2015年10月_zbxzc

12月 11月 10月 09月 08月 07月 06月 05月 04月 03月 02月

原创目标跟踪之Horn-Schunck光流法

用uij与vij分别表示图像像素点(i，j)处的水平方向光流值与垂直方向光流值，每次迭代后的更新方程为n为迭代次数，代表u邻域与v邻域的平均值，一般采用相应4邻域内的均值迭代一定次数后u、v收敛，光流计算停止。

2015-10-30 22:55:15 10423 4

原创 LogitBoost学习

首先列出参考文献：Additive Logistic Regression: a Statistical View of Boosting还是J. Friedman的文章。这里主要讲LogitBoost，discrete adaboost和real adaboost相对LogitBoost和gentle adaboost比较简单，我之前的博客也有介绍，详见AdaBoost算法学习，相信你能看懂

2015-10-29 11:31:55 8085

原创目标检测之hough forest

Class-Specific Hough Forests for Object Detection

2015-10-27 23:42:22 2737 1

原创 GBDT与XGBoost

首先学习GBDT要有决策树的先验知识。Gradient Boosting Decision Tree，和随机森林（random forest）算法一样,也是通过组合弱学习器来形成一个强学习器。不过,GBDT算法中用到的决策树只能是回归树,这是因为该算法的每颗树学的是之前所有树结论之和的残差,这个残差就是一个累加预测值后能得到真实值。通过将每次预测出的结果与目标值的残差作为下一次学习的目标。

2015-10-24 11:50:42 4684

原创 apriori推荐算法

Apriori算法是一种挖掘关联规则的频繁项集算法，其核心思想是通过候选集生成和情节的向下封闭检测两个阶段来挖掘频繁项集。概念（1）支持度（Support）：定义为 supp(X) = occur(X) / count(D) = P(X)（有绝对支持度（个数）和相对支持度（百分比）之分）。（2）频集：支持度大于最小支持度的项集称为频繁项集，简称频集，表示为L[k]

2015-10-22 21:32:29 4135

原创谱聚类的实现

// spectral-cluster.cpp : 定义控制台应用程序的入口点。//#include "stdafx.h"#include #include#include#include #include #include /*********************author Marshall**************************//**********

2015-10-21 00:18:35 7165 3

原创随机森林分类器的实现

参见博客Random Forest随机森林算法决策树ID3Tree.h//#pragma once#ifndef ID3#define ID3#include#includeusing namespace std;#define Epsilon 0.000000001class Record{public: std::vector attri; int lab

2015-10-02 22:28:30 2941

原创 isodata聚类算法的实现

ISODATA算法是在k-均值算法的基础上，增加对聚类结果的“合并”和“分裂”两个操作，并设定算法运行控制参数的一种聚类算法。迭代次数会影响最终结果，迭代参数选择很重要。算法步骤如下：①初始化设定控制参数：c：预期的类数；Nc：初始聚类中心个数（可以不等于c）；TN：每一类中允许的最少样本数目（若少于此数，就不能单独成为一类）；TE：

2015-10-01 00:23:27 19691 2