2016年国内人工智能行业现况及趋势
2016年国内人工智能行业现况及趋势报告总结,包括潜力股的公司分析和前言技术的总结
智能机器人系列报告之七--机器视觉全方位解读-未来之瞳
2016年机器人方向的权威专题报告,此为第七部分:智能机器人系列报告之七--机器视觉全方位解读-未来之瞳
智能机器人系列报告之六
2016年智能机器人行业权威资深报告,此为第六部分: 智能机器人系列报告之六 从大疆Mavic看小型无人机的未来
智能机器人系列报告五-服务机器人产业链纵览:巨头的盛宴 还是草根的狂欢
2016年智能机器人行业权威资深报告,此为第五部分:服务机器人产业链纵览:巨头的盛宴 还是草根的狂欢?
智能制造系列报告之四
2016年机器人行业资深专题报告,此为第四部分:消费级无人机的昨天、今天和明天
智能机器人系列报告三:技术的盛宴,服务机器人核心技术与模块解析
2016年机器人行业资深专题报告,此为第三部分:技术的盛宴,服务机器人核心技术与模块解析
智能机器人系列报告二:智能的世界正在发生的应用场景革命
2016年行业资深机器人专题报告,智能机器人系列报告第二部分:智能的世界:正在发生的应用场景革命
智能机器人系列一:从英伟达谈起,AI芯片创造新的智能世界
2016年行业资深机器人专题报告,第一部分 从英伟达谈起,AI芯片创造新的智能世界
博主JULY的数据结构算法之机器学习资料(总)
博主JULY的数据结构算法之机器学习资料(总)
理解SVM的3层境界
从简单通俗的例子说起,直到深入理解SVM的优秀文档资源
2015年机器学习公开课PPT资料(全)
2015年机器学习公开课PPT资料(全)
AP(Affinity Propagation)聚类聚类算法介绍(发表在Science杂志上)
Affinity_Propagation_(AP)_AP聚类聚类算法介绍(发表在Science杂志上)
Robust Recovery of Subspace Structures by Low-Rank Representation
讨论子空间聚类问题,运用低秩表示,在样本中找寻低秩表示,把样本表示为给定字典中基的线性组合。低秩表示可以精确高效大的用作鲁棒子空间聚类和误差修正。同时总结RPCA和LRR的区别
数据降维(RPCA,LRR.LE等)
数据降维(RPCA,LRR.LE等)的算法详解
GPSR--求解L1范数优化包
GPSR是 Robust Face Recognition via Sparse Representation 论文中用来求解L1范数最小值的 优化包,计算速度很快,可以直接使用
liblinear 软件包(最新版本1.95)
LIBLINEAR是一个简单的求解大规模规则化线性分类和回归的软件包。最显著的的特点就是速度快。对一些大数据来说,有没有非线性映射,他们的性能差不多。如果不使用核,我们可以用线性分类或者回归来训练一个更大的数据集。这些数据往往具有非常高维的特征,例如文本分类Document classification。
SVM代码,不同的语言实现SVM分类
SVM源代码,实现了几种不同的SVM算法,可以作分类和回归估计,支持多分类及样本不均衡的情况
机器学习中的范数规则化之L0、L1与L2范数
通俗易懂的讲解机器学习中的范数规则化之L0、L1与L2范数的原理,帮助理解稀疏编码中的目标函数优化问题中的L1范数规则化
opencv camshift 实现目标跟踪
vs2008 环境中 基于opencv的camshift 目标跟踪,代码直接运行,效果明显,感性的认识目标跟踪的原理,对meanshift改进的深刻理解和认识,适合初学者,原理部分请关注我的博客http://blog.csdn.net/tiandijun,共同交流、学习。
opencv 实现 meanshift 的目标跟踪
早vs2008 中基于opencv2.4.3 的meanshift目标检测,直接运行,视屏从电脑的摄像头读取,演示效果不错,适合初学目标检测的同行,可以从感性上理解meanshift的原理和不足,为改进的camshift理解做准备。原理部分参见我的博客:http://blog.csdn.net/tiandijun,共同学习、交流。
斯坦福大学深度学习手册全集
斯坦福大学深度学习手册整合,适合初学者,容易理解,很全面。
锁相与频率合成技术
锁相与频率合成技术,可惜详细了解关于锁相环以及他们频率合成的