模式识别
文章平均质量分 78
CFZero
这个作者很懒,什么都没留下…
展开
-
利用Hog特征和SVM分类器进行行人检测
之前介绍过Hog特征(http://blog.csdn.net/carson2005/article/details/7782726),也介绍过SVM分类器(http://blog.csdn.net/carson2005/article/details/6453502 );而本文的目的在于介绍利用Hog特征和SVM分类器来进行行人检测。 在2005年CVPR上,来自法国的研究转载 2014-05-06 16:15:56 · 875 阅读 · 0 评论 -
cvSVM及trainSVM参数
CvSVM 支持矢量机 class CvSVM : public CvStatModel //继承自基类CvStatModel { public: // SVM type enum { C_SVC=100, NU_SVC=101, ONE_CLASS=102, EPS_SVR=103, NU_SVR=104 };//SVC是SVM分类器,S转载 2014-05-07 10:08:23 · 651 阅读 · 0 评论 -
HOG:用于人体检测的梯度方向直方图 Histograms of Oriented Gradients for Human Detection
用于人体检测的方向梯度直方图 Navneet Dalal,Bill Triggs 摘要 我们研究了视觉目标检测的特征集问题,并用线性SVM方法进行人体检测来测试,通过与当前的基于边缘和梯度的描述子进行实验对比,得出方向梯度直方图(Histograms of Oriented Gradient,HOG)描述子在行人检测方面表现更加突出。我们研究了计算过转载 2014-05-07 10:51:12 · 1215 阅读 · 0 评论 -
svm中的数学和算法详解
支持向量机(Support Vector Machine)是Cortes和Vapnik于1995年首先提出的,它在解决小样本、非线性及高维模式识别中表现出许多特有的优势,并能够推广应用到函数拟合等其他机器学习问题中。 一、数学部分 1.1二维空间 支持向量机的典型应用是分类,用于解决这样的问题:有一些事物是可以被分类的,但是具体怎么分类的我们又说不清楚,比如说下图中三角的就是C1转载 2014-06-05 10:09:39 · 874 阅读 · 0 评论 -
拉格朗日乘子法和KKT条件
拉格朗日乘子法和KKT条件 拉格朗日乘子法(Lagrange Multiplier)和KKT(Karush-Kuhn-Tucker)条件是求解约束优化问题的重要方法,在有等式约束时使用拉格朗日乘子法,在有不等约束时使用KKT条件。前提是:只有当目标函数为凸函数时,使用这两种方法才保证求得的是最优解。 对于无约束最优化问题,有很多经典的求解方法,参见无约束最优化方法。 拉格朗日转载 2014-06-05 10:30:28 · 597 阅读 · 0 评论 -
几种常见模式识别算法整理和总结
这学期选了门模式识别的课。发现最常见的一种情况就是,书上写的老师ppt上写的都看不懂,然后绕了一大圈去自己查资料理解,回头看看发现,Ah-ha,原来本质的原理那么简单,自己一开始只不过被那些看似formidable的细节吓到了。所以在这里把自己所学的一些点记录下来,供备忘,也供参考。 1. K-Nearest Neighbor K-NN可以说是一种最直接的用来分类未转载 2015-04-17 15:31:05 · 993 阅读 · 0 评论