xsc_cc-CSDN博客

原创网络爬虫

网络爬虫（又被称为网页蜘蛛，网络机器人），是一种按照一定的规则，自动地抓取万维网信息的程序或者脚本。常见的爬虫工具有：正则表达式、Selenuim、Beautifulsoup等。本例将利用selenium库做一个很简单的例子-爬区百度首页、输出标题、截屏保存、输出百度新闻栏。本实验在LUbuntu16.10上运行。 1.安装selenium库：# pip install selenium如果

2017-08-30 15:21:40 591 1

原创目标跟踪

https://www.zhihu.com/question/26493945https://zhuanlan.zhihu.com/visual-tracking

2017-08-30 15:21:35 334

原创 Spatial Pyramid Pooling in Deep Convolutional Networks for Visual Recognition(SPP-net)

CNN网络需要固定尺寸的图像输入，SPPNet将任意大小的图像池化生成固定长度的图像表示，提升R-CNN检测的速度24-102倍。固定图像尺寸输入的问题，截取的区域未涵盖整个目标或者缩放带来图像的扭曲。事实上，CNN的卷积层不需要固定尺寸的图像，全连接层是需要固定大小输入的，因此提出了SPP层放到卷积层的后面，改进后的网络如下图所示：SPP是BOW的扩展，将图像从精细空间划分到粗糙空间，之后将

2017-08-30 15:21:30 349

原创降采样，过采样，欠采样，子采样，下采样，上采样

采样：2048HZ对信号来说是过采样了，事实上只要信号不混叠就好（满足尼奎斯特采样定理），所以可以对过采样的信号作抽取，即是所谓的“降采样”。在现场中采样往往受具体条件的限止，或者不存在300HZ的采样率，或调试非常困难等等。若 R>>1，则Rfs/2就远大于音频信号的最高频率fm，这使得量化噪声大部分分布在音频频带之外的高频区域，而分布在音频频带之内的量化噪声就会相应的减少，

2017-08-30 15:21:25 1131

原创 windows10 subsystem(bash) 如何使用jupter notebook

按照传统惯例，应该映射端口jupyter notebook --port=15000，然后用浏览器开http://localhost:15000/但是当你运行python的时候，居然发现kernel die了！显示Invalid argument (src/tcp_address.cpp:172)这是ipython的一个BUG解决方法是：conda install -c jzuhone

2017-08-30 15:21:20 431

原创深度学习性能提升的诀窍 How To Improve Deep Learning Performance

原文： How To Improve Deep Learning Performance 作者： Jason Brownlee 翻译： KK4SBB 责编：何永灿克服过拟合和提高泛化能力的20条技巧和诀窍你是如何提升深度学习模型的效果？这是我经常被问到的一个问题。有时候也会换一种问法：我该如何提高模型的准确率呢？ ……或者反过来问：如果我的网络模型效果不好，我该怎么办？通常我的回

2017-08-30 15:21:16 1143

原创 KERAS中文文档

http://keras-cn.readthedocs.io/en/latest/

2017-08-30 15:21:11 1072

原创 The game of Fort/Da是自虐还是自保？

“The game of Fort/Da”出自佛洛伊德的《The interpretation of dreams》（1990a, p339-625)，这里的fort可译为英文里的gone, da译为there，原本用于描述幼儿的一种值得深究的行为模式。佛洛伊德发现自己18个月大的小孙子Ernst对一个游戏乐此不疲，他不断的抛出他能抓住的小物件并兴奋且满足地大声嚷着“fort"，后来他开始迷上一个

2017-08-30 15:21:06 1440

原创 curriculum-vitae

https://bitbucket.org/xsc_96/curriculum-vitae/raw/37a9b84e4f21e837bc16b19b24ac26d917dab696/CV.pdf

2017-08-30 15:21:02 287

原创卷积神经网络（CNN）

1. 概述卷积神经网络是一种特殊的深层的神经网络模型，它的特殊性体现在两个方面，一方面它的神经元间的连接是非全连接的，另一方面同一层中某些神经元之间的连接的权重是共享的（即相同的）。它的非全连接和权值共享的网络结构使之更类似于生物神经网络，降低了网络模型的复杂度（对于很难学习的深层结构来说，这是非常重要的），减少了权值的数量。卷积网络最初是受视觉神经机制的启发而设计的，是为识别二维形状

2017-08-30 15:20:57 766

原创流型学习

from 猴子 manifold learning 流形学习流形学习是个很广泛的概念。这里我主要谈的是自从2000年以后形成的流形学习概念和其主要代表方法。自从2000年以后，流形学习被认为属于非线性降维的一个分支。众所周知，引导这一领域迅速发展的是2000年Science杂志上的两篇文章: Isomap and LLE (Locally Linear Embeddi

2017-08-30 15:20:54 598

原创概率编程语言

最近看见了一些很有趣的东西先把链接放在这里，以后再看venture：http://probcomp.csail.mit.edu/venture/一本书：http://dippl.org/?utm_source=top.caibaojian.com/52044 http://www.tuicool.com/m/articles/IVnyaaE

2017-08-30 15:20:49 759

原创人类的视觉能力基本上是出生后逐渐习得的

人类的视觉能力基本上是出生后逐渐习得的，婴儿不是眼睛发育不足，而是头脑暂时还不会很好运用眼睛去观察世界，就好比蹩脚的摄影师，拿着顶级单反也拍不出好片。婴儿开始看世界的过程，就是对视觉处理神经元网络进行训练的过程。初生婴儿需要学习的第一课是分辨物体轮廓，最初他们看到的世界只是各种颜色和明暗的块块，经过学习才知道其中一些总是在一起运动，这部分色彩和明暗变化形成一个固定模式，而另一些则没有这种模式，

2017-08-30 15:20:45 443

原创关“视觉神经系统是怎么形成的？”的思考

http://www.cnblogs.com/mrxsc/p/5571358.html 视觉信息的处理是一个非常复杂的过程，这不由得让我想到了同样位于人们大脑中的新大脑皮层，作为人类智能的起始之地，它的运作也不简单，但是在婴儿时期，它的各部分单元并没有什么不同，不同的功能是在婴儿接受了外界的各种刺激后产生的。我个人倾向于这样一种原创观点：生物感知和处理外界信息的绝大部分的器官或组织都是在出生后

2017-08-30 15:20:42 2062

原创编译器完工

一个月的时间写了一个Naive的编译器，采用的是ANTLR + VISIT模式写的前端+后端。这种模式的优点是简单易懂，写起来不会卡壳，并且非常直观易于调试但是缺点是代码的拓展性非常不友好，想要在中途某个点加入优化会非常困难（只要架构不好就会牵扯到全局），只能一条路顺着做接着会更新简单易懂的编译器速成教程。

2017-08-30 15:20:37 151

原创 MIPS指令集相关

寄存器:寄存器号符号名用途 0 始终为0 看起来象浪费,其实很有用 1 at 保留给汇编器使用 2-3 v0,v1 函数返回值 4-7 a0-a3 前头几个函数参数 8-15

2017-08-30 15:20:32 216

原创 Deep learning：八(Sparse Autoencoder)

前言：　　这节课来学习下Deep learning领域比较出名的一类算法——sparse autoencoder，即稀疏模式的自动编码。我们知道，deep learning也叫做unsupervised learning，所以这里的sparse autoencoder也应是无监督的。按照前面的博文：Deep learning：一(基础知识_1)，Deep learning：七(基础知识_2)所

2017-08-30 15:20:27 222

原创 Deep learning：七(基础知识_2)_终于到神经网络了

前面的文章已经介绍过了2种经典的机器学习算法：线性回归和logistic回归，并且在后面的练习中也能够感觉到这2种方法在一些问题的求解中能够取得很好的效果。现在开始来看看另一种机器学习算法——神经网络。线性回归或者logistic回归问题理论上不是可以解决所有的回归和分类问题么，那么为什么还有其它各种各样的机器学习算法呢？比如这里马上要讲的神经网络算法。其实原因很简单，在前面的一系列博文练习中可以

2017-08-30 15:20:25 150

原创 Deep learning：六(regularized logistic回归练习)

前言：　　在上一讲Deep learning：五(regularized线性回归练习)中已经介绍了regularization项在线性回归问题中的应用，这节主要是练习regularization项在logistic回归中的应用，并使用牛顿法来求解模型的参数。参考的网页资料为：http://openclassroom.stanford.edu/MainFolder/DocumentPage.ph

2017-08-30 15:20:22 242

原创 Deep learning：四(logistic regression练习)

前言：　　本节来练习下logistic regression相关内容，参考的资料为网页：http://openclassroom.stanford.edu/MainFolder/DocumentPage.php?course=DeepLearning&doc=exercises/ex4/ex4.html。这里给出的训练样本的特征为80个学生的两门功课的分数，样本值为对应的同学是否允许被上大学，

2017-08-30 15:20:19 249

原创 Deep learning：五(regularized线性回归练习)

前言：　　本节主要是练习regularization项的使用原则。因为在机器学习的一些模型中，如果模型的参数太多，而训练样本又太少的话，这样训练出来的模型很容易产生过拟合现象。因此在模型的损失函数中，需要对模型的参数进行“惩罚”，这样的话这些参数就不会太大，而越小的参数说明模型越简单，越简单的模型则越不容易产生过拟合现象。本文参考的资料参考网页：http://openclassroom.sta

2017-08-30 15:20:17 148

原创 Kinect+OpenNI学习笔记之1(开发环境的建立)

前言　　一般的普通摄像机获取的是RGB彩色图像，在计算机视觉领域，很大一部分都是基于颜色图像来做处理的，取得了不少研究成果。最近几年的深度图研究给计算机视觉和图像处理带来了更多的信息，因为所获取的图像多了一个维度的，通常也称之为RGBD图。比较物美价廉的深度信息获取传感器有MS的Kinect，同时还有ASUS的Xtion。这2种传感器都能较为准确的获得一定范围内物体的深度信息。比如说Kine

2017-08-30 15:20:12 292

原创 Deep learning：三(Multivariance Linear Regression练习)

前言:　　本文主要是来练习多变量线性回归问题(其实本文也就3个变量)，参考资料见网页：http://openclassroom.stanford.edu/MainFolder/DocumentPage.php?course=DeepLearning&doc=exercises/ex3/ex3.html.其实在上一篇博文Deep learning：二(linear regression练习)中已

2017-08-30 15:20:09 166

原创 Deep learning：二(linear regression练习)

前言　　本文是多元线性回归的练习，这里练习的是最简单的二元线性回归，参考斯坦福大学的教学网http://openclassroom.stanford.edu/MainFolder/DocumentPage.php?course=DeepLearning&doc=exercises/ex2/ex2.html。本题给出的是50个数据样本点，其中x为这50个小朋友到的年龄，年龄为2岁到8岁，年龄可有

2017-08-30 15:20:07 151

原创 Deep learning：一(基础知识_1)

Deep learning：一(基础知识_1) 　　前言:　　最近打算稍微系统的学习下deep learing的一些理论知识，打算采用Andrew Ng的网页教程UFLDL Tutorial，据说这个教程写得浅显易懂，也不太长。不过在这这之前还是复习下machine learning的基础知识，见网页：http://openclassroom.stanford.edu/MainFo

2017-08-30 15:20:04 147

转载 STL中vector转数组（实际是数组的指针）

感谢：http://topic.csdn.net/t/20050429/20/3976956.html感谢：http://yzyanchao.blogbus.com/logs/47796444.html不过那边是转载自《effective stl》。 std::vector很方便，但有时调用的函数的参数规定是数组，需要将vector转为数组，另外开辟一个空间，将vector一项项

2017-08-30 15:19:59 2557 1

原创 FANN（ Fast Artificial Neural Network Library）学习记录

FANN是一个比较简单的神经网络库，先占个位。下载地址：https://github.com/libfann/fann 日后将在这个BLOG更新学习教程。

2017-08-30 15:19:57 604 1

原创波浪

波浪【问题描述】阿米巴和小强是好朋友。阿米巴和小强在大海旁边看海水的波涛。小强第一次面对如此汹涌的海潮，他兴奋地叫个不停。而阿米巴则很淡定，他回想起曾经的那些日子，事业的起伏，情感的挫折……总之今天的风浪和曾经经历的那些风雨比起来，简直什么都不算。于是，这对好朋友不可避免地产生了分歧。为了论证自己的观点，小强建立了一个模型。他海面抽象成一个1 到N的排列P[1… N ] 。定义波动强度等于

2017-08-30 15:19:52 176

原创大白话解析模拟退火算法

优化算法入门系列文章目录（更新中）：　　1. 模拟退火算法　　2. 遗传算法一. 爬山算法 ( Hill Climbing ) 介绍模拟退火前，先介绍爬山算法。爬山算法是一种简单的贪心搜索算法，该算法每次从当前解的临近解空间中选择一个最优解作为当前解，直到达到一个局部最优解。爬山算法实现很简单，其主要缺点是会陷入局

2017-08-30 15:19:47 126

原创伸展树

1 #include 2 #include 3 //author : [email protected] 4 5 struct NODE 6 { 7 NODE *left; 8 NODE *right; 9 NODE *pa; 10 int data; 11 }; 12 13 struct BST

2017-08-30 15:19:42 145

原创后缀数组详解

这是一部分，以后还会更新的 #include #include #include #include #define maxn 10000using namespace std;char s[maxn],s1[maxn];int sa[maxn];/***sa[第几大]=第几位开始的后缀***/int Rank[maxn];/***rank[第几位开始

2017-08-30 15:19:37 181

原创 C++ string 详解（转载）

目录(?)[+]之所以抛弃char*的字符串而选用C++标准程序库中的string类，是因为他和前者比较起来，不必担心内存是否足够、字符串长度等等，而且作为一个类出现，他集成的操作函数足以完成我们大多数情况下(甚至是100%)的需要。我们可以用 = 进行赋值操作，== 进行比较，+ 做串联（是不是很简单?）。我们尽可以把它看成是C++的基本数据类型。好了，进入正题………首先，

2017-08-30 15:19:33 123

原创【转】C++输入输出操作符的重载

操作符的重载有一些规则：1. 重载操作符必须具有一个类类型或枚举类型操作数。这条规则强制重载操作符不能重新定义用于内置类型对象的操作符的含义。如： int operator+（int， int），不可以 2. 为类设计重载操作符的时候，必须选择是将操作符设置为类成员还是普通非成员函数。在某些情况下，程序没有选择，操作符必须是成员；在另外一些情况下，有些经验可以指导我们

2017-08-30 15:19:30 143

原创【转】海量数据处理系列----C++中Bitmap算法的实现

bitmap是一个十分有用的结构。所谓的Bit-map就是用一个bit位来标记某个元素对应的Value，而Key即是该元素。由于采用了Bit为单位来存储数据，因此在存储空间方面，可以大大节省。适用范围：可进行数据的快速查找，判重，删除，一般来说数据范围是int的10倍以下基本原理及要点：使用bit数组来表示某些元素是否存在，比如8位电话号码扩展：bloom filter可以

2017-08-30 15:19:28 227

原创【转】二分查找（折半查找Binary Search）

首先给五个题目：1.给定一个有序（不降序）的数组a[]，求任意一个index使得a[index]==k,不存在则返回0.2.给定一个有序（不降序）的数组a[]，求最小的index使得a[index]==k,不存在则返回0.3.给定一个有序（不降序）的数组a[]，求最大的index使得a[index]==k,不存在则返回0.4.给定一个有序（不降序）的数组a[]，求最大的index

2017-08-30 15:19:25 281

原创【转】卡特兰数及其应用

一、卡特兰数1、卡特兰数是满足下列递归式的数字： h(n)=h(0)h(n-1)+h(1)h(n-2)+h(2)h(n-3)+…+h(i)h(n-i-1)+…+h(n-1)h(0)(n>=2) 且，h(0)=1,h(1)=12、另一个递归式 h(n)=((4*n-2)/(n+1))*h(n-1) 它的解是：h(n)=C(

2017-08-30 15:19:22 419

u011252067的博客