笔记 学习总结归纳(第五周)
基本形式例如绪论中的判断好瓜的算法,就可以用一个线性的模型来表示,好瓜 = 色泽 * 0.3 + 0.2 * 根 + 0.2 * 响声 == 1, 例如这样的线性模型来进行表示。线性回归 我的理解就是,给定一个函数的一些输入输出,根据这些输入输出得到该函数的表达式。 最简单的例子就是给你二个点,求斜率,不过在这里就比较抽象一点,需要将具体的东西抽象成数值进行求函数。 最小二乘法(求得均方误差最原创 2017-07-14 19:32:40 · 535 阅读 · 0 评论 -
机器学习-学习笔记 学习总结归纳(第四周)
引言 学习经验(数据),产生模型,进行判断机器学习致力于研究如何通过计算的手段,利用经验来改善系统自身的性能。 数据集 - 示例(样本) - 属性 - 特征 - 属性空间(样本空间(输入空间))- 特征向量训练数据 - 训练集 - 训练样本预测 - 标记 - 样例 - 标记空间(输出空间)**分类 - 回归 - 二分类(正类、反类) - 多分类测试 - 测试样本(测试示例(测试例))聚类 - 簇监原创 2017-07-07 20:12:58 · 1084 阅读 · 0 评论 -
MATLAB学习笔记 彩色图像处理
以下内容以书中内容为基础,加上自己的理解的表述,如有错误,望请批评指正MATLAB中的彩色图像的表示(图像格式)RGB图像所谓RGB图像,即为R(Red 红) G(Green绿) B(Blue蓝) 的灰度图(三个长宽一样的二维矩阵)组成的图像比如以下这段代码r = zeros(300, 300);g = zeros(300, 300);b = zeros(300, 300);r(1:100,原创 2017-06-21 16:34:54 · 4303 阅读 · 0 评论 -
MATLAB学习笔记 学习总结归纳(第三周)
MATLAB学习笔记 彩色变换interp1q(x, y, xi) 线性内插,获得xi点的yi值(直线)x 为列向量 设置x轴各个点 y 为列向量 设置y轴的各个点 xi 为列向量,代表取xi的位置的值z = interp1q([0 10]', [0 5]', [0 1 2]') % 返回[0; 0.5; 1.0]spline(x, y, xi) 三次样条内插, 获得xi的yi值(曲线)z =原创 2017-06-30 21:26:33 · 3769 阅读 · 0 评论 -
MATLAB学习笔记 表示与描述
表示与描述表示区域涉及到二个基本选择: * 用外部特征(区域的边境)表示区域 * 用内部特征(组成区域的像素)表示区域 描述就是你在表示区域的基础上进行的,例如区域可以用边界表示,而边界可以用诸如边界长度和其包含的凹面形状的数目等特征来描述。单元数组与结构单元数组就是cella = [1 2 3];c = {'asd', a, 12};disp(c); % 输出'asd' [1x3原创 2017-06-30 21:21:34 · 1930 阅读 · 0 评论 -
MATLAB学习笔记 图像分割(二)
edge(f, ‘method’, par) 边缘检测函数sobel边缘检测器(默认为sobel)edge(f, ‘sobel’, T, dir); dir 分为 vertical horizontal both(默认) 三种f = imread('img16.tif');g = edge(f, 'sobel', 'vertical');subplot(1, 2, 1), imshow(f),原创 2017-06-30 15:43:40 · 1513 阅读 · 0 评论 -
MATLAB学习笔记 图像分割(一)
图像分割点检测先用线性滤波将图像进行处理,接着找出g的最大值,再将小于T的点去除(找出值为T的点)。f = imread('img14.tif');w = [-1 -1 -1; -1 8 -1; -1 -1 -1];g = abs(imfilter(double(f), w));T = max(g(:));g = g >= T;subplot(1, 2, 1), imshow(f), ti原创 2017-06-29 20:52:14 · 2014 阅读 · 0 评论 -
MATLAB学习笔记 形态学图像处理(二)
腐蚀imerode(image, s) 对图像进行腐蚀操作f = imread('img8.tif');se = strel('disk', 10);g = imerode(f, se);subplot(1, 2, 1), imshow(f), title('原图');subplot(1, 2, 2), imshow(g), title('腐蚀后');利用一个10*10的菱形进行腐蚀 *原创 2017-06-29 20:22:15 · 6133 阅读 · 0 评论 -
MATLAB学习笔记 形态学图像处理(一)
集合论的基本概念并 交 补 差 集合运算 MATLAB中的语句 名称 A⋂ \bigcap B A & B 与 A⋃ \bigcup B A || B 或 Ac A^c ~A 非 A - B A & ~ B 差下面用代码来看看效果 f = imread('utk.tif'); g = imread('gt.tif'); subpl原创 2017-06-29 16:16:13 · 1112 阅读 · 0 评论 -
MATLAB学习笔记 问题集
当函数参数是一个矩阵的时候,判断是否是图片,如果是图片则判断传入的是什么类型(索引、RGB、灰度图、二值图等等)的图片? 下面的是我用的是size和ndims进行实现的function type = getImageType(img, varargin)% 获得一个图片的类型,返回值为字符串% type = getImageType(img);% type = getImageType(X原创 2017-06-20 14:36:27 · 492 阅读 · 0 评论 -
MATLAB学习笔记 彩色变换
MATLAB学习笔记 彩色变换interp1q(x, y, xi) 线性内插,获得xi点的yi值(直线)x 为列向量 设置x轴各个点 y 为列向量 设置y轴的各个点 xi 为列向量,代表取xi的位置的值z = interp1q([0 10]', [0 5]', [0 1 2]') % 返回[0; 0.5; 1.0]spline(x, y, xi) 三次样条内插, 获得xi的yi值(曲线)z =原创 2017-06-29 15:33:23 · 4563 阅读 · 4 评论 -
MATLAB学习笔记 彩色空间转换
彩色空间转换我们之前都是对RGB图像对彩色图像进行操作(间接或直接),很少用到其他的彩色空间,这章我们学习从RGB变换得到的彩色空间(彩色模型)。 这些彩色空间包括NTSC、YCbCr、HSV、CMY、CMYK、HSI。NTSC彩色空间NTSC彩色模型为模拟电视, 分为三个分量,YIQ ,分为别亮度,色调, 对比度(就是我们常常调自己家电视的亮度、色调、对比度),这个模型使得同一个信号,可以在彩色原创 2017-06-22 18:38:01 · 5126 阅读 · 0 评论 -
MATLAB学习笔记 学习总结归纳(第二周)
本次学习内容为第6章这周复习了上一周所学的内容,顽固加深理解以后,学习了第6章前半部分。MATLAB中的彩色图像的表示(图像格式)RGB图像所谓RGB图像,即为R(Red 红) G(Green绿) B(Blue蓝) 的灰度图(三个长宽一样的二维矩阵)组成的图像比如以下这段代码r = zeros(300, 300);g = zeros(300, 300);b = zeros(300, 300);原创 2017-06-22 19:09:53 · 3916 阅读 · 1 评论 -
MATLAB学习笔记 函数记录(二)
imhist(image, num) 归一化直方图image 表示要处理的图 num表示将灰度级分为平等的几份 返回的则是灰度范围在每份灰度级中的像素个数f = imread('temp.jpg');g = rgb2gray(f);h = imhist(g, 25);bar(horz, z, width) 绘制条形图horz 表示 水平增量,需要与z的行数相同。 z 表示要显示的条形图的数原创 2017-06-11 13:42:49 · 490 阅读 · 0 评论 -
机器学习-学习笔记 绪论(二)
习题习题1.1 上图中若只包含编号1和4的两个样例,试给出相应的版本空间版本空间(version space)是概念学习中与已知数据集一致的所有假设(hypothesis)的子集集合(色泽=青绿)∧(根蒂=∗)∧(敲声=∗) (色泽=∗)∧(根蒂=蜷缩)∧(敲声=∗) (色泽=∗)∧(根蒂=∗)∧(敲声=浊响) (色泽=青绿)∧(根蒂=蜷缩)∧(敲声=∗) (色泽=青绿)∧(根蒂=∗)∧(原创 2017-07-07 14:09:27 · 325 阅读 · 0 评论 -
机器学习-学习笔记 模型评估与选择
经验误差与过拟合了解错误率 ,精度 ,误差 ,训练误差(经验误差) ,泛化误差的概念 过拟合(过配)和欠拟合(欠配)过拟合就是过度拟合,即将样本自身的一些特点当做了样本的一般特性, 使得泛化能力降低,注意,过拟合无法避免。 欠拟合则与之相反。 模型选择时,选择泛化误差最小的, 但是我们无法直接获得泛化误差,而训练误差因为过拟合的存在而不适合作为判断标准。评估方法留出法将数据D划分为二个互斥的集原创 2017-07-07 15:54:24 · 483 阅读 · 0 评论 -
机器学习-学习笔记 绪论(一)
引言 学习经验(数据),产生模型,进行判断机器学习致力于研究如何通过计算的手段,利用经验来改善系统自身的性能。 数据集 - 示例(样本) - 属性 - 特征 - 属性空间(样本空间(输入空间))- 特征向量训练数据 - 训练集 - 训练样本预测 - 标记 - 样例 - 标记空间(输出空间)**分类 - 回归 - 二分类(正类、反类) - 多分类测试 - 测试样本(测试示例(测试例))聚类 - 簇监原创 2017-07-07 11:00:19 · 321 阅读 · 0 评论