<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[geguojing的专栏]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/geguojing</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; geguojing]]></copyright><item><title><![CDATA[水表图片测试的逻辑]]></title><link>https://blog.youkuaiyun.com/geguojing/article/details/48808719</link><guid>https://blog.youkuaiyun.com/geguojing/article/details/48808719</guid><author>geguojing</author><pubDate>Tue, 29 Sep 2015 17:10:26 +0800</pubDate><description><![CDATA[1.图片的二值化（变成0,1）在二值化之后的图片上在列的方向上求直方图
2，如果直方图为0，则认为这个区域没有数字。对图片进行分割出来五个区域
3。粗落的分割方式是对图片切成五块小区域。
      把分割出来的图片resize 到28*28 的灰度图（为啥是28*28 的灰度图，因为送进网络训练的图片是28*28 的灰度图）
4. 把matlab 下面的.caffemodel 和 。pr]]></description><category></category></item><item><title><![CDATA[linux命令学习笔记]]></title><link>https://blog.youkuaiyun.com/geguojing/article/details/48544089</link><guid>https://blog.youkuaiyun.com/geguojing/article/details/48544089</guid><author>geguojing</author><pubDate>Fri, 18 Sep 2015 11:20:47 +0800</pubDate><description><![CDATA[http://blog.youkuaiyun.com/tangwei2014/article/details/46714589


copy:
$ cp file1 file2
$ cp -r dir1 dir212

move:
$ mv file ..
$ mv file dir/12

rename:
$ mv file1 file2
$ mv dir1 dir2 # dir2如果存]]></description><category></category></item><item><title><![CDATA[《机器学习实战》笔记之五——Logistic回归]]></title><link>https://blog.youkuaiyun.com/geguojing/article/details/48287003</link><guid>https://blog.youkuaiyun.com/geguojing/article/details/48287003</guid><author>geguojing</author><pubDate>Tue, 08 Sep 2015 09:59:28 +0800</pubDate><description><![CDATA[转载自：http://blog.youkuaiyun.com/u010454729/article/details/48274955

第五章 Logistic回归



回归：对一些数据点，算法训练出直线参数，得到最佳拟合直线，能够对这些点很好的拟合。

训练分类器主要是寻找最佳拟合参数，故为最优化算法。


5.1 基于Logistic回归和sigmoid函数的分类


实现L]]></description><category></category></item><item><title><![CDATA[NlS 项目]]></title><link>https://blog.youkuaiyun.com/geguojing/article/details/46563133</link><guid>https://blog.youkuaiyun.com/geguojing/article/details/46563133</guid><author>geguojing</author><pubDate>Fri, 19 Jun 2015 17:08:29 +0800</pubDate><description><![CDATA[结算表里面的东西：
1. 5台DELL 的电脑
2. 几台服务器
3.从去年十月份的学生的工资 导出来 大概30-40W 的工资
交接清单里面的东西：
1. 加上USB 的延长线
2.BNC 的线可以去掉
3.我们给他们的软件（平台什么的都要写进去）
4.智慧城市的数据在提交一遍
5. 跑一遍DEEPID，要overfiting W 老师说CASIA 的数据库人脸个数太少了，要混]]></description><category></category></item><item><title><![CDATA[NLS需要采购的东西]]></title><link>https://blog.youkuaiyun.com/geguojing/article/details/46468789</link><guid>https://blog.youkuaiyun.com/geguojing/article/details/46468789</guid><author>geguojing</author><pubDate>Fri, 12 Jun 2015 15:12:48 +0800</pubDate><description><![CDATA[NLS 我们需要做的事情
1.dvi 转HDMI 的线的长度：（一端是电视，一端是dell 的显示器）
2.DVR 的BNC 的线的长度：15米
3.电视的牌子，什么时候买，什么时候装。
4.USB的摄像头
5.汉王的门禁
6.15号交课件
7.20号交终期报告（包含移交清单跟结算表）
8.模拟的摄像头 4个 牌子型号
9.DVR  8路一台
9.电脑 显示器各一台]]></description><category></category></item><item><title><![CDATA[NEDI 算法]]></title><link>https://blog.youkuaiyun.com/geguojing/article/details/37694975</link><guid>https://blog.youkuaiyun.com/geguojing/article/details/37694975</guid><author>geguojing</author><pubDate>Fri, 11 Jul 2014 17:54:04 +0800</pubDate><description><![CDATA[NEDI 算法的基本思想是先急速那]]></description><category></category></item><item><title><![CDATA[插值算法]]></title><link>https://blog.youkuaiyun.com/geguojing/article/details/37691915</link><guid>https://blog.youkuaiyun.com/geguojing/article/details/37691915</guid><author>geguojing</author><pubDate>Fri, 11 Jul 2014 14:19:02 +0800</pubDate><description><![CDATA[最近看了一些图像插值的算法，比如biqubic 跟 bilinear 
我的最初的理解是]]></description><category></category></item><item><title><![CDATA[imfilter 的用法]]></title><link>https://blog.youkuaiyun.com/geguojing/article/details/34433713</link><guid>https://blog.youkuaiyun.com/geguojing/article/details/34433713</guid><author>geguojing</author><pubDate>Fri, 11 Jul 2014 10:43:55 +0800</pubDate><description><![CDATA[http://www.ilovematlab.cn/thread-1916-1-1.html
imfilter 的用法：]]></description><category></category></item><item><title><![CDATA[图像增强的方法]]></title><link>https://blog.youkuaiyun.com/geguojing/article/details/37567473</link><guid>https://blog.youkuaiyun.com/geguojing/article/details/37567473</guid><author>geguojing</author><pubDate>Tue, 08 Jul 2014 21:53:39 +0800</pubDate><description><![CDATA[图像增强有一些比较基本的方法：]]></description><category></category></item><item><title><![CDATA[matlab 小技巧]]></title><link>https://blog.youkuaiyun.com/geguojing/article/details/36704425</link><guid>https://blog.youkuaiyun.com/geguojing/article/details/36704425</guid><author>geguojing</author><pubDate>Thu, 03 Jul 2014 21:40:24 +0800</pubDate><description><![CDATA[今天在看别人程序的时候看到一]]></description><category></category></item><item><title><![CDATA[过拟合]]></title><link>https://blog.youkuaiyun.com/geguojing/article/details/27234431</link><guid>https://blog.youkuaiyun.com/geguojing/article/details/27234431</guid><author>geguojing</author><pubDate>Tue, 27 May 2014 22:31:22 +0800</pubDate><description><![CDATA[hilton 在ImageNet Classfication with Deep Covolutional Neural Networks 文章中]]></description><category></category></item><item><title><![CDATA[师兄博士答辩有感]]></title><link>https://blog.youkuaiyun.com/geguojing/article/details/27230311</link><guid>https://blog.youkuaiyun.com/geguojing/article/details/27230311</guid><author>geguojing</author><pubDate>Tue, 27 May 2014 20:00:25 +0800</pubDate><description><![CDATA[下午去听了我们组博士的答辩。第一个挺的是FW的。看了他的PPT 发现自己硕士的PPT 写的很烂。基本上大家一般都有四篇以上的文章，然后每个文章是一个主题，当然也不排除在一个主题下面有多篇文章。他对原有的方法基本上做了一个总结，比如现有的什么方法。每个方法有什么优点。什么缺点（用红色的字体标出来），然后针对这个缺点我们提出了什么方法。来解决这个问题。如果这个问题有多个缺点，然后我们会根据一个缺点来改]]></description><category></category></item><item><title><![CDATA[opencv 与matlab 不同步]]></title><link>https://blog.youkuaiyun.com/geguojing/article/details/26699455</link><guid>https://blog.youkuaiyun.com/geguojing/article/details/26699455</guid><author>geguojing</author><pubDate>Fri, 23 May 2014 14:16:44 +0800</pubDate><description><![CDATA[同样的一副图片 从原始的图片]]></description><category></category></item><item><title><![CDATA[ICIP]]></title><link>https://blog.youkuaiyun.com/geguojing/article/details/26512873</link><guid>https://blog.youkuaiyun.com/geguojing/article/details/26512873</guid><author>geguojing</author><pubDate>Wed, 21 May 2014 22:08:29 +0800</pubDate><description><![CDATA[今天ICIP 发榜了，实验室有两个人中了。我觉得自己很失败。别人说。你要看上去hao]]></description><category></category></item><item><title><![CDATA[lbfgs]]></title><link>https://blog.youkuaiyun.com/geguojing/article/details/26395717</link><guid>https://blog.youkuaiyun.com/geguojing/article/details/26395717</guid><author>geguojing</author><pubDate>Tue, 20 May 2014 22:20:20 +0800</pubDate><description><![CDATA[认识这个算法也算很久了，最早做图像分类的时候，在余凯的程序，]]></description><category></category></item><item><title><![CDATA[BFGS 算法]]></title><link>https://blog.youkuaiyun.com/geguojing/article/details/26015065</link><guid>https://blog.youkuaiyun.com/geguojing/article/details/26015065</guid><author>geguojing</author><pubDate>Fri, 16 May 2014 22:45:27 +0800</pubDate><description><![CDATA[BFGS 算法是拟牛顿算法的一种。我们知道不管是梯度下降、共轭梯度、还是牛顿法，我们都要解决两个问题，一个是下降方向，一个是搜索步长。搜索步长我们一般采取的方法是用满足wolf 条件的线搜索。
本节我们主要介绍BFGS 算法。对于这个算法。我们首先需要知道的是它是一个秩为2的算法。以及它为什么可以用来计算的原因。]]></description><category></category></item><item><title><![CDATA[面试题]]></title><link>https://blog.youkuaiyun.com/geguojing/article/details/25833863</link><guid>https://blog.youkuaiyun.com/geguojing/article/details/25833863</guid><author>geguojing</author><pubDate>Wed, 14 May 2014 22:27:56 +0800</pubDate><description><![CDATA[最近面试一些算法题的整理]]></description><category></category></item><item><title><![CDATA[matlab 函数的一些常用函数]]></title><link>https://blog.youkuaiyun.com/geguojing/article/details/25159891</link><guid>https://blog.youkuaiyun.com/geguojing/article/details/25159891</guid><author>geguojing</author><pubDate>Tue, 06 May 2014 21:42:49 +0800</pubDate><description><![CDATA[squeeze  函数
   feature = flipud(fliplr(squeeze(feature)));]]></description><category></category></item><item><title><![CDATA[pca 与 whitening]]></title><link>https://blog.youkuaiyun.com/geguojing/article/details/25074747</link><guid>https://blog.youkuaiyun.com/geguojing/article/details/25074747</guid><author>geguojing</author><pubDate>Mon, 05 May 2014 20:11:06 +0800</pubDate><description><![CDATA[主成分分析是经常用到的。最近在xuexi]]></description><category></category></item><item><title><![CDATA[梯度下降法之二]]></title><link>https://blog.youkuaiyun.com/geguojing/article/details/24740171</link><guid>https://blog.youkuaiyun.com/geguojing/article/details/24740171</guid><author>geguojing</author><pubDate>Tue, 29 Apr 2014 21:34:03 +0800</pubDate><description><![CDATA[我感觉这个步长的求解，有点像]]></description><category></category></item></channel></rss>