![](https://img-blog.csdnimg.cn/20201014180756927.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
个人总结
文章平均质量分 58
lvsolo
1921-1982
展开
-
【优化】关于一阶梯度下降和二阶牛顿法的推导
梯度下降和二阶牛顿法的直观推导优化的目的梯度下降算法牛顿法实验验证(TODO)优化的目的假设有loss=f(x)loss=f(x)loss=f(x),我们通过每次迭代x′=x+δxx'=x+\delta xx′=x+δx来使得f(x′)<f(x)f(x') < f(x)f(x′)<f(x),这是我们优化的终极目的。泰勒分解:f(x′)=f(x+δx)=f(x)+f′(x)δ...原创 2019-12-27 12:16:14 · 2013 阅读 · 2 评论 -
[opencv][python][scikit-learn]att_faces数据人脸识别
数据整理:用Python的os模块进行遍历文件夹,用string.encode("utf-8")解决编码不能写入的问题用Python的csv模块写入csv文件 #!/usr/bin python2.7# coding=utf-8import os.pathimport csvwith open('/home/lvsolo/下载/att_faces/list.csv', 'a+')原创 2017-10-17 23:25:31 · 744 阅读 · 0 评论 -
【opencv】opencv编译生成sln的方法
在opencv2.4版本中,在source目录下直接运行cmake . CMakeLists.txt即可; 在后来的opencv3.3.0版本中,直接运行提示 FATAL: In-source builds are not allowed. You should create separate directory for build files.需要在source文件夹原创 2017-10-09 17:44:03 · 2278 阅读 · 0 评论 -
【UFLDL】稀疏自编码网络
学习中关注的重点:算法方面 1、梯度反向传播公式的推导2、网络总体代价函数的构成;识别偏差loss(对所有patch的平均偏差值)+模型参数复杂度(系数W的平方和均值)+稀疏化代价(平均隐藏层激活度与设定激活度的相对熵)编程方面:用矢量化编程代替for循环,用矩阵运算代替向量运算稀疏自编码网络,顾名思义:稀疏指的是隐藏层神经元的平均激活度较低(0.01),自编码指的是输出与输入的结果尽原创 2017-10-26 23:57:52 · 716 阅读 · 0 评论 -
【UFLDL】PCA+白化
白化 白化的目的就是降低输入的冗余性;更正式的说,我们希望通过白化过程使得学习算法的输入具有如下性质:(i)特征之间相关性较低;(ii)所有特征具有相同的方差。 白化的目的是使得数据的协方差矩阵变为单位矩阵,同时,对数据进行旋转变换并不会改变单位矩阵的值,因此可以对白化后的数据进行旋转,得到的数据协方差仍为单位阵。这就引出了两种数据处理的方法:1、PCA+白化:降维+协方差矩阵归一化去除数原创 2017-11-01 15:32:52 · 451 阅读 · 0 评论 -
【UFLDL】softmax+logistics
如果你在开发一个音乐分类的应用,需要对k种类型的音乐进行识别,那么是选择使用 softmax 分类器呢,还是使用 logistic 回归算法建立 k 个独立的二元分类器呢? 这一选择取决于你的类别之间是否互斥,例如,如果你有四个类别的音乐,分别为:古典音乐、乡村音乐、摇滚乐和爵士乐,那么你可以假设每个训练样本只会被打上一个标签(即:一首歌只能属于这四种音乐类型的其中一种),此时你应该使用类别数 k原创 2017-11-15 20:45:04 · 218 阅读 · 0 评论 -
opencv中cascade级联分类器在检测任务中的训练使用
检测任务 主要参考了几篇文献博客: http://blog.csdn.net/xidianzhimeng/article/details/10470839 https://docs.opencv.org/3.3.1/dc/d88/tutorial_traincascade.html http://blog.csdn.net/liulina603/article/details/859868原创 2018-01-23 17:49:50 · 558 阅读 · 0 评论 -
相似性度量手段挖坑
参考知乎: https://www.zhihu.com/question/34554321在几乎所有的算法的决策环节,都需要有一定的相似性度量手段(聚类、分类、检测、人脸识别),换句话说,我们需要比较两种结果之间的相似性,再进一步,与好相似性高的就认为是比较好,与差相似性高的就认为是比较差,相似性度量的决策实际上基于近朱者赤近墨者黑这一理论。 常见的相似性度量方法有: 1、距离:L1曼哈原创 2018-01-24 19:16:02 · 286 阅读 · 0 评论 -
【图像处理】特征描述子
角点: Hessian矩阵: Harris:http://blog.csdn.net/hujingshuang/article/details/46829627 DoG算子:区别于LoG,Difference of Gaussian,选择不同的gaussian滤波参数(一般是不同的方差δ)对一幅图像进行滤波后将结果相减;注意不是一幅图像中的相邻位置像素差分而是相当于两幅图像的对应位置相减;用D原创 2017-09-05 14:19:13 · 8161 阅读 · 0 评论 -
「算法」数学和位运算
single numberQuestion lintcode: (82) Single NumberGiven 2*n + 1 numbers, every numbers occurs twice except one, find it.ExampleGiven [1,2,2,1,3,4,3], return 4ChallengeOne-pass, constant extra spac原创 2017-06-05 00:43:58 · 799 阅读 · 0 评论 -
[计算机视觉]2015.9.30Histogram Equalization with opencv
*********1.Histogram equalization************(1)直方图均衡化的目的:经过转换i->c(i)使成绩为75分(a%)的学生成绩优于3/4(a%)的学生;根据定义可得到的式子,对于全灰度区间的均衡化来说c(i)/I=sum{n=0:i}(h(n))/N;其中I为像素灰度值的最大值,N为图像中像素的总数,右边sum{n=0:i}(h(n)原创 2015-09-30 21:50:35 · 660 阅读 · 0 评论 -
[R语言]R包的安装&帮助获取
在R语言中,包含的包中有各种应用函数1.library(package_name)//载入包,对于base包可省略 2.library(help=”package_name”)//显示包的帮助,包括包的版本和包中函数 3.help(name)//help文档;尤其的,help(name)可以用来进一步学习数据包/函数包中的属性内容、 help.start()//启动html文档 4.回归分析原创 2015-12-01 23:56:49 · 9221 阅读 · 0 评论 -
learn python the hardest way
1.variable1,variable2...=value1,value2...2.if condition1: action1elif condition2: action2else: #default_condition: default_action3.while condition:4.from os.path import existsfrom sy原创 2016-03-09 13:54:32 · 621 阅读 · 0 评论 -
机器学习实战(五)——基于单层决策树(dicision-stump)的adaBoosting
一、元算法元算法(meta-algorithm)是一类将多个分类器分类结果进行整合的算法,元算法一般包括一下几种:bagging(boostrap aggregating),random-forest,jackknife,boosting 遇到罕见病例时,医院会组织专家团进行临床会诊共同分析病例以判定结果。如同专家团临床会诊一样,重大决定汇总多个人的意见往往胜过一个人的决定。机器学习中也吸取了‘三转载 2016-04-01 16:24:06 · 5585 阅读 · 0 评论 -
机器学习实战(三)——NaiveBayes朴素贝叶斯算法邮件分类
朴素贝叶斯分类的原理是条件概率的计算: 在已知先验概率的条件下,计算后验概率,后验概率即是在当前数据条件下属于分类1或者分类2 的概率,取概率较大的一个为输出。 贝叶斯准则很熟悉了,不解释了,但在这个算法中引入了一个很重要的思想:将文本等数据对象转化为向量格式进行计算。 其中包含了:1、正则表达式的运用,python中re库的运用 2、留存交叉验证:将样本一部分用作训练,一部分用作测试,当将原创 2016-03-22 22:46:44 · 2705 阅读 · 0 评论 -
机器学习实战(四)——logisticRegression逻辑回归
学习了机器学习实战第五章 这一章用到了最优化方法中的梯度上升法,简单说,梯度上升法基于函数的单调性,我们如果想求得函数的极值,就可以让自变量根据梯度的方向进行变化,这样根据函数的单调性可以保证变化的方向正确而且可以保证效率最高,因为梯度指示的方向相当于山脊的方向,沿梯度方向函数变化是最快的。 以本算法为例,目标函数是error=classLabel−herror=classLabel-h 要求原创 2016-03-23 20:19:44 · 2461 阅读 · 0 评论 -
【算法】字符串
字符串匹配KMP算法:线性复杂度的字符串匹配算法关于KMP算法,先从最初的字符串匹配说起;#leetcode28. Implement strStr() QuestionEditorial Solution My SubmissionsReturns the index of the first occurrence of needle in haystack, or -1 if need原创 2016-11-02 16:21:40 · 476 阅读 · 0 评论 -
关于opencv中RotatedRect的角度疑问
如图,四个长方形,rect.angle分别为0,20,140,260;四个顶点0~4处画圆,半径依次增大; 直线为中心点center到(center.x+1000*cos(rect.angle),center.y+1000*sin(rect.angle))的直线. 由图可见几点: 1.rect.angle从x轴正向开始,逆时针为正; 2.四个顶点依次顺时针排列,rect.angle为0原创 2017-03-15 09:28:47 · 2559 阅读 · 0 评论