<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[zouxy09的专栏]]></title><description><![CDATA[悲喜枯荣如是本无分别，当来则来，当去则去，随心，随性，随缘 - zouxy09@qq.com]]></description><link>https://blog.csdn.net/zouxy09</link><language>zh-cn</language><generator>https://blog.csdn.net/</generator><copyright><![CDATA[Copyright &copy; zouxy09]]></copyright><item><title><![CDATA[标签传播算法（Label Propagation）及Python实现]]></title><link>https://blog.csdn.net/zouxy09/article/details/49105265</link><guid>https://blog.csdn.net/zouxy09/article/details/49105265</guid><author>zouxy09</author><pubDate>Tue, 13 Oct 2015 22:03:07 +0800</pubDate><description><![CDATA[标签传播算法（Label Propagation）及Python实现zouxy09@qq.comhttp://blog.csdn.net/zouxy09 一、半监督学习       半监督学习（Semi-supervisedlearning）发挥作用的场合是：你的数据有一些有label，一些没有。而且一般是绝大部分都没有，只有少许几个有label。半监督学习算法会充分的利用unlabeled数据来]]></description><category></category></item><item><title><![CDATA[图像卷积与滤波的一些知识点]]></title><link>https://blog.csdn.net/zouxy09/article/details/49080029</link><guid>https://blog.csdn.net/zouxy09/article/details/49080029</guid><author>zouxy09</author><pubDate>Mon, 12 Oct 2015 21:24:06 +0800</pubDate><description><![CDATA[图像卷积与滤波的一些知识点zouxy09@qq.comhttp://blog.csdn.net/zouxy09       之前在学习CNN的时候，有对卷积经常一些学习和整理，后来就烂尾了，现在稍微整理下，先放上来，以提醒和交流。一、线性滤波与卷积的基本概念      线性滤波可以说是图像处理最基本的方法，它可以允许我们对图像进行处理，产生很多不同的效果。做法很简单。首先，我们有一个二维的滤波器矩]]></description><category></category></item><item><title><![CDATA[Python多核编程mpi4py实践]]></title><link>https://blog.csdn.net/zouxy09/article/details/49031845</link><guid>https://blog.csdn.net/zouxy09/article/details/49031845</guid><author>zouxy09</author><pubDate>Sat, 10 Oct 2015 22:58:38 +0800</pubDate><description><![CDATA[Python多核编程mpi4py实践zouxy09@qq.comhttp://blog.csdn.net/zouxy09 一、概述       CPU从三十多年前的8086，到十年前的奔腾，再到当下的多核i7。一开始，以单核cpu的主频为目标，架构的改良和集成电路工艺的进步使得cpu的性能高速上升，单核cpu的主频从老爷车的MHz阶段一度接近4GHz高地。然而，也因为工艺和功耗等的限制，单核cpu]]></description><category></category></item><item><title><![CDATA[Python机器学习库scikit-learn实践]]></title><link>https://blog.csdn.net/zouxy09/article/details/48903179</link><guid>https://blog.csdn.net/zouxy09/article/details/48903179</guid><author>zouxy09</author><pubDate>Mon, 05 Oct 2015 00:02:22 +0800</pubDate><description><![CDATA[Python机器学习库scikit-learn实践zouxy09@qq.comhttp://blog.csdn.net/zouxy09 一、概述       机器学习算法在近几年大数据点燃的热火熏陶下已经变得被人所“熟知”，就算不懂得其中各算法理论，叫你喊上一两个著名算法的名字，你也能昂首挺胸脱口而出。当然了，算法之林虽大，但能者还是有限，能适应某些环境并取得较好效果的算法会脱颖而出，而表现平平者]]></description><category></category></item><item><title><![CDATA[神经网络训练中的Tricks之高效BP（反向传播算法）]]></title><link>https://blog.csdn.net/zouxy09/article/details/45288129</link><guid>https://blog.csdn.net/zouxy09/article/details/45288129</guid><author>zouxy09</author><pubDate>Sun, 26 Apr 2015 14:36:46 +0800</pubDate><description><![CDATA[神经网络训练中的Tricks之高效BP（反向传播算法）zouxy09@qq.comhttp://blog.csdn.net/zouxy09        Tricks！这是一个让人听了充满神秘和好奇的词。对于我们这些所谓的尝试应用机器学习技术解决某些问题的人，更是如此。曾记得，我们绞尽脑汁，搓手顿足，大喊“为什么我跑的模型不work？”，“为什么我实现的效果那么差？”，“为什么我复现的结果没有他论]]></description><category></category></item><item><title><![CDATA[人脸识别之特征脸方法（Eigenface）]]></title><link>https://blog.csdn.net/zouxy09/article/details/45276053</link><guid>https://blog.csdn.net/zouxy09/article/details/45276053</guid><author>zouxy09</author><pubDate>Sat, 25 Apr 2015 22:12:06 +0800</pubDate><description><![CDATA[人脸识别之特征脸方法（Eigenface）zouxy09@qq.comhttp://blog.csdn.net/zouxy09       因为需要，花了一点时间写了下经典的基于特征脸（EigenFace）的人脸识别方法的Matlab代码。这里仅把该代码分享出来。其实，在较新版本的OpenCV中已经提供了FaceRecognizer这一个类，里面不仅包含了特征脸EigenFace，还有Fisher]]></description><category></category></item><item><title><![CDATA[基于稀疏矩阵的k近邻（KNN）实现]]></title><link>https://blog.csdn.net/zouxy09/article/details/42297625</link><guid>https://blog.csdn.net/zouxy09/article/details/42297625</guid><author>zouxy09</author><pubDate>Wed, 31 Dec 2014 17:54:09 +0800</pubDate><description><![CDATA[基于稀疏矩阵的k近邻（KNN）实现zouxy09@qq.comhttp://blog.csdn.net/zouxy09        元旦了！要跨入2015了！呵呵，忙了挺久，没有更新博客了，博客也悄悄地蒙上了一层灰。在跨年之际，闲来无事，也总结下之前的一些散乱的东西，记录在博客中，恢复点生气。良久未笔，辞藻异常生疏。嗯，祝大家2015再谱人生华丽篇章！ 一、概述       这里我们先来看看当我]]></description><category></category></item><item><title><![CDATA[关于计算机视觉（随谈）]]></title><link>https://blog.csdn.net/zouxy09/article/details/38639349</link><guid>https://blog.csdn.net/zouxy09/article/details/38639349</guid><author>zouxy09</author><pubDate>Sun, 17 Aug 2014 15:34:02 +0800</pubDate><description><![CDATA[关于计算机视觉—随便聊聊zouxy09@qq.comhttp://blog.csdn.net/zouxy09        之前看了这么一本说自然图像统计学的书，本来是想着要好好看，然后每天翻译几页的。但实习的时候太忙了，没有什么时间，所以只把目录给翻译了，哈哈。这本书叫：Natural Image Statistics: A Probabilistic Approach to Early Com]]></description><category></category></item><item><title><![CDATA[机器学习中的范数规则化之（二）核范数与规则项参数选择]]></title><link>https://blog.csdn.net/zouxy09/article/details/24972869</link><guid>https://blog.csdn.net/zouxy09/article/details/24972869</guid><author>zouxy09</author><pubDate>Sun, 04 May 2014 12:42:15 +0800</pubDate><description><![CDATA[机器学习中的范数规则化之（二）核范数与规则项参数选择zouxy09@qq.comhttp://blog.csdn.net/zouxy09        上一篇博文，我们聊到了L0，L1和L2范数，这篇我们絮叨絮叨下核范数和规则项参数选择。知识有限，以下都是我一些浅显的看法，如果理解存在错误，希望大家不吝指正。谢谢。 三、核范数       核范数||W||*是指矩阵奇异值的和，英文称呼叫Nucle]]></description><category></category></item><item><title><![CDATA[机器学习中的范数规则化之（一）L0、L1与L2范数]]></title><link>https://blog.csdn.net/zouxy09/article/details/24971995</link><guid>https://blog.csdn.net/zouxy09/article/details/24971995</guid><author>zouxy09</author><pubDate>Sun, 04 May 2014 12:32:20 +0800</pubDate><description><![CDATA[机器学习中的范数规则化之（一）L0、L1与L2范数zouxy09@qq.comhttp://blog.csdn.net/zouxy09        今天我们聊聊机器学习中出现的非常频繁的问题：过拟合与规则化。我们先简单的来理解下常用的L0、L1、L2和核范数规则化。最后聊下规则化项参数的选择问题。这里因为篇幅比较庞大，为了不吓到大家，我将这个五个部分分成两篇博文。知识有限，以下都是我一些浅显的看]]></description><category></category></item><item><title><![CDATA[Matlab与C++混合编程（依赖OpenCV）]]></title><link>https://blog.csdn.net/zouxy09/article/details/20553007</link><guid>https://blog.csdn.net/zouxy09/article/details/20553007</guid><author>zouxy09</author><pubDate>Wed, 05 Mar 2014 16:20:48 +0800</pubDate><description><![CDATA[Matlab与C++混合编程（依赖OpenCV）zouxy09@qq.comhttp://blog.csdn.net/zouxy09        之前在运行别人论文的代码的时候，经常有遇到Matlab与C++混合编程的影子。实际上就是通过Matlab的Mex工具将C++的代码编译成Matlab支持调用的可执行文件和函数接口。这样一方面可以在Matlab中利用已经编写好的函数，尽管这个函数是用C+]]></description><category></category></item><item><title><![CDATA[机器学习算法与Python实践之（七）逻辑回归（Logistic Regression）]]></title><link>https://blog.csdn.net/zouxy09/article/details/20319673</link><guid>https://blog.csdn.net/zouxy09/article/details/20319673</guid><author>zouxy09</author><pubDate>Sun, 02 Mar 2014 23:49:58 +0800</pubDate><description><![CDATA[机器学习算法与Python实践之（七）逻辑回归（Logistic Regression）zouxy09@qq.comhttp://blog.csdn.net/zouxy09        机器学习算法与Python实践这个系列主要是参考《机器学习实战》这本书。因为自己想学习Python，然后也想对一些机器学习算法加深下了解，所以就想通过Python来实现几个比较常用的机器学习算法。恰好遇见这本同样]]></description><category></category></item><item><title><![CDATA[基于meanshift的手势跟踪与电脑鼠标控制（手势交互系统）]]></title><link>https://blog.csdn.net/zouxy09/article/details/17913745</link><guid>https://blog.csdn.net/zouxy09/article/details/17913745</guid><author>zouxy09</author><pubDate>Mon, 06 Jan 2014 11:12:00 +0800</pubDate><description><![CDATA[基于meanshift的手势跟踪与电脑鼠标控制zouxy09@qq.comhttp://blog.csdn.net/zouxy09        一年多前开始接触计算机视觉这个领域的时候，年幼无知，倍感吃力。当年惶恐，从而盲从。挣扎了不少时日，感觉自己好像还是处于领域的门外汉一样，在理论与实践的鸿沟中无法挣脱，心里空落落的。在这种挥之不去的烦忧中，某个时候豁然开朗，觉得要看一个系统的代码了，看看别]]></description><category></category></item><item><title><![CDATA[机器学习算法与Python实践之（六）二分k均值聚类]]></title><link>https://blog.csdn.net/zouxy09/article/details/17590137</link><guid>https://blog.csdn.net/zouxy09/article/details/17590137</guid><author>zouxy09</author><pubDate>Thu, 26 Dec 2013 19:49:07 +0800</pubDate><description><![CDATA[机器学习算法与Python实践之（六）二分k均值聚类zouxy09@qq.comhttp://blog.csdn.net/zouxy09        机器学习算法与Python实践这个系列主要是参考《机器学习实战》这本书。因为自己想学习Python，然后也想对一些机器学习算法加深下了解，所以就想通过Python来实现几个比较常用的机器学习算法。恰好遇见这本同样定位的书籍，所以就参考这本书的过程来]]></description><category></category></item><item><title><![CDATA[机器学习算法与Python实践之（五）k均值聚类（k-means）]]></title><link>https://blog.csdn.net/zouxy09/article/details/17589329</link><guid>https://blog.csdn.net/zouxy09/article/details/17589329</guid><author>zouxy09</author><pubDate>Thu, 26 Dec 2013 19:10:28 +0800</pubDate><description><![CDATA[机器学习算法与Python实践之（五）k均值聚类（k-means）zouxy09@qq.comhttp://blog.csdn.net/zouxy09        机器学习算法与Python实践这个系列主要是参考《机器学习实战》这本书。因为自己想学习Python，然后也想对一些机器学习算法加深下了解，所以就想通过Python来实现几个比较常用的机器学习算法。恰好遇见这本同样定位的书籍，所以就参考]]></description><category></category></item><item><title><![CDATA[基于感知哈希算法的视觉目标跟踪]]></title><link>https://blog.csdn.net/zouxy09/article/details/17471401</link><guid>https://blog.csdn.net/zouxy09/article/details/17471401</guid><author>zouxy09</author><pubDate>Sat, 21 Dec 2013 20:17:42 +0800</pubDate><description><![CDATA[基于感知哈希算法的视觉目标跟踪zouxy09@qq.comhttp://blog.csdn.net/zouxy09        偶然看到这三篇博文[1][2][3]，提到图片检索网站TinEye和谷歌的相似图片搜索引擎的技术原理。以图搜图搜索引擎的使命是：你上传一张图片，然后他们尽全力帮你把互联网上所有与它相似的图片搜索出来。当然了，这只是他们认为的相似，所以有时候搜索结果也不一定对。事实上，以]]></description><category></category></item><item><title><![CDATA[CSDN2013博客之星评选（求投票支持）]]></title><link>https://blog.csdn.net/zouxy09/article/details/17381617</link><guid>https://blog.csdn.net/zouxy09/article/details/17381617</guid><author>zouxy09</author><pubDate>Tue, 17 Dec 2013 18:34:41 +0800</pubDate><description><![CDATA[CSDN2013博客之星评选（求投票支持）zouxy09@qq.comhttp://blog.csdn.net/zouxy09        您好，2013年CSDN博客之星评选开始了。如果我的博客对您有所帮忙，还望您百忙之中抽空投我一票，非常您一直以来的支持和鼓励。投票网址：       http://vote.blog.csdn.net/blogstaritem/blogstar2013/zo]]></description><category></category></item><item><title><![CDATA[机器学习算法与Python实践之（四）支持向量机（SVM）实现]]></title><link>https://blog.csdn.net/zouxy09/article/details/17292011</link><guid>https://blog.csdn.net/zouxy09/article/details/17292011</guid><author>zouxy09</author><pubDate>Fri, 13 Dec 2013 00:12:32 +0800</pubDate><description><![CDATA[机器学习算法与Python实践之（四）支持向量机（SVM）实现zouxy09@qq.comhttp://blog.csdn.net/zouxy09        机器学习算法与Python实践这个系列主要是参考《机器学习实战》这本书。因为自己想学习Python，然后也想对一些机器学习算法加深下了解，所以就想通过Python来实现几个比较常用的机器学习算法。恰好遇见这本同样定位的书籍，所以就参考这本]]></description><category></category></item><item><title><![CDATA[机器学习算法与Python实践之（三）支持向量机（SVM）进阶]]></title><link>https://blog.csdn.net/zouxy09/article/details/17291805</link><guid>https://blog.csdn.net/zouxy09/article/details/17291805</guid><author>zouxy09</author><pubDate>Thu, 12 Dec 2013 23:56:30 +0800</pubDate><description><![CDATA[机器学习算法与Python实践之（三）支持向量机（SVM）进阶zouxy09@qq.comhttp://blog.csdn.net/zouxy09        机器学习算法与Python实践这个系列主要是参考《机器学习实战》这本书。因为自己想学习Python，然后也想对一些机器学习算法加深下了解，所以就想通过Python来实现几个比较常用的机器学习算法。恰好遇见这本同样定位的书籍，所以就参考这本]]></description><category></category></item><item><title><![CDATA[机器学习算法与Python实践之（二）支持向量机（SVM）初级]]></title><link>https://blog.csdn.net/zouxy09/article/details/17291543</link><guid>https://blog.csdn.net/zouxy09/article/details/17291543</guid><author>zouxy09</author><pubDate>Thu, 12 Dec 2013 23:46:25 +0800</pubDate><description><![CDATA[机器学习算法与Python实践之（二）支持向量机（SVM）初级zouxy09@qq.comhttp://blog.csdn.net/zouxy09        机器学习算法与Python实践这个系列主要是参考《机器学习实战》这本书。因为自己想学习Python，然后也想对一些机器学习算法加深下了解，所以就想通过Python来实现几个比较常用的机器学习算法。恰好遇见这本同样定位的书籍，所以就参考这本]]></description><category></category></item></channel></rss>