<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[闲渔的专栏]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/akunpoping</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; akunpoping]]></copyright><item><title><![CDATA[SVM的概率输出（Platt scaling）]]></title><link>https://blog.youkuaiyun.com/akunpoping/article/details/49329095</link><guid>https://blog.youkuaiyun.com/akunpoping/article/details/49329095</guid><author>akunpoping</author><pubDate>Thu, 22 Oct 2015 10:38:19 +0800</pubDate><description><![CDATA[最近在研究基于样本的相似度度量问题，其中用到了分类器的概率输出（Platt scaling），大概了解了一下用法，总结的比较简单。]]></description><category></category></item><item><title><![CDATA[深度学习入门简介]]></title><link>https://blog.youkuaiyun.com/akunpoping/article/details/48680273</link><guid>https://blog.youkuaiyun.com/akunpoping/article/details/48680273</guid><author>akunpoping</author><pubDate>Thu, 24 Sep 2015 16:03:21 +0800</pubDate><description><![CDATA[本博客主要用于总结自己在学习Deep Learning的一些基础知识，主要是神经网络和稀疏编码。





神经网络基础知识
主要讲述神经网络的一些基础知识，高手请忽略本博客


特征表达与稀疏编码]]></description><category></category></item><item><title><![CDATA[From feature descriptors to deep learning: 20 years of computer vision]]></title><link>https://blog.youkuaiyun.com/akunpoping/article/details/43023071</link><guid>https://blog.youkuaiyun.com/akunpoping/article/details/43023071</guid><author>akunpoping</author><pubDate>Thu, 22 Jan 2015 18:23:00 +0800</pubDate><description><![CDATA[转自：http://quantombone.blogspot.com/2015/01/from-feature-descriptors-to-deep.html



From feature descriptors to deep learning: 20 years of computer vision




We all know that deep convolutio]]></description><category></category></item><item><title><![CDATA[百度图像搜索探秘]]></title><link>https://blog.youkuaiyun.com/akunpoping/article/details/42875151</link><guid>https://blog.youkuaiyun.com/akunpoping/article/details/42875151</guid><author>akunpoping</author><pubDate>Mon, 19 Jan 2015 16:41:46 +0800</pubDate><description><![CDATA[转自：http://blog.sina.com.cn/s/blog_6ae183910101gily.html
百度上线新的相似图(similar image search)搜索，试了风景、人物、文字等不同类型query的效果，感觉效果非常赞。尤其对于人物搜索，返回的结果在颜色、以及姿态方面具有非常大的相似性。特别是在输入某个pose的美女图片时，会搜到一系列相近pose的美女图片，真的是宅男之]]></description><category></category></item><item><title><![CDATA[在VMware下搭建的Hadoop集群（提供下载）]]></title><link>https://blog.youkuaiyun.com/akunpoping/article/details/42869337</link><guid>https://blog.youkuaiyun.com/akunpoping/article/details/42869337</guid><author>akunpoping</author><pubDate>Mon, 19 Jan 2015 09:36:09 +0800</pubDate><description><![CDATA[本文提供了Hadoop虚拟机的下载地址，网络根据自己需求自行设置。]]></description><category></category></item><item><title><![CDATA[CentOS 下SSH无密码登录的配置]]></title><link>https://blog.youkuaiyun.com/akunpoping/article/details/42869081</link><guid>https://blog.youkuaiyun.com/akunpoping/article/details/42869081</guid><author>akunpoping</author><pubDate>Mon, 19 Jan 2015 08:57:13 +0800</pubDate><description><![CDATA[转载自：http://www.linuxidc.com/Linux/2012-05/61346.htm


CentOS 下SSH无密码登录的配置


最近学习Hadoop。它要求各节点之间通过SSH无密码登录，配置SSH的时候费了一番功夫，记录下来，以备忘。

配置SSH无密码登录需要3步：

    1.生成公钥和私钥

    2.导入公钥到认证文件,更改权限]]></description><category></category></item><item><title><![CDATA[STAIR Vision Library 安装配置心得（Windows平台下）]]></title><link>https://blog.youkuaiyun.com/akunpoping/article/details/39699391</link><guid>https://blog.youkuaiyun.com/akunpoping/article/details/39699391</guid><author>akunpoping</author><pubDate>Sat, 29 Nov 2014 21:24:08 +0800</pubDate><description><![CDATA[首先介绍一下STAIR Vision Library是一个关于计算机py]]></description><category></category></item><item><title><![CDATA[Markov Random Feilds]]></title><link>https://blog.youkuaiyun.com/akunpoping/article/details/41523407</link><guid>https://blog.youkuaiyun.com/akunpoping/article/details/41523407</guid><author>akunpoping</author><pubDate>Sat, 29 Nov 2014 21:20:06 +0800</pubDate><description><![CDATA[由于图像分割中经常用到MRF，条件随机场，主要介绍一下Probabilistic Graph Models 概率图模型和MRF的一些基础知识]]></description><category></category></item><item><title><![CDATA[最大流最小割算法]]></title><link>https://blog.youkuaiyun.com/akunpoping/article/details/41492999</link><guid>https://blog.youkuaiyun.com/akunpoping/article/details/41492999</guid><author>akunpoping</author><pubDate>Wed, 26 Nov 2014 11:07:28 +0800</pubDate><description><![CDATA[图像分割中用到最小割原理，引出了最大流最小割算法，主要参考来自UCLA CIVS的Hong Chen的PPT 《Introduction to Min-Cut/Max-Flow Algorithms》]]></description><category></category></item><item><title><![CDATA[理解 pkg-config 工具]]></title><link>https://blog.youkuaiyun.com/akunpoping/article/details/41248557</link><guid>https://blog.youkuaiyun.com/akunpoping/article/details/41248557</guid><author>akunpoping</author><pubDate>Tue, 18 Nov 2014 16:15:04 +0800</pubDate><description><![CDATA[你在 Unix 或 Linux 下开发过软件吗？写完一个程序，编译运行完全正常，在你本机上工作得好好的，你放到源代码管理系统中。然后，告诉你的同事说，你可以取下来用了。这时，你长长的出了一口气，几天的工作没有白费，多么清新的空气啊，你开始飘飘然了。

“Hi，怎么编译不过去？”你还沉浸在那种美妙的感觉之中，双臂充满着力量，似乎没有什么问题能难倒你的。正在此时，那个笨蛋已经冲着你嚷开了。

]]></description><category></category></item><item><title><![CDATA[分布式系统下的最小生成树算法（Distributed Minimum Spanning Tree）]]></title><link>https://blog.youkuaiyun.com/akunpoping/article/details/40785381</link><guid>https://blog.youkuaiyun.com/akunpoping/article/details/40785381</guid><author>akunpoping</author><pubDate>Tue, 04 Nov 2014 16:26:09 +0800</pubDate><description><![CDATA[1. 最小生成树（Minimum]]></description><category></category></item><item><title><![CDATA[设置Centos 7的默认启动项]]></title><link>https://blog.youkuaiyun.com/akunpoping/article/details/40623537</link><guid>https://blog.youkuaiyun.com/akunpoping/article/details/40623537</guid><author>akunpoping</author><pubDate>Thu, 30 Oct 2014 17:37:14 +0800</pubDate><description><![CDATA[安装了CentOS 7和Windows 7的双系统，想默认启动Windows 7，发现Centos 7和]]></description><category></category></item><item><title><![CDATA[大话数据结构读书笔记——第七章 图]]></title><link>https://blog.youkuaiyun.com/akunpoping/article/details/39378109</link><guid>https://blog.youkuaiyun.com/akunpoping/article/details/39378109</guid><author>akunpoping</author><pubDate>Thu, 18 Sep 2014 22:51:36 +0800</pubDate><description><![CDATA[一、图（Graph）是由顶点的有]]></description><category></category></item><item><title><![CDATA[大话数据结构读书笔记——第六章 树]]></title><link>https://blog.youkuaiyun.com/akunpoping/article/details/39368255</link><guid>https://blog.youkuaiyun.com/akunpoping/article/details/39368255</guid><author>akunpoping</author><pubDate>Thu, 18 Sep 2014 15:37:06 +0800</pubDate><description><![CDATA[一、树（Tree）是n（n>=0）个结点的]]></description><category></category></item><item><title><![CDATA[大话数据结构读书笔记——第二章 算法]]></title><link>https://blog.youkuaiyun.com/akunpoping/article/details/39339815</link><guid>https://blog.youkuaiyun.com/akunpoping/article/details/39339815</guid><author>akunpoping</author><pubDate>Wed, 17 Sep 2014 11:54:58 +0800</pubDate><description><![CDATA[一、算法：]]></description><category></category></item><item><title><![CDATA[大话数据结构读书笔记——第一章 数据结构绪论]]></title><link>https://blog.youkuaiyun.com/akunpoping/article/details/39339567</link><guid>https://blog.youkuaiyun.com/akunpoping/article/details/39339567</guid><author>akunpoping</author><pubDate>Wed, 17 Sep 2014 11:07:37 +0800</pubDate><description><![CDATA[一、程序设计=]]></description><category></category></item><item><title><![CDATA['MPD' object has no attribute 'myIP']]></title><link>https://blog.youkuaiyun.com/akunpoping/article/details/18264289</link><guid>https://blog.youkuaiyun.com/akunpoping/article/details/18264289</guid><author>akunpoping</author><pubDate>Tue, 14 Jan 2014 15:38:30 +0800</pubDate><description><![CDATA[声名：原文地址不详，若有侵权，还望提醒，谢谢！


运行MPD时出现：'MPD' object has no attribute 'myIP'
原因：可能Linux系统下的真实IP是127.0.0.1，机器无法识别IP，具体原因还望高手指点
解决办法：使用文本编辑器打开/etc/hosts，在文本末尾插入
127.0.0.1 xianyu xianyu
其中，xianyu指的是计算机]]></description><category></category></item><item><title><![CDATA[回归相关博文]]></title><link>https://blog.youkuaiyun.com/akunpoping/article/details/18137499</link><guid>https://blog.youkuaiyun.com/akunpoping/article/details/18137499</guid><author>akunpoping</author><pubDate>Sat, 11 Jan 2014 13:59:02 +0800</pubDate><description><![CDATA[学习线性回归，记录一下学习过程中一些不错的博文


最大似然估计(Maximum likelihood estimation)


对线性回归，logistic回归和一般回归的认识
一般来说，回归不用在分类问题上，因为回归是连续型模型，而且受噪声影响比较大。如果非要应用进入，可以使用logistic回归。
wiki:logit模型]]></description><category></category></item><item><title><![CDATA[分类与回归的概念区别]]></title><link>https://blog.youkuaiyun.com/akunpoping/article/details/18076559</link><guid>https://blog.youkuaiyun.com/akunpoping/article/details/18076559</guid><author>akunpoping</author><pubDate>Fri, 10 Jan 2014 10:28:22 +0800</pubDate><description><![CDATA[摘自：http://www.cnblogs.com/iamccme/archive/2013/05/15/3080737.html



一篇博文中讲述的基本概念，记录一下，作为备忘


监督学习中，如果预测的变量是离散的，我们称其为分类（如决策树，支持向量机等），如果预测的变量是连续的，我们称其为回归。回归分析中，如果只包括一个自变量和一个因变量，且二者的关系可用一条直线近似表示，]]></description><category></category></item><item><title><![CDATA[偏最小二乘回归（Partial Least Squares Regression）笔记]]></title><link>https://blog.youkuaiyun.com/akunpoping/article/details/18041611</link><guid>https://blog.youkuaiyun.com/akunpoping/article/details/18041611</guid><author>akunpoping</author><pubDate>Thu, 09 Jan 2014 16:15:52 +0800</pubDate><description><![CDATA[看一篇文章，其中提到了偏最小二乘回归PLS，PLS方法在普通多元回归的基础（最小二乘法），结合了主成分分析PCA和典型相关分析CCA的思想，解决回归分析中自变量多重共线性的问题。
首先需要补充一下PCA和CCA的基础知识，其中最小二乘法比较常见，参见百度百科：最小二乘法


1. 主成分分析PCA
了解PCA，当然是 
wiki:PCA，多元统计中，PCA在减少数据集的维数同时，保留住]]></description><category></category></item></channel></rss>