![](https://img-blog.csdnimg.cn/20190919092634446.jpg?x-oss-process=image/resize,m_fixed,h_224,w_224)
Sparse coding&LIBSVM
小仇哥
擅于研发新东西,对未知世界充满好奇。
展开
-
基于Libsvm的图像分类之Libsvm建模预测参数详解
基于Libsvm的图像分类之Libsvm参数详解基于Libsvm的图像分类 之所以写这么篇文章,主要是最近好多小伙伴来问我之前那篇文章的一些参数的意思,其实我很想说,你们百度呀,都有的,但问的人多了,终究是缘木求鱼,索性在这里重新写一篇关于参数的详细说明,供大家参考,天下文章一大抄,我就不说自己写的啥啥啥了,说白了就是抄来的,仅仅给大家提供一个传送门,好了废话到此结束! PS:我不太懂美观...原创 2018-09-05 13:26:29 · 1664 阅读 · 0 评论 -
基于Libsvm的图像分类
基于Libsvm的图像分类关于Libsvm的废话基于Libsvm的图像分类实例说说图像分类的处理结果1. 关于Libsvm的废话 先来一段废话,大家有心情看看就行,那就是关于支持向量机的问题,支持向量机是在统计学习理论基础上发展起来的一种机器学习方法。基于数据的机器学习是现代智能技术中的一个重要方面,研究的实质是根据给定的训练样本求对某系统输入输出之间依赖关系的估计,使它能对未知输入作出原创 2016-03-08 16:46:54 · 13648 阅读 · 56 评论 -
稀疏编码前篇-Sparse coding
稀疏编码方方面面-Sparse coding什么是稀疏编码?稀疏编码的概念? ★概念: a、稀疏编码最初解释为用来发展大脑(边缘检测)的视觉处理技术。 b、稀疏编码是k-means算法的变体。 c、个人觉得:sparse coding与pca有点像,两者的区别在于pca出来的是特征向量,我们用特征向量来重建原有数据,而sparse coding是用字典去重建原有数据。★步骤 ●Train原创 2016-10-21 13:56:48 · 1409 阅读 · 0 评论 -
补充稀疏编码前篇-Sparse coding
补充稀疏编码前篇-Sparse coding稀疏编码前篇-Sparse coding 这里是对这篇文章做几个关键点的补充。 1、稀疏表示的方法提取特征,其实现包括两个过程,一是基向量的学习过程,也称为字典学习过程,在这个过程中,我们利用大量训练样本,通过无监督的学习方法获得一组冗余的基向量并采用k-svd算法进行对字典更新;二是线性拟合(稀疏系数)的求解过程,这一步,根据约束条件的不同,所得的结原创 2016-12-31 22:07:15 · 723 阅读 · 0 评论 -
基于稀疏表示的图像检索实现
基于稀疏表示的图像检索实现稀疏表示: 稀疏表示就是将原始的信号(本文指的是图像特征)在一个变换基独立且不相关的过完备字典上进行分解,使得原始复杂冗余的信号可以由分解得到的很少的一组“基元”(特征)进行完全或近似的线性表示[68],称该自然信号(本文指的是自然图像)在“基元组合”变换域中具有稀疏性,而所有的“基元”则组成一个过完备的字典矩阵。稀疏表示的字典获取方式有多种,最简单的获取方式可以采...原创 2018-06-04 21:01:02 · 2817 阅读 · 5 评论 -
LLE局部线性嵌入算法
LLE局部线性嵌入算法导语:很久没发博文了,今日抽个小空,整理下上个学期做过的东西,写成博文,供给初学者参考:一、LLE算法概念 LLE算法,即局部线性嵌入算法,是一种非线性降维算法,它利用线性重构的局部对称性找出高维数据空间中的非线性结构,并在保持各数据点临近位置关系情况下,把高维空间数据点映射为低维空间对应的数据点,它能够使降维后的数据保持原有的流行结构。 二、LLE算法步骤 1、求每原创 2016-07-09 14:50:25 · 10295 阅读 · 3 评论 -
图像超分辨率重建
图像超分辨率重建图像超分辨率重建实现方法图像超分辨率重建摘自网络概念:图像超分辨率重建是指利用同一场景的不同观测角度,不同观测时间或者不同传感器获取的低分辨率图像序列重建出一副或者多副高空间分辨率图像的技术。 自己理解概念:图像超分辨率重建就是指由一副低分辨率图像(LR)或者图像序列恢复出高分辨率图像(HR)的技术。核心思想 超分辨率技术的核心思想就是用时间分辨率(同一场景多帧图像序列)原创 2016-10-17 14:14:39 · 4823 阅读 · 0 评论 -
细说MATLAB中的MAX函数 (翻译Help文档而来)
细说MATLAB中的MAX函数前言:上午在使用OMP算法的时候,碰到[max,pos]=max(abs(a))这么个表达,一时并不知道前面那两个代表什么玩意,于是就翻阅了下help文档,稍微研究了下,就权当做个笔记,废话不说了,开始正题:一、MAX函数的几种形式 (1)C = max(A) (2)C = max(A,B) (3)C = max(A,[],dim) (4)[C,I]=max(原创 2016-10-23 16:21:18 · 2618 阅读 · 0 评论