- 博客(59)
- 资源 (1)
- 收藏
- 关注
RSS订阅转载 matlab与VS2010混合编程时，char16_t redefinition错误
转自：http://blog.csdn.net/jkhere/article/details/8910321 error C2371: 'char16_t' : redefinition; different basic types 在混合编程中，也许会出现如下错误：—————————————————————————————————————————————————C
2014-11-26 10:25:39
761
原创 HOG特征
1、HOG特征： 方向梯度直方图（Histogram of Oriented Gradient, HOG）特征是一种在计算机视觉和图像处理中用来进行物体检测的特征描述子。它通过计算和统计图像局部区域的梯度方向直方图来构成特征。Hog特征结合SVM分类器已经被广泛应用于图像识别中，尤其在行人检测中获得了极大的成功。需要提醒的是，HOG+SVM进行行人检测的方法是法国研究人员Dal
2014-11-25 22:10:37
615
转载 MATLAB图像处理之imshow和imagesc
MATLAB图像处理之imshow和imagescinshow主要用于调用图像索引，比如：imshow(X,map)其功能等同于：image(X)colormap(map)但是，inshow的功能要强大一些，比如用于灰度图像，RGB图像，二进制图像，都可以应用。 imagesc属于图像缩放函数 具体说一些例子：要显示一副灰度图像，可以调用函数 imshow 或 im
2014-11-25 17:07:44
1205
转载 向量表示，投影，协方差矩阵，PCA
引言当面对的数据被抽象为一组向量，那么有必要研究一些向量的数学性质。而这些数学性质将成为PCA的理论基础。理论描述向量运算即：内积。首先，定义两个维数相同的向量的内积为：(a1,a2,⋯,an)T⋅(b1,b2,⋯,bn)T=a1b1+a2b2+⋯+anbn内积运算将两个向量映射为一个实数。其计算方式非常容易理解，但是其意义并不明显。所以，我们分
2014-11-19 22:50:14
7026
1
转载 仿射变换
图像变换——计算机视觉图像处理一、仿射变换 仿射变换的性质:平面上任意两条直线，经仿射变换后，仍然保持平行。仿射变换的功能，是一种二维坐标到二维坐标之间的线性变换，保持二维图形的“平直性”（straightness，即变换后直线还是直线不会打弯，圆弧还是圆弧）和“平行性”（parallelness，其实是指保二维图形间的相对位置关系不变，平行线还是平行线，相交直
2014-11-03 16:06:26
3522
原创 Mysql数据隔离，脏读,rollback
暂时学习，以后跟新http://blog.csdn.net/budapest/article/details/6923272http://xm-king.iteye.com/blog/770721
2014-10-19 09:44:53
481
转载 #include头文件搜索的路径
The #include directive tells the preprocessor to treat the contents of a specified file as if those contents had appeared in the source program at the point where the directive appears.
2014-10-15 16:05:59
6172
转载 cvWaitKey使用
cvWaitKey(int delay)cvWaitKey()函数的功能是是程序暂停，等待用户触发一个按键操作。但如果该函数参数设为一个正数，则程序将暂停一段时间，时间长为该整数值个毫秒单位，然后继续执行程序，即使用户没有按下任何键。 指延时delay ms的时间 delay delay>0时，延迟"delay"ms，在显示视频时这个函数是有用的，用于设置在显示完一帧图像后程序等
2014-10-14 16:37:26
2551
转载 全局变量与静态变量
全局变量与静态变量static 声明的变量在C语言中有两方面的特征：1.变量被放在程序的全局存储区中，这样在下一次调用的时候还可以保持原来的赋值。这一点是它与堆栈变量和堆变量的区别。2.变量用static告知编译器，自己仅在变量的作用范围内可见。这一点是它与全局变量的区别。Tips:A.若全局变量仅在单个C文件中访问，则可以将这个变量修改为静态全局变量，以降低模块间的耦
2014-10-11 21:50:25
486
转载 C++不能重载的运算符
分类： C/C++算术运算符：+,-,*,/,%,++,--;位操作运算符：&,|,~,^(位异或),＜＜(左移),＞＞(右移)逻辑运算符：!,&&,||;比较运算符：＜,＞,＞=,＜=,==,!=;赋值运算符：=,+=,-=,*=,/=,%=,&=,|=,^=,＜＜=,＞＞=;其他运算符：[],(),-＞,,(逗号运算符),new,delete,new[]
2014-10-11 21:29:03
727
原创 高斯分布采样
设 F(X)正态分布的分布函数rnd(0,1)为产生(0,1)间均匀分布随机数的发生函数则Y=G(rnd(0,1))得到的随机数符合正态分布(其中G(X)为F(X)的反函数)以上结论只需F(X)为一种分布的分布函数即可，即可对应分布的产生随机数
2014-10-09 19:38:42
11454
2
转载 蒙特卡罗和重要性采样
重要性采样是非常有意思的一个方法。我们首先需要明确，这个方法是基于采样的，也就是基于所谓的蒙特卡洛法(Monte Carlo)。蒙特卡洛法，本身是一个利用随机采样对一个目标函数做近似。例如求一个稀奇古怪的形状的面积，如果我们没有一个解析的表达方法，那么怎么做呢？蒙特卡洛法告诉我们，你只要均匀的在一个包裹了这个形状的范围内随机撒点，并统计点在图形内的个数，那么当你撒的点很多的时候，面积可以近似为=(
2014-10-08 22:08:20
11948
1
转载 正则表达式语法
正则表达式语法 也许有人会说，现在需要正则表达式去验证什么的话，直接在网上找不久一大片吗？还需要学什么啊！是的，现在在网上找确实是一找一大片，但是，有时候我们也遇到这样的情况，就是我们在网上找的复制下来之后粘贴到我们的项目中就是报JS的错误，或者就是实现不了我们想要的效果。可能你复制的这个正则表达式仅仅是别人少些了一个字符或者是你少复制了一个字符。这个时候如果你会一点正则表达
2014-10-07 20:56:16
995
转载 跨站请求伪造CSRF
CSRF(Cross-site request forgery跨站请求伪造，也被称成为“one click attack”或者session riding，通常缩写为CSRF或者XSRF，是一种对网站的恶意利用。 一、CSRF攻击原理CSRF攻击原理比较简单，如图1所示。其中Web A为存在CSRF漏洞的网站，Web B为攻击者构建的恶意网站，User C为Web A网站的合法用户。
2014-10-05 10:17:58
485
原创 PRC 远程过程调用
Remote Procedure Calls远程过程调用 (RPC) 是一种协议，程序可使用这种协议向网络中的另一台计算机上的程序请求服务。由于使用 RPC 的程序不必了解支持通信的网络协议的情况，因此 RPC 提高了程序的互操作性。在 RPC 中，发出请求的程序是客户程序，而提供服务的程序是服务器。RPC（远程过程调用）是一项广泛用于支持分布式应用程序（不同组件分布在不同计算机上的应用程序
2014-09-27 17:54:28
3415
原创 最长公共子序列
#include #include #include #include #define MAX(a,b) (a) > (b) ? (a) : (b)using namespace std;int LCS_len(string str1, string str2, int i1, int i2){ if(i1 < 0 || i2 < 0) { return 0; }
2014-09-25 21:48:12
382
原创 最长递增子序列LIS
fangfa#include #define MAX_LEN 30int count_l[MAX_LEN];int lis;void display(int arr[], int index){ if(index < 0 || lis == 0) { return; } if(count_l[index] == lis) { lis--; display(ar
2014-09-24 22:40:47
420
原创 逻辑回归LR的特征为什么要先离散化
在工业界，很少直接将连续值作为特征喂给逻辑回归模型，而是将连续特征离散化为一系列0、1特征交给逻辑回归模型，这样做的优势有以下几点：1. 稀疏向量内积乘法运算速度快，计算结果方便存储，容易scalable（扩展）。2. 离散化后的特征对异常数据有很强的鲁棒性：比如一个特征是年龄>30是1，否则0。如果特征没有离散化，一个异常数据“年龄300岁”会给模型造成很大的干扰。3.
2014-09-22 16:26:19
27321
6
转载 机器学习中的过拟合和防止过拟合
过拟合：为了得到一致假设而使假设变得过度复杂称为过拟合。“一个过配的模型试图连误差（噪音）都去解释（而实际上噪音又是不需要解释的），导致泛化能力比较差，显然就过犹不及了。” 这句话很好的诠释了过拟合产生的原因，但我认为这只是一部分原因，另一个原因是模型本身并不能很好地解释（匹配）数据，也就是说观测到的数据并不是由该模型产生的。“统计学家说：我们让数据自己说话。言下之意就是要摒弃先验概率。而贝叶斯支
2014-09-21 21:10:04
2043
原创 贝叶斯网络资料
Bayesian network 与python概率编程实战入门https://github.com/memect/hao/blob/master/awesome/bayesian-network-python.md
2014-09-20 22:21:22
505
转载 三种算法求解一个数组的子数组最大和
三种算法求解一个数组的子数组最大和题目：要求一个数组连续下标和的最大值，数组的元素可正、可负、可为零，例如-2，5，3，-6，4，-8，6将返回8。这题是很经典的一道面试题，也有各种解法，从算法分析上，时间复杂度也有很大差别，下面我就给出三种不同的解法。方法一：暴力枚举法此种方法最简单，我想应该也是每个人拿到题目想到的第一种解法了，学过一点编程的人都应该能编出此类程序。
2014-09-16 21:48:52
633
转载 最大似然和EM算法
机器学习十大算法之一：EM算法。能评得上十大之一，让人听起来觉得挺NB的。什么是NB啊，我们一般说某个人很NB，是因为他能解决一些别人解决不了的问题。神为什么是神，因为神能做很多人做不了的事。那么EM算法能解决什么问题呢？或者说EM算法是因为什么而来到这个世界上，还吸引了那么多世人的目光。 我希望自己能通俗地把它理解或者说明白，但是，EM这个问题感觉真的不太好用通俗的语言去说明白，
2014-09-04 11:43:52
861
原创 动态规划
那么遇到问题如何用动态规划去解决呢？根据上面的分析我们可以按照下面的步骤去考虑： 1、构造问题所对应的过程。 2、思考过程的最后一个步骤，看看有哪些选择情况。 3、找到最后一步的子问题，确保符合“子问题重叠”，把子问题中不相同的地方设置为参数。 4、使得子问题符合“最优子结构”。 5、找到边界，考虑边界的各种处理方
2014-09-04 10:26:12
393
转载 SVD奇异值分解
the columns of U are the eigenvectors of the AAT matrix and the columns of V are the eigenvectors of the ATA matrix. VT is the transpose of V and S is a diagonal matrix. By definition the nondiago
2014-09-03 15:33:50
693
转载 半监督学习
目前，国内的南京大学周志华老师是这方面的泰斗，写了很多这方面牛的文章，可以参考一下他的主页：http://cs.nju.edu.cn/zhouzh/。。下面贴出来的文章出自周老师之手，通俗易懂。受益匪浅。。1. 引言 在传统的监督学习中,学习器通过对大量有标记的(labeled)训练例进行学习,从而建立模型用于预测未见示例的标记。这里的“标记”(label)是指示例所对应
2014-07-24 22:07:37
705
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人