机器学习
文章平均质量分 92
m0_37692953
这个作者很懒,什么都没留下…
展开
-
sklearn.svm.SVC 参数说明
经常用到sklearn中的SVC函数,这里把文档中的参数翻译了一些,以备不时之需。本身这个函数也是基于libsvm实现的,所以在参数设置上有很多相似的地方。(PS: libsvm中的二次规划问题的解决算法是SMO)。sklearn.svm.SVC(C=1.0, kernel='rbf', degree=3, gamma='auto', coef0=0.0, shrinking=True, prob...转载 2018-04-08 09:33:37 · 136 阅读 · 0 评论 -
图像处理之特征提取(一)之HOG特征简单梳理
图像处理之特征提取(一)之HOG特征简单梳理2017年06月03日 10:08:55阅读数:12308图像处理之特征提取:HOG特征简单梳理 HOG 方向梯度直方图,这里分解为方向梯度与直方图。一、方向梯度梯度:在向量微积分中,标量场的梯度是一个向量场。标量场中某一点上的梯度指向标量场增长最快的方向,梯度的长度是这个最大的变化率。更严格的说,从欧几里得空间Rn到R的函数的梯度是在Rn某一点最佳的...转载 2018-06-06 08:50:59 · 230 阅读 · 0 评论 -
图像特征提取之(一)HOG特征
图像特征提取之(一)HOG特征1、HOG特征: 方向梯度直方图(Histogram of Oriented Gradient, HOG)特征是一种在计算机视觉和图像处理中用来进行物体检测的特征描述子。它通过计算和统计图像局部区域的梯度方向直方图来构成特征。Hog特征结合SVM分类器已经被广泛应用于图像识别中,尤其在行人检测中获得了极大的成功。需要提醒的是,HOG+SVM进行行人检测的方...转载 2018-06-06 08:56:40 · 438 阅读 · 0 评论 -
详解特征归一化
详解特征归一化2017年02月20日 20:50:15阅读数:2938介绍机器学习中,提取某个样本特征的过程,叫特征工程。 同一个样本,可能具备不同类型的特征,各特征的数值大小范围不一致。所谓特征归一化,就是将不同类型的特征数值大小变为一致的过程。举例:假设有4个样本及他们的特征如下样本特征1特征21100012216020431200864131318可见归一化前,特征1和特征2的大小不是一个数...转载 2018-07-02 14:33:11 · 484 阅读 · 0 评论 -
最优化理论与凸优化到底是干嘛的?
最优化理论与凸优化到底是干嘛的?2017年12月15日 20:47:53阅读数:6205凸优化的定义 1.1 凸优化 1.2 全局最优化与局部最优化Least-squares and linear programming(最小二乘与线性规划) 2.1 最小二乘 2.2 线性规划最优化方法的一般结构优化理论在机器学习,深度学习中扮演的角色1.优化的定义1.1 凸优化最优化问题目前在机器学习,数据挖掘...转载 2018-07-11 08:31:56 · 854 阅读 · 0 评论 -
80行Python实现-HOG梯度特征提取
80行Python实现-HOG梯度特征提取2017年05月02日 12:42:58阅读数:9954本文用80行代码的Python实现了HOG算法,代码在Github Hog-feature,虽然OpenCV有实现好的Hog描述器算法,但是本文目的是完全理解HOG特征提取的具体方法和实现原理,以及检验相关参数对实验结果的影响,提升检测到的特征的性能以及优化代码的运行速度。此文由作者和...转载 2018-08-02 09:42:28 · 951 阅读 · 0 评论 -
HOG 特征的提取--基于scikit-image
HOG 特征的提取--基于scikit-image2017年04月12日 16:40:04阅读数:4590简书首页简介HOG 特征, histogram of oriented gradient, 梯度方向直方图特征, 作为提取基于梯度的特征, HOG 采用了统计的方式(直方图)进行提取. 其基本思路是将图像局部的梯度统计特征拼接起来作为总特征. 局部特征在这里指的是将图像划...转载 2018-08-02 09:51:07 · 456 阅读 · 0 评论 -
运动历史图(MHI)——Motion History Image
运动历史图(MHI)——Motion History Image2015年06月15日 16:46:52阅读数:4706MHI最初是由Bobick 和 Davis提出的,在此之前,Bobick 和 Davis 首先提出了二值的运动能量图(Motion Energy Image,MEI),通过描述物体如何移动和运动在空间中发生的位置,来进行基于运动的物体识别。运动能量图显示了运动的轮廓和...转载 2018-08-11 12:38:54 · 5640 阅读 · 1 评论 -
目标检测的图像特征提取之(二)LBP特征
目标检测的图像特征提取之(二)LBP特征LBP(Local Binary Pattern,局部二值模式)是一种用来描述图像局部纹理特征的算子;它具有旋转不变性和灰度不变性等显著的优点。它是首先由T. Ojala, M.Pietikäinen,和 D. Harwood 在1994年提出,用于纹理特征提取。而且,提取的特征是图像的局部的纹理特征; 1、LBP特征的描述 原始...转载 2018-08-13 18:39:13 · 1049 阅读 · 0 评论 -
图像特征提取三大法宝:HOG特征、LBP特征、Haar-like特征
图像特征提取三大法宝:HOG特征、LBP特征、Haar-like特征2016年10月07日 12:19:33阅读数:25810(一)HOG特征1、HOG特征:方向梯度直方图(Histogram of Oriented Gradient, HOG)特征是一种在计算机视觉和图像处理中用来进行物体检测的特征描述子。它通过计算和统计图像局部区域的梯度方向直方图来构成特征。Hog特征结合...转载 2018-08-19 17:00:52 · 942 阅读 · 0 评论 -
图像的“膨胀”与“腐蚀”
图像的“膨胀”与“腐蚀”2016年05月09日 16:57:00阅读数:9409原文请参考 http://blog.csdn.net/poem_qianmo/article/details/23710721//--------------------------------------------------------膨胀其实,膨胀就是求局部最大值的操作。按数学方面来...转载 2018-08-21 18:57:50 · 408 阅读 · 0 评论 -
称霸Kaggle的十大深度学习技巧
称霸Kaggle的十大深度学习技巧关注前沿科技 AI时间 今天点击上方“AI时间”,关注并设为星标加入人工智能技术社区! 源 /量子位 文 /Samuel Lynn-Evans在各种Kaggle竞赛的排行榜上,都有不少刚刚进入深度学习领域的程序员,其中大部分有一个共同点:都上过Fast.ai的课程。这些免费、重实战的课程非常鼓励学生去参加Kaggle竞赛,检验自...转载 2018-08-21 20:52:25 · 305 阅读 · 1 评论 -
从拉普拉斯矩阵说到谱聚类
从拉普拉斯矩阵说到谱聚类 0 引言 11月1日上午,机器学习班 第7次课,邹讲聚类(PPT),其中的谱聚类引起了自己的兴趣,邹从最基本的概念:单位向量、两个向量的正交、方阵的特征值和特征向量,讲到相似度图、拉普拉斯矩阵,最后讲谱聚类的目标函数和其算法流程。 课后自己又琢磨了番谱聚类跟拉普拉斯矩阵,打算写篇博客记录学习心得, 若有不足或建议,欢迎随时不吝指出,thanks...转载 2018-10-05 15:09:01 · 161 阅读 · 0 评论 -
傅里叶分析之掐死教程(完整版)更新于2014.06.06
傅里叶分析之掐死教程(完整版)更新于2014.06.06Heinrich · 4 个月前 作 者:韩 昊知 乎:Heinrich微 博:@花生油工人知乎专栏:与时间无关的故事谨以此文献给大连海事大学的吴楠老师,柳晓鸣老师,王新年老师以及张晶泊老师。转载的同学请保留上面这句...转载 2018-12-13 16:04:58 · 199 阅读 · 0 评论 -
矩阵的 Frobenius 范数及其求偏导法则
矩阵的 Frobenius 范数及其求偏导法则2015年06月06日 22:53:58阅读数:14391矩阵的迹求导法则 1. 复杂矩阵问题求导方法:可以从小到大,从scalar到vector再到matrix 2. x is a column vector, A is a matrixd(A∗x)/dx=Ad(A∗x)/dx=A d(xT∗A)/dxT=Ad(xT∗A)/dxT=A d(x...转载 2018-05-30 11:02:46 · 748 阅读 · 0 评论 -
图像特征提取
图像特征提取2017年01月03日 16:38:12阅读数:45035从本节开始, 我们将逐步从数字图像处理向图像识别过渡。 严格地说, 图像特征提取属于图像分析的范畴, 是数字图像处理的高级阶段, 同时也是图像识别的开始。本文主要包括以下内容常用的基本统计特征, 如周长、面积、均值等区域描绘子, 以及直方图和灰度共现矩阵等纹理描绘子主成份分析(PCA, PrincipaJ Component A...转载 2018-06-05 15:21:29 · 1099 阅读 · 0 评论 -
矩阵L2,1范数及矩阵L2,p范数的求导
矩阵L2,1范数及矩阵L2,p范数的求导2018年03月24日 15:18:06阅读数:446常见的矩阵范数有L1,L2,∞∞范数,F范数和引申出的L2,1范数。而在机器学习的特征选择中,利用选择矩阵的范数对选择矩阵进行约束,即是正则化技术,是一种稀疏学习。L0L0,L1L1向量范数L0L0 范数L0L0 范数是指向量vv中的非0的个数,是一种度量向量稀疏性的表示方法。例如:v=[0,1,1,0,...转载 2018-05-29 16:27:37 · 16115 阅读 · 2 评论 -
特征处理(Feature Processing)
特征处理(Feature Processing)Nov 15, 2014特征工程(Feature Engineering)经常被说为机器学习中的black art,这里面包含了很多不可言说的方面。怎么处理好特征,最重要的当然还是对要解决问题的了解。但是,它其实也有很多科学的地方。这篇文章我之所以命名为特征处理(Feature Processing),是因为这里面要介绍的东西只是特征工程中的一小部分...转载 2018-04-11 16:12:53 · 146 阅读 · 0 评论 -
Python中如何使用支持向量机(SVM)算法
Python中如何使用支持向量机(SVM)算法转载 2017年05月07日 15:57:131223 (简单介绍一下支持向量机,详细介绍尤其是算法过程可以查阅其他资) 在机器学习领域,支持向量机SVM(Support Vector Machine)是一个有监督的学习模型,通常用来进行模式识别、分类(异常值检测)以及回归分析。 其具有以下特征: (1)SVM可以表示为凸优化问题,因此...转载 2018-03-29 16:32:00 · 494 阅读 · 0 评论 -
SVM 基本概念及Python实现方式
SVM 基本概念及Python实现方式原创 2016年11月16日 09:55:18标签:SVM /支持向量机 /机器学习 /python /分类器4440SVM(support vector machine)支持向量机:注意:本文不准备提到数学证明的过程,一是因为有一篇非常好的文章解释的非常好:http://blog.csdn.net/v_july_v/article/details/76248...转载 2018-03-29 16:33:21 · 292 阅读 · 0 评论 -
特征选择
特征选择 作者 jacksu在简书 关注2017.08.09 00:18 字数 1252 阅读 255评论 1喜欢 2一个基本的数据挖掘场景如下:数据挖掘.jpg从上面的数据挖掘场景可知,当数据预处理完成后,我们需要选择有意义的特征,输入机器学习的算法模型进行训练。通常来说,从两个方面考虑来选择特征:特征是否发散:如果一个特征不发散,例如方差接近于0,也就是说样本在这个特征上基本上没有差异,这个...转载 2018-04-19 10:41:20 · 227 阅读 · 0 评论 -
神经网络浅讲:从神经元到深度学习
神经网络是一门重要的机器学习技术。它是目前最为火热的研究方向--深度学习的基础。学习神经网络不仅可以让你掌握一门强大的机器学习方法,同时也可以更好地帮助你理解深度学习技术。 本文以一种简单的,循序的方式讲解神经网络。适合对神经网络了解不多的同学。本文对阅读没有一定的前提要求,但是懂一些机器学习基础会更好地帮助理解本文。 神经网络是一种模拟人脑的神经网络以期能够实现类人工智能的机器学习技术。人脑...转载 2018-05-18 15:03:58 · 203 阅读 · 0 评论 -
机器学习算法原理与实践(五)、GMM与K-means的那些事
机器学习算法原理与实践(五)、GMM与K-means的那些事2015年07月25日 17:05:01阅读数:10892GMM算法GMM 与 K-meansGMM 模型GMM 聚类参数与似然函数算法流程Matlab 实现Python版本代码GMM与K-means对比关于GMM算法中奇异矩阵的问题【原创】Liu_LongPo 转载请注明出处【CSDN】http://blog.csdn.net/llp1...转载 2018-05-12 20:35:06 · 492 阅读 · 0 评论 -
从朴素贝叶斯分类器到贝叶斯网络(上)
从朴素贝叶斯分类器到贝叶斯网络(上)2015年12月31日 16:56:03阅读数:13328一、贝叶斯公式(一些必备的数学基础) 贝叶斯(Thomas Bayes)是生活在十八世纪的一名英国牧师和数学家。因为历史久远,加之他没有太多的著述留存,今天的人们对贝叶斯的研究所知甚少。唯一知道的是,他提出了概率论中的贝叶斯公式。但从他曾经当选英国皇家科学学会会员(类似于院士)来看,他的研究工...转载 2018-05-22 13:58:31 · 636 阅读 · 0 评论 -
从朴素贝叶斯分类器到贝叶斯网络(下)
从朴素贝叶斯分类器到贝叶斯网络(下)2016年01月04日 00:49:20阅读数:11673书接上文 :从朴素贝叶斯分类器到贝叶斯网络(上)三、贝叶斯网络贝叶斯网络(Bayesian Network)是一种用于表示变量间依赖关系的数据结构,有时它又被称为信念网络(Belief Network)或概率网络(Probability Network)。在统计学习领域,概率图模型(PGM,Probabi...转载 2018-05-22 14:42:34 · 574 阅读 · 0 评论 -
机器学习中的隐马尔科夫模型(HMM)详解
机器学习中的隐马尔科夫模型(HMM)详解2016年05月01日 16:03:46阅读数:44517前导性推荐阅读资料:从朴素贝叶斯分类器到贝叶斯网络(上)从朴素贝叶斯分类器到贝叶斯网络(下)欢迎关注白马负金羁的博客 http://blog.csdn.net/baimafujinji,为保证公式、图表得以正确显示,强烈建议你从该地址上查看原版博文。本博客主要关注方向包括:数字图像处理、算法设计与分析...转载 2018-05-22 15:33:01 · 395 阅读 · 0 评论 -
简单易学的机器学习算法——AdaBoost
简单易学的机器学习算法——AdaBoost2015年06月16日 22:04:56阅读数:24209一、集成方法(Ensemble Method) 集成方法主要包括Bagging和Boosting两种方法,随机森林算法是基于Bagging思想的机器学习算法,在Bagging方法中,主要通过对训练数据集进行随机采样,以重新组合成不同的数据集,利用弱学习算法对不同的新数据集进行学习,得到一系列的...转载 2018-05-23 15:07:48 · 164 阅读 · 0 评论 -
跨模态搜索(cross-modal/media retrieval)
跨模态搜索(cross-modal/media retrieval)2017年05月26日 21:24:19阅读数:43291、实验基本信息 跨模态搜索研究的基本内容是寻找不同模态样本之间的关系,实现利用某一种模态样本,搜索近似语义的其他模态样本。本文实现了论文《Joint Feature Selection and Subspace Learning for Cross-Modal...转载 2018-06-05 09:34:24 · 2527 阅读 · 0 评论 -
联合的特征选:Joint Feature Selection and Subspace Learning
联合的特征选:Joint Feature Selection and Subspace Learning已有 1885 次阅读 2016-1-11 04:27 |个人分类:RED|系统分类:论文交流微信公众号 readpami求扫描,求关注,求打赏Joint Feature Selection and Subspace Learning for Cross-modal RetrievalWang,...转载 2018-06-05 09:35:20 · 1274 阅读 · 1 评论 -
阅读笔记 CCL: Cross-modal Correlation Learning with Multi-grained Fusion by Hierarchical Network 总结
阅读笔记 CCL: Cross-modal Correlation Learning with Multi-grained Fusion by Hierarchical Network总结CCL: Cross-modal Correlation Learning with Multi-grained Fusion by Hierarchical NetworkYuxin Peng, Jinwei ...转载 2018-06-05 09:36:26 · 1843 阅读 · 1 评论 -
傅里叶变换和傅里叶级数的区别与联系(后续更新补充DTFT、DFS)
傅里叶变换和傅里叶级数的区别与联系(后续更新补充DTFT、DFS)2017年08月05日 21:43:12 yangyuwen_yang 阅读数:13535 标签: 傅里叶变换傅里叶级数信号与系统数字信号处理 更多个人分类: 数字信号处理版权声明:本文为博主原创文章,未经博主允许不得转载。 https://blog.csdn.net/yangyuwen_yang/article/det...转载 2018-12-13 16:06:13 · 4800 阅读 · 0 评论