<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/dingfc</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; dingfc]]></copyright><item><title><![CDATA[Mean shift算法]]></title><link>https://blog.youkuaiyun.com/dingfc/article/details/10219595</link><guid>https://blog.youkuaiyun.com/dingfc/article/details/10219595</guid><author>dingfc</author><pubDate>Fri, 23 Aug 2013 13:41:09 +0800</pubDate><description><![CDATA[Mean Shift，我们 翻译为“均值飘移”。其在聚类，图像平滑。图像分割和跟踪方面得到了比较广泛的应用。由于本人目前研究跟踪方面的东西，故此主要介绍利用Mean Shift方法进行目标跟踪，从而对MeanShift有一个比较全面的介绍。
     （以下某些部分转载常峰学长的“Mean Shift概述”） Mean Shift 这个概念最早是由Fukunaga等人于1975年在一篇关于概率密]]></description><category></category></item><item><title><![CDATA[PCA-主成分分析]]></title><link>https://blog.youkuaiyun.com/dingfc/article/details/9979997</link><guid>https://blog.youkuaiyun.com/dingfc/article/details/9979997</guid><author>dingfc</author><pubDate>Thu, 15 Aug 2013 11:06:15 +0800</pubDate><description><![CDATA[#define DIMENTIONS	7
#define SAMPLE_NUM	5
float Coordinates[DIMENTIONS*SAMPLE_NUM]={
	101.5,100.4,97.0,98.7,100.8,114.2,104.2
	,100.8,93.5,95.9,100.7,106.7,104.3,106.4
	,100.8,97.4,98.2,98.2,99.5,103.]]></description><category></category></item><item><title><![CDATA[Mat CvMat IplImage类型转化]]></title><link>https://blog.youkuaiyun.com/dingfc/article/details/9949145</link><guid>https://blog.youkuaiyun.com/dingfc/article/details/9949145</guid><author>dingfc</author><pubDate>Tue, 13 Aug 2013 15:29:49 +0800</pubDate><description><![CDATA[一、Mat类型：矩阵类型，Matrix。


    在openCV中，Mat是一个多维的密集数据数组。可以用来处理向量和矩阵、图像、直方图等等常见的多维数据。

    Mat有3个重要的方法：

         1、Mat mat = imread(const String* filename);            读取图像

         2、imshow(con]]></description><category></category></item><item><title><![CDATA[opencv 基础结构Iplimage cvMat Mat]]></title><link>https://blog.youkuaiyun.com/dingfc/article/details/9925123</link><guid>https://blog.youkuaiyun.com/dingfc/article/details/9925123</guid><author>dingfc</author><pubDate>Mon, 12 Aug 2013 14:32:28 +0800</pubDate><description><![CDATA[一、Mat类型：矩阵类型，Matrix。
       在openCV中，Mat是一个多维的密集数据数组。可以用来处理向量和矩阵、图像、直方图等等常见的多维数据。
       Mat类型较CvMat与IplImage类型来说，有更强的矩阵运算能力，支持常见的矩阵运算。在计算密集型的应用当中，将CvMat与IplImage类型转化为Mat类型将大大减少计算时间花费。关于Mat的数学方面的函数略]]></description><category></category></item><item><title><![CDATA[支持向量机]]></title><link>https://blog.youkuaiyun.com/dingfc/article/details/9811769</link><guid>https://blog.youkuaiyun.com/dingfc/article/details/9811769</guid><author>dingfc</author><pubDate>Wed, 07 Aug 2013 08:51:19 +0800</pubDate><description><![CDATA[第一部分   引子

 

1. 支持向量机的目的是什么？

对于用于分类的支持向量机来说，给定一个包含正例和反例（正样本点和负样本点）的样本集合，支持向量机的目的是寻找一个超平面来对样本进行分割，把样本中的正例和反例用超平面分开，但是不是简单地分看，其原则是使正例和反例之间的间隔最大。

超平面是什么呢？简单地说，超平面就是平面中的直线在高维空间中的推广。那么，对于三维空间，超平]]></description><category></category></item><item><title><![CDATA[图像---傅里叶变换]]></title><link>https://blog.youkuaiyun.com/dingfc/article/details/9793695</link><guid>https://blog.youkuaiyun.com/dingfc/article/details/9793695</guid><author>dingfc</author><pubDate>Tue, 06 Aug 2013 16:22:50 +0800</pubDate><description><![CDATA[冈萨雷斯版里面的解释非常形象：一个恰当的比喻是将傅里叶变换比作一个玻璃棱镜。棱镜是可以将光分解为不同颜色的物理仪器，每个成分的颜色由波长（或频率）来决定。傅里叶变换可以看作是数学上的棱镜，将函数基于频率分解为不同的成分。当我们考虑光时,讨论它的光谱或频率谱。同样, 傅立叶变换使我们能通过频率成分来分析一个函数。


Fourier theory讲的就是：任何信号（如图像信号）都可以表示成一系]]></description><category></category></item><item><title><![CDATA[opencv图像基础（4）形象学处理]]></title><link>https://blog.youkuaiyun.com/dingfc/article/details/9224263</link><guid>https://blog.youkuaiyun.com/dingfc/article/details/9224263</guid><author>dingfc</author><pubDate>Tue, 02 Jul 2013 13:41:23 +0800</pubDate><description><![CDATA[形态学+：cvMorphologyEx提供了更多功能，参数operation提供了更多操作，


开运算（CV_MOP_OPEN），
闭运算（CLOSE）,
形态梯度（GRADIENT），
顶帽（TOPHAT）
黑帽（BLACKHAT），其中后三者可能需要temp图像（与原图像大小一致）。
开运算会消除高于领域的孤立点（孤白），闭运算相反。两者类似腐蚀和膨胀，但是能更好地保存源图像]]></description><category></category></item><item><title><![CDATA[opencv图像基础（2）直方图]]></title><link>https://blog.youkuaiyun.com/dingfc/article/details/9118255</link><guid>https://blog.youkuaiyun.com/dingfc/article/details/9118255</guid><author>dingfc</author><pubDate>Tue, 18 Jun 2013 10:41:45 +0800</pubDate><description><![CDATA[cvCreateHist

CvHistogram* cvCreateHist(
int dims,
int* sizes,
int type,
float** ranges=NUL
int uniform=1 );
typedef struct CvHistogram
{
int type;
CvArr* bins;
float thresh[CV_MAX_DIM][2]; /*]]></description><category></category></item><item><title><![CDATA[libsvm中tools(easy.py,subset.py,grid.py,checkdata.py)的使用]]></title><link>https://blog.youkuaiyun.com/dingfc/article/details/7634443</link><guid>https://blog.youkuaiyun.com/dingfc/article/details/7634443</guid><author>dingfc</author><pubDate>Tue, 05 Jun 2012 14:56:49 +0800</pubDate><description><![CDATA[这几天在用libsvm(2.8.6)中的一些工具,总结一下.

libsvm的一些工具还是非常有用的,1.可以调用subset.py将你的样本集合按你所想要的比例进行抽样出两个子样本集合.2.还可以调用grid.py做关于(C,gamma)的交叉验证参数选择,可以轻松的搜索到最好的参数对(C,gamma).3.还可以调用easy.ph一步到位完成svm的整个挖掘过程,最后得出交叉验证精度,最有]]></description><category></category></item><item><title><![CDATA[ansi和unicode（二）BasicExcel 操作Excel用中文"另存为"存档文件名显示乱码（Vs2008编译）]]></title><link>https://blog.youkuaiyun.com/dingfc/article/details/7444843</link><guid>https://blog.youkuaiyun.com/dingfc/article/details/7444843</guid><author>dingfc</author><pubDate>Tue, 10 Apr 2012 12:53:05 +0800</pubDate><description><![CDATA[Vs2008 编译BasicExcel 操作Excel用中文“另存为”，存档文件名显示乱码

比如我用"你好.xls"存档，实际显示“ÄãºÃ.xls”（我的工程设置Vs2008的字符集为“多字符集”）


而用Vc6.0编译 BasicExcel 操作Excel用中文“另存为”，存档文件名显示正常，真是郁闷了。


PS： 
从设置选项中可以看到，工程中使用的字符集可设置为“M]]></description><category></category></item></channel></rss>