机器学习
阿杜依诺
这个作者很懒,什么都没留下…
展开
-
机器学习知识点
1. KNN 不适合用来对特征分布进行分析。2. 强化学习中的MDP模型:环境状态的集合;动作的集合;在状态之间转换的规则;规定转换后“即时奖励”的规则;描述主体能够观察到什么的规则。3.OTSU推到https://www.cnblogs.com/ranjiewen/p/6385564.html4.绘制曲线plt.plot(hist.history['loss'])plt.pl...原创 2018-08-31 19:25:31 · 162 阅读 · 0 评论 -
处理数据不平衡
1.海康威视“类别重组”:首先按照类别顺序对原始样本进行排序,之后计算每个类别的样本数量,并记录样本最多的那个类别的样本数量。之后根据这个最多样本数对没类样本产生一个随机排列列表,然后用此列表中的随机数对个自类别的样本数取余,得到对应的索引值。根据索引从该类的图像中提取图像,生成该类的图像随机列表。把索引类别的随机表连接在一起随机打乱顺序,即可得到最终图像列表。根据此列表训练模型,放训练列表遍...原创 2018-09-16 22:53:40 · 289 阅读 · 0 评论 -
LBP理解
1.OLBP:olbp即原始的LBP,就是比较(X,Y)周围的8个点,大于等于它就置为1,小于它就置为0,然后编码,再把这个编码后的值赋给该点。void LBP(Mat src, Mat &dst){ for (int i = 1; i < src.rows-1; ++i) { for (int j = 1; j < src.cols - 1; ++j) ...原创 2018-09-24 21:14:59 · 1645 阅读 · 0 评论 -
机器学习常见算法
1.朴素贝叶斯:在使用时,有一个前提假设:各特征独立。在用贝叶斯公式之前,最好先看下全概率公式。用c表示类别,f表示特征。则贝叶斯课表示为: 在计算时,记得要拉普拉斯平滑,具体公式看西瓜书。还可以看看数据挖掘领域十大经典算法之—朴素贝叶斯算法和机器学习之朴素贝叶斯(NB)分类算法与Python实现。OpenCV下的NormalBayesClassifier(...原创 2018-09-26 16:38:35 · 198 阅读 · 0 评论 -
家禽检测
1.分割家禽:将家禽从当前的背景下分割出来,一般有复杂背景和简单背景,先从简单背景说起。通过颜色空间的对比,Lab对家禽分割比较友好。分割的方法有很多,如可以直接在YCrCb颜色空间下进行分割,本次主要说明Lab+Kmeans的方式。在拿到数据后,要先对数据进行预处理。当前主要是图像增强(具体方式参见之前的图像增强),经过比对,直方图均衡对分割前的效果比较好,选取直方图均衡进行亮度均衡。然...原创 2018-09-27 11:07:53 · 630 阅读 · 0 评论