![](https://img-blog.csdnimg.cn/20201014180756780.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
机器学习
文章平均质量分 71
paulPig
本人是一个大三的学生,对一些内容的理解,但是若有不对的地方,欢迎大家反馈。
希望能共同学习。
展开
-
python+svmlib+opencv实现图片验证码的自动识别
识别原理关键基于机器学习 以下是余下全文python配置opencv网址 python配置SVMLIB网址一、思想(基本步骤)1.获取训练样本(python“爬”取)2.图片预处理(去噪声)3.图片分割(分割为单个数字)4.提取特征(每行黑色像素点构成的向量的协方差)5.训练(基于svmlib)6.识别(基于svmlib)二、获取训练样本 图片验证码是来源于“湖南大学迎新系统”原创 2017-09-17 18:09:27 · 4418 阅读 · 1 评论 -
基于贝叶斯变换的手写识别数字(MFC+Opencv)
基于贝叶斯手写识别的关键还是在于统计学 以下是余下全文一、什么是贝叶斯公式P(Wi/X)=P(X/Wi)*P(Wi)/P(X)二、贝叶斯公式和手写识别的关系(解释上述公式) Wi:分类器(相当于数字’0’类、数字’1’类等) X:输入样本(相当于输入识别的图片,样本是由特征组成在,也就是样本和特征有时候是可以等价理解的) P(Wi/X):当前输入样本X,将样本X归到Wi类的概率值原创 2017-09-17 18:12:03 · 1071 阅读 · 0 评论 -
抗打印的水印算法
抗打印水印算法 以下是余下全文一、算法的思想主要思想:周期图像的自相关函数,水印信息实际上是角度1.嵌入水印思想:将一个有周期性并且有角度的随机块嵌入到图像中。 举个例子: 现有28*7的随机矩阵,之后将此矩阵不断重复知道能够覆盖图像,之后按照一个角度(实际上就是我们的水印信息)将此随机矩阵旋转,最后嵌入到原图像中。 这时候,可能有人会问,这么简单粗暴的将水印嵌入图像中,不是将原来图像的信息原创 2017-09-17 18:12:36 · 3478 阅读 · 3 评论 -
机器学习中线性模型和非线性的区别
误区之前一直以为线性和非线性的区别是是否可以用直线将样本划分开和同学讨论到logistics模型是线性还是非线性的,很难理解!(logistics模型是广义线性模型)线性模型和非线性模型区别线性模型也是可以用曲线划分的,例如logistics模型区分是否为线性模型,主要是看一个乘法式子中自变量x前的系数w,如果w只影响一个x,那么此模型为线性模型。或者判断决策边界是否是线性的举例 y=原创 2017-10-21 22:21:21 · 27823 阅读 · 8 评论 -
Python实现三层BP神经网络
题外话看论文,仿真实现,最基本的能力!研一的时候定要多看看论文,提升自己的代码能力!引言本篇博客默认读者有一定的BP神经网络的基础,BP神经网络的基本知识就不阐述了!BP神经网络结构本文内容: 1. 二分类的三层BP神经网络 2. 激活函数为sigmoid函数 3. 由于是二分类,输出函数和隐藏层函数都为sigmoid函数 4. 计算下一层节点的公式:y=wx+b步骤大概步骤: 1. 初原创 2017-09-17 17:36:13 · 6925 阅读 · 0 评论 -
五层神经网络梯度推导(输出层到隐藏层、隐藏层到隐藏层、隐藏层到输入层)
应用minist分类一、输出层到隐藏层的推导 输出层的矩阵P为train_number×10距离输出层最近的隐藏层X为train_number*100更新权重公式为XT∗PX^T*P大小为100*10-(pro-V);pro代表计算得到矩阵,V代表正确的为1,其余为0二、隐藏层到隐藏层的推导这个之后真的得推到下三、隐藏层到输出层的推导这个更加难,心累原创 2018-11-02 10:24:56 · 12762 阅读 · 0 评论