![](https://img-blog.csdnimg.cn/20201014180756927.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
算法
文章平均质量分 62
xcc1223
这个作者很懒,什么都没留下…
展开
-
算法自动化测试
算法研究是一项反复的工作,在原创 2014-08-29 13:56:48 · 2267 阅读 · 0 评论 -
SMO算法
SMO算法由Microsoft Research的John C. Platt在1998年提出,并成为最快的二次规划优化算法,特别针对线性SVM和数据稀疏时性能更优。关于SMO最好的资料就是他本人写的《Sequential Minimal Optimization A Fast Algorithm for Training Support Vector Machines》了。我拜读了一下,下转载 2014-10-28 14:33:37 · 585 阅读 · 0 评论 -
关于LibSVM的SMO问题
上篇博客证明了关于“违反对”拉格朗日乘子选择问题,其实问题还没有结束,因为剩下如何计算G[]和G_bar[]两个数组,以及每次迭代拉格朗日乘子问题并没有解决,只是解决了关于乘子的选择问题。这篇博客就是着重解决上述问题。如果不清楚问题的话可参考(http://blog.csdn.net/zhuyue3938199/article/details/7469868)。乘子选择问题变成以下优化问题转载 2014-10-30 08:43:26 · 1092 阅读 · 0 评论 -
LibSVM中select_working_set函数
最近看SVM的源码都是看LIBSVM的源码,里面最重要的就是SVM.cpp文件。那么函数的调用过程以及一些比较重要的函数解释,在这个博客中已经写得比较详细了,我就不进行多说,可以参考(http://blog.csdn.net/flydreamGG/article/details/4470121)。那么我这篇博文主要补充的是上述博客中一些写得不足的要点,总结一下。在LibSVM的调用转载 2014-10-30 08:40:04 · 658 阅读 · 0 评论 -
几种流形学习算法
局部线性嵌入(LLE)等距映射(Isomap)拉普拉斯特征映射(Laplacian Eigenmap)局部线性嵌入(LLE)前提假设:采样数据所在的低维流形在局部是线性的,即每个采样点可以用它的近邻点线性表示。求解方法:特征值分解。LLE算法:计算每一个点Xi的近邻点,一般采用K近邻或者ξ领域。计算权值Wij,使得把Xi用它的K个近邻点线性表示的误差转载 2014-11-17 11:31:48 · 2696 阅读 · 0 评论 -
PIL+pytesser引用路径
使用PIL+pytesser时遇到:Traceback (most recent call last): File "", line 1, in print image_to_string(image) File "C:\Python27\lib\site-packages\pytesser\pytesser.py", line 31, in image_to_strin原创 2015-08-20 15:44:05 · 758 阅读 · 0 评论