CV/PR
mingo_敏
这个作者很懒,什么都没留下…
展开
-
林达华:Computer Vision的尴尬
作者:林达华,个人主页:www.dahua.me来源:https://dahuasky.wordpress.com/2008/09/13/computer-vision%E7%9A%84%E5%B0%B4%E5%B0%AC/转载 2015-10-12 19:06:27 · 1462 阅读 · 0 评论 -
模式识别 学习笔记:第六章 其他分类方法 (持续更新中。。。)
本系列博客主要是在学习《模式识别(张学工著 第三版)》时的一些笔记。 本文地址:http://blog.csdn.net/shanglianlm/article/details/495588531 简介近邻法直接根据训练样本对新样本分类; 决策树和随机森林可以应用于非数量特征,并把特征选择与分布决策结合起来; 回归则是把分类问题转化为对概率的回归估计问题; boosting通过将多个分类器原创 2015-11-02 16:40:57 · 3689 阅读 · 0 评论 -
模式识别 学习笔记:第四章 线性分类器 (持续更新中。。。)
本系列博客主要是在学习《模式识别(张学工著 第三版)》时的一些笔记。 本文地址:http://blog.csdn.net/shanglianlm/article/details/496213491 引言基于样本直接设计分类器需要三个基本要素: 1. 分类器即判别函数的类型,也就是从什么样的判别函数类中去求解; 2. 分类器设计的目标或准则,确定函数类中的某些待定参数; 3. 如何设计算法利原创 2015-11-03 20:23:48 · 3357 阅读 · 0 评论 -
模式识别 学习笔记:第九章 非监督模式识别
本系列博客主要是在学习《模式识别(张学工著 第三版)》时的一些笔记。 本文地址:http://blog.csdn.net/shanglianlm/article/details/497344411 引言1-1 分类基于样本的概率分布模型进行聚类直接根据样本间的距离或相似性度量进行聚类2 基于模型的方法如果已经知道或者可以估计样本在特征空间的概率分布,就可以用基于模型的方法进行聚类分析。模型原创 2015-11-09 08:28:57 · 4079 阅读 · 0 评论 -
计算机视觉和模式识别中的稀疏表示(Sparse Representation for Computer Vision and Pattern Recognition)
最近拜读了John Wright和Yi Ma2010年在Proceedings of the IEEE上关于稀疏表示的大作 :Sparse Representation for Computer Vision and Pattern Recognition 。下面是对这篇文章的一点总结。原创 2015-06-23 11:18:49 · 4251 阅读 · 0 评论 -
Kinect视觉SLAM技术介绍
本文介绍SLAM的历史、理论以及实现的方式,且主要介绍基于视觉(Kinect)的实现方式。转载 2015-08-05 15:00:31 · 1781 阅读 · 0 评论 -
模式识别 学习笔记:第八章 特征提取
本系列博客主要是在学习《模式识别(张学工著 第三版)》时的一些笔记。 本文地址:http://blog.csdn.net/shanglianlm/article/details/494687971 引言1-1 问题从 D 个特征中选出 d (< D) 个新特征。1-2 目的降低特征空间的维数,使后续分类器设计在计算上更容易实现;为了消除特征之间可能存在的相关性,减少特征中与分类信息无关的信息原创 2015-10-28 14:52:41 · 11487 阅读 · 0 评论 -
机器学习中基于核的模式识别(Kernel-based pattern recognition in machine learning)
机器学习中基于核的模式识别(Kernel-based pattern recognition in machine learning) 本文地址:http://blog.csdn.net/shanglianlm/article/details/49659817转载 2015-11-05 10:56:10 · 2546 阅读 · 0 评论 -
模式识别 学习笔记:第三章 概率密度函数的估计
本系列博客主要是在学习《模式识别(张学工著 第三版)》时的一些笔记。 本文地址:http://blog.csdn.net/shanglianlm/article/details/498398331 引言概率密度估计分为参数估计(概率密度函数形式已知,部分或全部参数未知)和非参数估计(概率密度函数也未知)。1-1 一些基本概念1-2 评价标准无偏性 是指估计量抽样分布的数学期望等于被估计的总体参数原创 2015-11-14 22:07:24 · 5769 阅读 · 0 评论 -
粒子滤波Matlab代码
粒子滤波Matlab代码,很详实。看完秒懂!本文地址:http://blog.csdn.net/shanglianlm/article/details/47445909转载 2015-08-13 11:09:39 · 13258 阅读 · 3 评论 -
谷歌人工智能算法RankBrain运行原理解析
本文地址:http://blog.csdn.net/shanglianlm/article/details/49678931近日,新闻爆料说谷歌正在使用一个机器学习人工智能系统“RankBrain”来对搜索结果排序。想知道它的工作原理以及如何在谷歌排序系统上运行吗?以下是我们对RankBrain的全部了解。转载 2015-11-06 09:38:15 · 2001 阅读 · 0 评论 -
边缘检测子综述(A review of classic edge detectors[J]. Image Processing On Line, 2012.)
本文主要最12年发表在IPOL上的一篇关于边缘检测子的综述(A review of classic edge detectors [1])做一简单总结和分析。本文将主流的边缘检测子分为一阶偏导(Sobel, Prewitt and Roberts)和二阶偏导(Marr-Hildreth and Haralick. )两类,并分别从定性(感知)和定量(操作次数,执行时间)的角度对它们分别分析和讨论。原创 2015-06-29 09:39:44 · 2025 阅读 · 0 评论 -
关于人工智能的二十件事
本文地址:http://blog.csdn.net/shanglianlm/article/details/49585077转载 2015-11-02 12:49:21 · 1386 阅读 · 0 评论 -
【推荐算法概览】《Overview of Recommender Algorithms》
参考文献: [1] Overview of Recommender Algorithms – Part 1 [2] Overview of Recommender Algorithms – Part 2原创 2015-11-18 22:08:36 · 1255 阅读 · 0 评论 -
模式识别 学习笔记:第七章 特征选择
本系列博客主要是在学习《模式识别(张学工著 第三版)》时的一些笔记。 本文地址:http://blog.csdn.net/shanglianlm/article/details/494644451. 前言1-1 问题:从 DD 维特征中选择 d<Dd < D 个特征。1-2 特征选择主要回答两个层面的问题:对特征的评价,即怎样衡量一组特征对分类的有效性;寻优的算法,即怎样更快地找到性能最优或比原创 2015-11-03 15:50:41 · 12969 阅读 · 7 评论 -
Notes on Matrix Calculus
参考及延伸材料: [1] Notes on Matrix Calculus原创 2015-06-11 20:39:09 · 1010 阅读 · 0 评论