- 博客(17)
- 收藏
- 关注
RSS订阅原创 机器学习笔记 第四章决策树
4.1 基本流程决策树基于”树“结构进行决策，每个“内部节点”对应于某个属性上的”测试“；每个分支对应于该测试的一种可能结果（即该属性的某个取值）；每个”叶结点“对应于一个”预测结果“。决策树基本流程可大致分为学习过程和预测过程。学习过程：通过对训练样本的分析来确定”划分属性“（即内部节点所对应的属性）。预测过程：将测试示例从根结点开始，沿着划分属性所构成的”判定测试序列“下行，直到叶结点。
2024-07-29 22:06:07
336
原创 机器学习笔记 第六章支持向量机
对这样的问题，可将样本从原始空间映射到一个更高维的特征空间，使得 样本在这个特征空间内线性可分。如图所示，若将原始的二维空间映射到一个合适的三维空间，就能找到一个合适的划分超平面。现实中很难确定合适的核函数，使训练样本在特征空间中线性可分即便貌似线性可分，也很难断定是否因过拟合造成的，引入软间隔，允许在一些样本上不满足约束。采用替代损失函数，是在解决问题时的常见技巧，求解替代函数得到的解是否仍是原问题的解，理论上称为替代损失的“一致性”问题。的问隔带，若 训练样本落入此间隔带，则认为是被预测正确的。
2024-07-29 21:43:51
546
原创 机器学习笔记 第七章贝叶斯分类器
基于有限训练样本直接估计联合概率，在计算上将会遭遇组合爆炸问题，在数据上将会遭遇样本稀疏问题，属性数越多，问题越严重。估计类条件概率的一种常用策略是先假定其具有某种确定的概率分布形 式，再基于训练样本对概率分布的参数进行估计。.对分类任务来说，在所有相关概率都己知的理想情形下，贝叶斯决策论考虑如何基于这些概率和误判损失来选择最优的类别标记。称为贝叶斯最优分类器，其总体风险称为贝叶斯风险，反映了分类器所能达到的最好性能，即通过机器学习所能产生的模型精度的理论上限。， 这样得到的是"生成式模型"，必须考虑。
2024-07-29 17:51:35
284
原创 机器学习笔记 第一章绪论
归纳偏好的作用在图1.3这个回归学习图示中可能更直观.这里的每个训 练样本是因中的一个点 (x，y)， 要学得一个与训练集一致的模型，相当于找到一 条穿过所有训练样本点的曲线.显然，对有限个样本点组成的训练集，存在着 很多条曲线与其一致.我们的学习算法必须有某种偏好，才能产出它认为"正确"的模型。从数据中学的模型的过程称为“学习”或“训练”，这个过程通过执行某个学习算法来完成，训练过程中使用的数据称为“训练数据”，其中每个样本称为一个“训练样本”，训练样本组成的集合称为“训练集”。表示第i个样例，其中。
2024-07-22 22:51:38
883
原创 机器学习笔记 第三章线性模型
线性判别分析（简称LDA）是一种经典的线性学习方法，LDA的思想非常朴素，给定训练样例集，设法将样例投影到一条直线上，设法将样例投影到一条直线上，使得同类样例的投影点尽可能接近、异类样例的投影点尽可能远离；“一对其余”（简称OvR）则是每次每次将一个类的样例作为正例、所有其他类的样例作为反例来 训练N个分类器，训练N个分类器，存储开销和测试时间小；作为正例的相对可能性，对几率取对数得到“对数几率”。以上式子实际上是用线性回归模型的预测结果去逼近真实标记的对数几率，因此，其对应的模型称为“对数几率回归”。
2024-07-22 22:33:49
885
原创 机器学习笔记 第二章模型估计与选择
为此，需使用一个“测试集”来测试学习器对新样本的判别能力，然后以测试集上的“测试误差”作为泛化误差的近似。当学习器把训练样本学得“太好”了的时候，很可能已经把训练样本自身的一些特点当作了所有潜在样本都会具有的一般性质，这样会导致泛化性能下降，这种现象在机器学习中称为“过拟合”。答案是否定的，因为测试性能不等于泛化性能，测试性能随着测试集的变化而变化，很多机器学习算法本身有一定的随机性。显然，泛化误差越小越好，但是，我们事先并不知道新样本，实际能做的是努力使经验误差最小化。泛化误差：在“未来”样本上的误差。
2024-07-22 14:29:03
1017
原创 数字图像处理学习笔记 第十章图像分割
复杂度更高的检测是线检测，对于线检测，可以预期二阶导数将导致更强的响应，并产生比一阶导更细的线，这样，我们可以使用拉普拉斯模板，二阶导数的双线效应必须做适当的处理。如上图所示，检测出了大多数的主要边缘（房屋的角落、入口、窗户、屋顶等），同时过滤掉了不重要的细节（砖块和瓦片屋顶的纹理），边缘检测结果由于LoG算子，如屋顶的纹理去除更干净；一般用一阶和二阶导数来检测边缘。边缘检测算子应该能被“调整”以便在任何期望的尺寸上起作用（大尺寸的算子可用于检测模糊边缘，小尺寸的算子可用于检测锐度集中的精细边缘。
2024-07-14 20:44:08
575
原创 数字图像处理学习笔记 第十二章目标识别
相关图像的最亮点在接近飓风眼的位置清晰可见，下图(d)将最大相关显示为一个白点（此时，存在一个最大值为1的唯一匹配），它与下图(a)中的飓风眼位置紧密对应。下图显示了模式向量生成的另一个例子，在该例子中，我们关注的是不同类型的噪声波形，其中一个样本如下图(a)。作为相关的一个例子，我们希望找到下图(b)中的模板在图(a)中最好匹配的位置，模板是暴风眼的一幅较小的（由机器完成的模式识别是对不同的模式赋予不同类别的技术，这种技术是自动的，并且尽可能地减少人的干预。识别三种鸢尾花的方法是测量花瓣的宽度和长度。
2024-07-14 10:59:04
790
原创 数字图像处理学习笔记 第十一章表示与描述
图像表示与描述是图像识别和理解的重要组成部分。图像表示分成边界表示（如链码、边界分段等）和区域表示（如四叉树、骨架等）两大类。边界表示关心的是图像中区域的形状特征，区域则表示倾向于反映区域的灰度、颜色、纹理等特征的特点。
2024-07-13 05:25:44
872
原创 数字图像处理学习笔记 第八章图像压缩
在变长码中，对出现概率大的信息符号赋予短码字，而对于出现概率小的信息符号赋予长码字。在数字图像压缩的内容中，b通常是以二维灰度值阵列表示一幅图像所需的比特数，二维灰度阵列受可被识别和利用的三种主类型的数据冗余的影响，即编码冗余、空间冗余和时间冗余、不相关的信息。因为多数二维灰度矩阵的像素是空间相关的，即每一个像素类似于或取决于像零像素，在相关像素的表示中，信息被没有必要地重复了。如图所示，图像压缩系统是由两个不同的功能部分组成的：一个编码器和一个解码器，编码器执行压缩操作，解码器执行解压缩的互不操作。
2024-07-07 06:07:31
728
原创 数字图像处理学习笔记 第九章形态学图像处理
我们一般所说的形态学是指生物学中研究动植物结构的一个分支，而本章所讨论的是数学形态学，也称图像代数，以形态为基础对图像进行处理（分析）的数学工具。形态学图像处理可以简化图像数据，去除图像中不重要的结构，仅保持图像的基本形状特性。形态学图像处理的基本思想就是使用具有一定形态的结构元素去度量和提取图像中的对应形状，以达到对图像进行处理和分析的目的。本章我将介绍形态学图像处理所用到的数学基础——集合论，以及其4个基本运算，即膨胀、腐蚀、开启和闭合。
2024-07-04 07:00:56
577
原创 数字图像处理学习笔记 第四章频率域滤波
对应于空间域滤波的平滑处理，如均值滤波器。图像变换技术——为了有效和快速地对图像进行处理，常常需要将原定义在空域地图像以某种形式转换到另外一些空间，并利用在这些空间的特有性质进行一定的处理，最后再转换回空域以得到所需的效果。结论：GHPF的结果比BHBF和IHPF的结果更平滑，即使是对微小物体和细线条的滤波也是较清晰的。印刷和出版社：从一幅尖锐的原始图像产生平滑、柔和的外观，如人脸，减少皮肤细纹的锐化程度和小斑点。当从变换的原点移开时，低频成分对应图像中灰度慢变化的分量（例如，图像的平滑部分）
2024-07-01 12:21:54
1021
原创 数字图像处理学习笔记 第五章图像复原与重建
图像退化，是指图像在形成、存储、处理和传输过程中，由于成像系统、存储设备、处理方法和传输介质的不完善，从而导致的图像质量下滑。图像复原也称图像恢复，指的是对退化的图像进行处理，试图恢复降质的图像，还原真面目。噪声是图像中不希望有（或不需要）的部分，是最常见的退化因素之一；对信号来说，噪声是一种外部干扰（但噪声本身也是一种信号，携带了噪声源的信息）。数字图像的噪声主要来源于图像的获取和传输过程。获取图像的数字化过程，如图像传感器的质量和环境条件；
2024-07-01 04:28:50
618
原创 数字图像处理学习笔记 第三章灰度转换与空间滤波
1.空域的概念在图像处理中，空域是指由像素组成的空间。图像的空域增强技术是指直接作用于图像像素的增强技术.2.空域增强的模型其中：f(x,y)为原始图像，g(x,y)为增强后的图像，为增强操作。空间增强的目的就是增强图像的质量（视觉效果），或将图像转换成更适合于人和机器进行分析的形式。3.空间增强技术的分类（1）基于像素的空域增强。仅定义在每个像素(x,y)上。分为两种操作：其一为像素点操作，表达式为，该操作改变当前像素的灰度，输入为当前像素的灰度，或者当前像素的位置；
2024-06-23 12:31:43
551
原创 数字图像处理学习笔记 第二章数字图像基础
（1）像素的邻接和连接。两个像素是否邻接，仅考虑像素间的空间关系，即两个像素在空间上若相互接触，则它们为邻接的。两个像素是否连接，需要满足两个条件：首先，这两个像素在空间上是否邻接；其次，它们的灰度值是否满足某个特定的相似准则（例如：同在一个灰度值集合中取值）。像素集合的邻接，即对两个图像子集S和T来说，如果S中的一个或一些像素与T中的一个或一些像素邻接，则称S和T邻接。像素的连接可以分为像素间的4-连接和8-连接。设用V表示定义连接的灰度值集合，4-连接就是2个像素p和r在V中取值，且r在。
2024-06-23 12:26:50
425
原创 数字图像处理学习笔记 第一章绪论
1.图像照片、图片、景物、文字等等能够转化为视觉信息的东西。2.连续图像一般情况下，我们感兴趣的多数图像都是由“照射源”和生成图像的“场景元素”对光能的反射或吸收而产生的，是连续的模拟图像，其幅值与坐标都是连续的。3.数字图像将一个二维的连续图像通过有限个离散点来表示就成为了数字图像，此过程即为数字图像的采集。其中的每个点称为图像元素，即像素4.图像采集成像系统所产生的图像是由一些列的模拟信号所组成的，这些模拟信号的幅值与空间坐标都是连续的。
2024-06-23 11:12:34
674
1
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人