Pattern Recognition
文章平均质量分 60
CrazStone
这个作者很懒,什么都没留下…
展开
-
Laplace 平滑
1、if y~{0;1}:p(y=1)=(#"1"+1)/("0"+1+"1"+1);2、if y~{1,2,...k}:p(y=k)=(#"k"+1)/m+k; m is the number of samples.原创 2013-08-28 22:24:05 · 984 阅读 · 0 评论 -
LaTeX新人教程,30分钟从完全陌生到基本入门
LaTeX新人教程,30分钟从完全陌生到基本入门 by Nan 对于真心渴望迅速上手LaTeX的人,可以只看正文。曾经在缝缝补补中变得长长的“前言”被我丢到了正文后面当“后记”。后记部分可以跳过不看或只看粗体。=============================================下面是教程正文。(正文最后应大转载 2014-01-27 14:03:14 · 1199 阅读 · 0 评论 -
DPM(Defomatble Parts Model)原理
DPM(Deformable Parts Model)Reference:Object detection with discriminatively trained partbased models. IEEE Trans. PAMI, 32(9):1627–1645, 2010."Support Vector Machines for Multiple-Instance转载 2013-12-10 08:49:01 · 1139 阅读 · 0 评论 -
MatLab2012b/MatLab2013b 分类器大全(svm,knn,随机森林等)
转载自:http://blog.csdn.net/xuhaijiao99/article/details/15027093train_data是训练特征数据, train_label是分类标签。Predict_label是预测的标签。MatLab训练数据, 得到语义标签向量 Scores(概率输出)。1.逻辑回归(多项式MultiNomial logistic Regr转载 2013-12-07 09:05:17 · 934 阅读 · 0 评论 -
从结构化风险最小化角度理解SVM
最近在讨论班上,LXH同学讲到Structural SVM with latent variables,最后大家提出了一个问题:他讲的怎么没体现出SVM的思想啊?? 刚开始我也是这么想的,后来想了一下,也许可以换个角度理解SVM。 统计学习方法由模型、策略和算法构成。模型是选择一个概率分布模型或者决策函数空间来模拟样本空间。策略是优化模型所用到的目标函数。算法是原创 2013-12-07 11:12:39 · 6955 阅读 · 1 评论 -
Algorithms in Data Mining的经典总结
July:Top 10 Algorithms in Data Mining转载 2013-12-07 09:16:11 · 777 阅读 · 0 评论 -
svm 预测标签的概率输出
转载自:http://blog.csdn.net/xuhaijiao99/article/details/14519941对于图片或文本,如果童鞋们需要初试分类效果,在MatLab做实验是比较简单的。例如:使用Libsvm库函数svmtrain()训练学习出一个模型Factor, 然后代入Factor,得到预测标签向量Predict_label。但是,这些都是人家的工作,假若我们加转载 2013-12-07 09:07:21 · 9168 阅读 · 0 评论 -
Deformable Part Model的学习
转至http://bubblexc.com/y2011/422/Deformable Part Model是最近两年最为流行的图像中物体检测模型,利用这个模型的方法在近几届PASCAL VOC Challenge中都取得了较好的效果。其作者,芝加哥大学的Pedro Felzenszwalb教授,也因为这项成就获得了VOC组委会授予的终身成就奖。有人认为这个模型是目前最好的物体检测算法。转载 2013-10-15 14:44:21 · 660 阅读 · 0 评论 -
重温SVM
支持向量机(Support Vector Machine .SVM)是一种二分类模型。基本思想是,在特征空间上通过分类间隔最大化得到一个线性分类器;这一点有别于线性感知器,感知器是使分类错误最小,结果是一个解区域,而SVM得到唯一最优解。 1、线性可分SVM. 当样本集线性可分时,可得到分离超平面为: w*.x+b=0, 决策函数为:f(x)=sign(w*.x+b); 函原创 2013-09-03 11:34:40 · 883 阅读 · 0 评论 -
RankSVM
根据目前了解的迹象表明,RankSVM应该是T。T. Joachims. Optimizing search engines using clickthrough data. In KDD ’02:ACMSIGKDD.提出来的。后来O. Chapelle and S. Keerthi. Efficient algorithms for ranking with svms. Information原创 2013-09-04 09:11:03 · 5609 阅读 · 0 评论 -
【转载】计算机视觉与模式识别 code
转自:http://www.cnblogs.com/robin-ty/archive/2013/02/20/2919292.html转载 2013-09-06 13:27:44 · 804 阅读 · 0 评论 -
机器学习(Machine Learning)大家与资源
=======================国外====================Machine Learning 大家(1):M. I. Jordan (http://www.cs.berkeley.edu/~jordan/) 在我的眼里,M Jordan无疑是武林中的泰山北斗。他师出MIT,现在在berkeley坐镇一方,在附近的转载 2014-06-23 15:26:51 · 1869 阅读 · 0 评论