![](https://img-blog.csdnimg.cn/20201014180756754.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
机器学习
文章平均质量分 89
Max_Shy
我永远喜欢七七!!!
展开
-
【人脸识别】基于HOG特征、SVM算法实现微笑识别
目录一、HOG特征提取原理二、代码实现三、总结四、参考一、HOG特征提取原理 HOG特征提取流程可分为5个部分:检测窗口、归一化图像、计算梯度、统计直方图、梯度直方图归一化、得到HOG特征向量。检测窗口: HOG通过窗口(window)和块(block)将图像进行分割。通过以细胞(cell)为单位,对图像某一区域的像素值进行数学计算处理。在此先介绍窗口(window)、块(block)和细胞(cell)的概念及之间的联系。窗口(window):将图像按一定大小分割成多个相同的窗口,滑动。原创 2021-12-19 10:22:57 · 2044 阅读 · 1 评论 -
【计算机视觉】数字图像与机器视觉基础
目录一、位图文件分析1. 什么是位图2. BMP位图文件3. BMP文件结构4. 位图文件头5. 位深度6. 不同位深度图像对比二、对比不同文件格式的图片文件大小三、基于奇异值分解(SVD)提取图片特征值四、开闭运算检测图像中硬币和细胞的个数1. 检测硬币数量2. 检测细胞数量五、图片条形码定位总结参考一、位图文件分析1. 什么是位图 位图图像(bitmap),亦称为点阵图像或栅格图像,是由称作像素(图片元素)的单个点组成的。这些点可以进行不同的排列和染色以构成图样。当放大位图时,可以看见赖以构成整原创 2021-12-03 09:19:11 · 5773 阅读 · 0 评论 -
【机器学习】基于LIBSVM实现支持向量机核函数训练并获取决策函数
目录一、LIBSVM简介二、LIBSVM的下载及安装三、基于LIBSVM处理手工生成数据集1. 启动LIBSVM2. 手工绘制数据集3. 利用LIBSVM训练模型并求出决策函数四、总结五、参考一、LIBSVM简介 LIBSVM是台湾大学林智仁(Lin Chih-Jen)教授等开发设计的一个简单、易于使用和快速有效的SVM模式识别与回归的软件包。 LIBSVM不但提供了编译好的可在Windows系列系统的执行文件,还提供了源代码,方便改进、修改以及在其它操作系统上应用;该软件对SVM所涉及的参数调节原创 2021-11-17 13:43:17 · 3343 阅读 · 0 评论 -
【人脸识别】基于dlib建立人脸识别数据集并进行人脸识别
目录一、Dlib库介绍与安装二、人脸特征图像存储三、采集并保存特征值建立数据集四、基于数据集进行人脸识别五、总结六、参考一、Dlib库介绍与安装详见:【人脸识别】基于dlib库实现人脸特征值提取二、人脸特征图像存储存储15张人脸特征图像:import cv2import dlibimport osimport sysimport random#coding:utf-8# 存储位置output_dir = '.\person\person1'size = 1080 if no原创 2021-11-15 08:40:11 · 1006 阅读 · 0 评论 -
【机器学习】机器学习之支持向量机(SVM)
目录一、支持向量机(Support Vector Machine)介绍1. 支持向量机基本型二、三、一、支持向量机(Support Vector Machine)介绍 支持向量机(Support Vector Machine,常简称为SVM)是一种监督式学习的方法,可广泛地应用于统计分类以及回归分析。它是将向量映射到一个更高维的空间里,在这个空间里建立有一个最大间隔超平面。在分开数据的超平面的两边建有两个互相平行的超平面,分隔超平面使两个平行超平面的距离最大化。假定平行超平面间的距离或差距越大,分类器原创 2021-11-04 17:26:26 · 1990 阅读 · 0 评论 -
【机器学习】机器学习之线性判别分析(LDA)
这里写目录标题一、线性判别分析介绍二、线性判别分析原理1. 类内散度矩阵(within-class scatter matrix)2. 类间散度矩阵(between-class scatter matrix)3. 广义瑞利商(generalized Rayleigh quotiet)三、一、线性判别分析介绍 线性判别分析(Linear Discriminant Analysis,简称 LDALDALDA)是一种经典的线性学习方法,亦称"Fisher 判别分析"。 线性判别分析思想:给定训练样本集原创 2021-10-31 16:09:25 · 6767 阅读 · 0 评论 -
【机器学习】机器学习之决策树(基于ID3、CART挑选西瓜)
目录一、决策树介绍1. 基本流程2. 选择划分因素(1)信息熵(information entropy)(2)信息增益 (information gain)(3)增益率(gain ratio)(4)基尼指数(Gini index)二、实现基于信息增益准则(ID3)的决策树1. 数据样本处理2. 代码实现(1)建立决策树(2)绘制决策树3. 结果分析三、使用Sklearn库实现决策树总结参考一、决策树介绍 决策树(decision tree)是一类常见的机器学习方法。基于树结构来进行决策。决策树学习的目原创 2021-10-24 17:42:56 · 6265 阅读 · 1 评论 -
【机器学习】机器学习之多元线性回归
这里写目录标题一、多元线性回归基础理论二、案例分析三、数据预处理1.错误数据清洗2.非数值型数据转换四、使用Excel实现回归1.回归实现2.回归分析五、使用Sklearn库实现回归六、总结七、参考一、多元线性回归基础理论 在研究现实问题时,因变量的变化往往受几个重要因素的影响,此时就需要用两个或两个以上的影响因素作为自变量来解释因变量的变化,这就是多元回归。当多个自变量与因变量之间是线性关系时,所进行的回归分析就是多元性回归。线性回归的数学模型为:f(xi)=ωTxi+bf(\pmb x_i)=\原创 2021-10-21 10:53:50 · 16029 阅读 · 1 评论 -
【机器学习】机器学习之一元线性回归
目录一、什么是一元线性回归二、使用Excel完成一元线性回归(1)选取20组数据进行回归(2)选取200组数据进行回归(3)选取2000组数据进行回归(4)选择20000组数据进行回归三、自定义最小二乘法实现一元线性回归1、自定义回归函数2、选取20组数据进行回归3、选取200组数据进行回归4、选取2000组数据进行回归三、使用Sklearn库实现一元线性回归四、总结一、什么是一元线性回归 回归分析(Regression Analysis),是确定两种或两种以上变量间相互依赖的定量关系的一种统计分析方原创 2021-09-25 14:58:47 · 1441 阅读 · 0 评论