有条彩虹鱼 的专栏

转载 机器学习最佳入门学习资源

原文链接： Jason Brownlee   翻译： 伯乐在线 - programmer_lin译文链接： http://blog.jobbole.com/56256/%-------------------------------------------------------------------%这是一篇很难写的文章，因为我希望这篇文章能对学习者有所启发。我在空白页

转载 字符串匹配算法之KMP算法和BM算法

[尊重原创]-原文链接在这里->http://blogread.cn/it/article/3975?f=wb本文主要介绍KMP算法和BM算法，它们分别是前缀匹配和后缀匹配的经典算法。所谓前缀匹配是指：模式串和母串的比较从左到右，模式串的移动也是从左到右；所谓后缀匹配是指：模式串和母串的的比较从右到左，模式串的移动从左到右。看得出来前缀匹配和后缀匹配的区别就仅仅在于比较的顺序不同。下文分别

原创 人脸数据库汇总

■Annotated Database (Hand, Meat, LV Cardiac, IMM face) (http://www2.imm.dtu.dk/~aam/)■AR Face Database (http://cobweb.ecn.purdue.edu/~aleix/aleix_face_DB.html)■BioID Face Database (http://om/dow

转载 由浅入深探究mysql索引结构原理、性能分析与优化

觉得这篇文章讲的还是比较好的，尊重原创，原文链接在->http://ourmysql.com/archives/1171期待后续佳作------------------------------------------------------------------------------------------------------------------------------

转载 Pinterest收购视觉创业公司VisualGraph

原文链接在这里：-〉http://www.wumii.com/topbar/YlQPjhXE照片共享社交平台Pinterest周一宣布，该公司已经收购了一家仅有两名员工的创业公司。这家创业公司名为VisualGraph，主要从事与机器视觉、图像识别和视觉搜索技术有关的业务。在被Pinterest收购以后，VisualGraph创始人凯文·景（Kevin Jing）及其合伙人大卫·刘

转载 svm系列九

接下来要说的东西其实不是松弛变量本身，但由于是为了使用松弛变量才引入的，因此放在这里也算合适，那就是惩罚因子C。回头看一眼引入了松弛变量以后的优化问题：注意其中C的位置，也可以回想一下C所起的作用（表征你有多么重视离群点，C越大越重视，越不想丢掉它们）。这个式子是以前做SVM的人写的，大家也就这么用，但没有任何规定说必须对所有的松弛变量都使用同一个惩罚因子，我们完全可以给每一个离群

转载 svm系列八

现在我们已经把一个本来线性不可分的文本分类问题，通过映射到高维空间而变成了线性可分的。就像下图这样： 圆形和方形的点各有成千上万个（毕竟，这就是我们训练集中文档的数量嘛，当然很大了）。现在想象我们有另一个训练集，只比原先这个训练集多了一篇文章，映射到高维空间以后（当然，也使用了相同的核函数），也就多了一个样本点，但是这个样本的位置是这样的： 就是图中黄色

转载 svm系列七

生存？还是毁灭？——哈姆雷特可分？还是不可分？——支持向量机之前一直在讨论的线性分类器,器如其名（汗，这是什么说法啊），只能对线性可分的样本做处理。如果提供的样本线性不可分，结果很简单，线性分类器的求解程序会无限循环，永远也解不出来。这必然使得它的适用范围大大缩小，而它的很多优点我们实在不原意放弃，怎么办呢？是否有某种方法，让线性不可分的数据变得线性可分呢？有！其思想说来也

转载 svm系列六

让我再一次比较完整的重复一下我们要解决的问题：我们有属于两个类别的样本点（并不限定这些点在二维空间中）若干，如图，圆形的样本点定为正样本（连带着，我们可以把正样本所属的类叫做正类），方形的点定为负例。我们想求得这样一个线性函数（在n维空间中的线性函数）：g(x)=wx+b使得所有属于正类的点x+代入以后有g(x+)≥1，而所有属于负类的点x-代入后有g(x-)≤-1

转载 svm系列五

从最一般的定义上说，一个求最小值的问题就是一个优化问题（也叫寻优问题，更文绉绉的叫法是规划——Programming），它同样由两部分组成，目标函数和约束条件，可以用下面的式子表示：（式1）约束条件用函数c来表示，就是constrain的意思啦。你可以看出一共有p+q个约束条件，其中p个是不等式约束，q个等式约束。关于这个式子可以这样来理解：式中的x是自变量，但不限定它的维

转载 svm系列四

原文链接->http://www.blogjava.net/zhenandaci/archive/2009/02/13/254578.html上节说到我们有了一个线性分类函数，也有了判断解优劣的标准——即有了优化的目标，这个目标就是最大化几何间隔，但是看过一些关于SVM的论文的人一定记得什么优化的目标是要最小化||w||这样的说法，这是怎么回事呢？回头再看看我们对间隔和几何间隔的定义：间隔

转载 SVM的系列一

（一）SVM的八股简介支持向量机(Support Vector Machine)是Cortes和Vapnik于1995年首先提出的，它在解决小样本、非线性及高维模式识别中表现出许多特有的优势，并能够推广应用到函数拟合等其他机器学习问题中[10]。支持向量机方法是建立在统计学习理论的VC 维理论和结构风险最小原理基础上的，根据有限的样本信息在模型的复杂性（即对特定训练样本的学习精度，Ac

原创 论文写作之不二法则

转载 经典的机器学习方面源代码库（非常全，数据挖掘，计算机视觉，模式识别，信息检索相关领域都适用的了）

原文链接在这里-> http://www.cnblogs.com/kshenf/archive/2012/06/14/2548708.html今天给大家介绍一下经典的开源机器学习软件：编程语言：搞实验个人认为当然matlab最灵活了（但是正版很贵），但是更为前途的是python（numpy+scipy+matplotlib)和C/C++，这样组合既可搞研究，也可搞商业开发，易用性不

原创 表情识别总结----截止到2005年

一、人脸表情识别技术目前主要的应用领域包括人机交互、安全、机器人制造、医疗、通信和汽车领域等 二、1971年，心理学家Ekman与Friesen的研究最早提出人类有六种主要情感，每种情感以唯一的表情来反映人的一种独特的心理活动。这六种情感被称为基本情感，由愤怒（anger）、高兴(happiness)、悲伤 (sadness)、惊讶(surprise)、厌恶(disgust)和恐惧(fea

原创 基于融合特征图像检索的优点

图像特征可以分成局部特征和全局特征，局部特征可以捕捉图像的细节，因而得到广泛的应用。在实际应用中综合利用各种不同的特征进行图像检索有很多优点。其中最主要的是：1）可以达到不同特征之间的优势互补效果。例如，在颜色特征的基础上增加爱纹理特征既能弥补颜色特征缺乏看见空间分布信息的不足，又能保留颜色特征计算简单的优点。在颜色特征的基础上增加形状特征不仅能描述图像整体色彩性质，还可以描述目标局部

原创 基于Gabor纹理特征的图像检索

一、 Gabor 纹理在图像检索中不同图像的纹理在不同的粗糙度以及方向性等方面有很大的差别。Gabor滤波器带弹性以及方向性选择了使用单个滤波器无法同时满足不同类型纹理分析的需要。Gabor纹理特征通过在不同的尺度、不同的方向上分别进行Gabor滤波，然后对滤波的结果进行特征提取，因而也在纹理分析、人脸识别、图像检索中有广泛的应用。Gobar滤波器Gabor纹理是通过Gabor

转载 LSH——局部敏感哈希一些简单介绍

这篇文章转自：->http://blog.csdn.net/icvpr/article/details/12342159简单介绍了LSH的基本概念，好像源于某篇期刊，我还是收下了。一、局部敏感哈希LSH在很多应用领域中，我们面对和需要处理的数据往往是海量并且具有很高的维度，怎样快速地从海量的高维数据集合中找到与某个数据最相似（距离最近）的一个数据或多