<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[huiqun2001的专栏]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/huiqun2001</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; huiqun2001]]></copyright><item><title><![CDATA[半监督学习几种方法]]></title><link>https://blog.youkuaiyun.com/huiqun2001/article/details/18732767</link><guid>https://blog.youkuaiyun.com/huiqun2001/article/details/18732767</guid><author>huiqun2001</author><pubDate>Fri, 24 Jan 2014 13:43:45 +0800</pubDate><description><![CDATA[习

|举报|字号 订阅








 

半监督学习的算法分为如下几大类：

1.Self-training algorithm(自训练算法)

这个是最早提出的一种研究半监督学习的算法，也是一种最简单的半监督学习算法．

2.Multi-view algorithm(多视角算法)

一般多用于可以进行自然特征分裂的数据集中．考虑特殊情况（每个数据点]]></description><category></category></item><item><title><![CDATA[数据分类可视化matlab]]></title><link>https://blog.youkuaiyun.com/huiqun2001/article/details/18731055</link><guid>https://blog.youkuaiyun.com/huiqun2001/article/details/18731055</guid><author>huiqun2001</author><pubDate>Fri, 24 Jan 2014 11:33:10 +0800</pubDate><description><![CDATA[function fenlei_data
data=[
    7.0  12.3  14.2  20.0  37.2  43.5  69.3  83.0  96.7  98.0  99.9 
    6.0  15.8  20.5  29.5  43.8  61.8  75.0  91.5  99.7  100.0  100.0 
    8.7  24.1  41.3  54.0  7]]></description><category></category></item><item><title><![CDATA[图像在rgb和lab空间之间的转换]]></title><link>https://blog.youkuaiyun.com/huiqun2001/article/details/18730829</link><guid>https://blog.youkuaiyun.com/huiqun2001/article/details/18730829</guid><author>huiqun2001</author><pubDate>Fri, 24 Jan 2014 11:24:22 +0800</pubDate><description><![CDATA[http://blog.youkuaiyun.com/superdont/archive/2008/11/05/3224013.aspx

转化为lab色彩空间模式后，图像的显示情况和数组大小。

%designed by superdont

%lilizong@gmail.com
%2008.11.5

clc
r=imread('E:\watermark\image\lena512.]]></description><category></category></item><item><title><![CDATA[描述特征分类时常用绘制散点图程序]]></title><link>https://blog.youkuaiyun.com/huiqun2001/article/details/18730779</link><guid>https://blog.youkuaiyun.com/huiqun2001/article/details/18730779</guid><author>huiqun2001</author><pubDate>Fri, 24 Jan 2014 11:22:41 +0800</pubDate><description><![CDATA[绘制散点图：在散点图中画出每种颜色，在图中可以看出，六种颜色在a*和b*分量下能明显地分开，每种颜色比分成一块区域。

purple = [119/255 73/255 152/255];
plot_labels = {'k', 'r', 'g', purple, 'm', 'y'};
figure
for count = 1:nColors
plot(a(label==count-1]]></description><category></category></item><item><title><![CDATA[图像l,a,b空间的l通道的模糊C均值聚类]]></title><link>https://blog.youkuaiyun.com/huiqun2001/article/details/18730705</link><guid>https://blog.youkuaiyun.com/huiqun2001/article/details/18730705</guid><author>huiqun2001</author><pubDate>Fri, 24 Jan 2014 11:19:47 +0800</pubDate><description><![CDATA[http://blog.sina.com.cn/s/blog_50a6faf80100as9k.html

(2008-09-27 10:22:19)

TE转载TE





标签：



杂谈



 






模糊C均值聚类算法如下

1) 从n个数据集data = ( x1 , x2 , ..., xn ) 中，确定聚类域个数c ，]]></description><category></category></item><item><title><![CDATA[HSV与HSI转换]]></title><link>https://blog.youkuaiyun.com/huiqun2001/article/details/18730623</link><guid>https://blog.youkuaiyun.com/huiqun2001/article/details/18730623</guid><author>huiqun2001</author><pubDate>Fri, 24 Jan 2014 11:16:54 +0800</pubDate><description><![CDATA[好像HSV和HSI还有点区别   
  下面这个应该是正确的,这是《Video   demistified》上的，权威的说法，呵呵   
  RGB-to-HSV   Conversion:   
  (R,G,B取值范围0--1)   
  M=max(R,G,B)       m=min(R,G,B)   
  r=(M-R)/(M-m)     g=(M-G)/(M-m)     ]]></description><category></category></item><item><title><![CDATA[Matlab中RGB和HSI的相互转换]]></title><link>https://blog.youkuaiyun.com/huiqun2001/article/details/18730577</link><guid>https://blog.youkuaiyun.com/huiqun2001/article/details/18730577</guid><author>huiqun2001</author><pubDate>Fri, 24 Jan 2014 11:15:54 +0800</pubDate><description><![CDATA[Matlab中RGB和HSI的相互转换

HSI----->>>RGB:

复制内容到剪贴板

代码:

function rgb = hsi2rgb(hsi)

%HSI2RGB Converts an HSI image to RGB.

%   RGB = HSI2RGB(HSI) converts an HSI image to RGB, where HSI is]]></description><category></category></item><item><title><![CDATA[spearman相关系数]]></title><link>https://blog.youkuaiyun.com/huiqun2001/article/details/18730371</link><guid>https://blog.youkuaiyun.com/huiqun2001/article/details/18730371</guid><author>huiqun2001</author><pubDate>Fri, 24 Jan 2014 11:08:18 +0800</pubDate><description><![CDATA[spearman相关系数  

2010-05-26 09:59:10|  分类： 代码算法|举报|字号 订阅







function [r,t,p]=spear(x,y)
%Syntax: [r,t,p]=spear(x,y)
%__________________________
%
% Spearman's rank correalation coeffi]]></description><category></category></item><item><title><![CDATA[Spectral Clustering 算法中的谱聚类]]></title><link>https://blog.youkuaiyun.com/huiqun2001/article/details/18729987</link><guid>https://blog.youkuaiyun.com/huiqun2001/article/details/18729987</guid><author>huiqun2001</author><pubDate>Fri, 24 Jan 2014 10:54:16 +0800</pubDate><description><![CDATA[Spectral Clustering 算法的全貌：

1）根据数据构造一个 Graph ，Graph 的每一个节点对应一个数据点，将相似的点连接起来，并且边的权重用于表示数据之间的相似度。把这个 Graph 用邻接矩阵的形式表示出来，记为 W 。

2)把 的每一列元素加起来得到N 个数，把它们放在对角线上（其他地方都是零），组成一个N*N的矩阵，记为D 。并令L = D - W 。
]]></description><category></category></item><item><title><![CDATA[希腊字母的读法[转]]]></title><link>https://blog.youkuaiyun.com/huiqun2001/article/details/18729871</link><guid>https://blog.youkuaiyun.com/huiqun2001/article/details/18729871</guid><author>huiqun2001</author><pubDate>Fri, 24 Jan 2014 10:50:36 +0800</pubDate><description><![CDATA[希腊字母的读法[转]




 
希腊字母的读法 


英语拼写

α　Α　alpha [’ælfa] 
β　Β　beta [’bi:t? / ’beit?] 
γ　Γ　gamma [’gæm?]　 
δ　Δ　delta [’delt?] 
ε　Ε　epsilon [’epsil?n / ep’sail?n] 
ζ　Ζ　zeta [’zi:t?] 
η　Η　eta]]></description><category></category></item><item><title><![CDATA[SVM结果画图]]></title><link>https://blog.youkuaiyun.com/huiqun2001/article/details/18729821</link><guid>https://blog.youkuaiyun.com/huiqun2001/article/details/18729821</guid><author>huiqun2001</author><pubDate>Fri, 24 Jan 2014 10:49:28 +0800</pubDate><description><![CDATA[function svmplot(labels,dataset,model,demension1,demension2)
% svmplot by faruto
% 2009.12.03


if nargin == 3
    demension1 = 1;
    demension2 = 2;
end


%%
minX = min(dataset(:, demens]]></description><category></category></item><item><title><![CDATA[[转载]近期论文阅读计划]]></title><link>https://blog.youkuaiyun.com/huiqun2001/article/details/18729807</link><guid>https://blog.youkuaiyun.com/huiqun2001/article/details/18729807</guid><author>huiqun2001</author><pubDate>Fri, 24 Jan 2014 10:48:35 +0800</pubDate><description><![CDATA[[转载]近期论文阅读计划(2010-06-19 12:33:01)转载原文  

2010-07-12 21:29:32|  分类： 机器学习|举报|字号 订阅








http://blog.sina.com.cn/s/blog_6833a4df0100j9r7.html

原文地址：近期论文阅读计划作者：gaohaidong
1.流形学习方面：
JMLR ]]></description><category></category></item><item><title><![CDATA[Barcelona Dataset for Multi-label Image Annotation]]></title><link>https://blog.youkuaiyun.com/huiqun2001/article/details/7485534</link><guid>https://blog.youkuaiyun.com/huiqun2001/article/details/7485534</guid><author>huiqun2001</author><pubDate>Sat, 21 Apr 2012 23:18:14 +0800</pubDate><description><![CDATA[Barcelona Dataset for Multi-label Image 
Annotation(巴塞罗那的多标记图像标注数据集)
The Barcelona image dataset is composed of urban scenes from Barcelona. And consists of: 139 urban scene images in "jpeg" format;]]></description><category></category></item><item><title><![CDATA[基于多特征集成的图像自动标注方法研究]]></title><link>https://blog.youkuaiyun.com/huiqun2001/article/details/7485524</link><guid>https://blog.youkuaiyun.com/huiqun2001/article/details/7485524</guid><author>huiqun2001</author><pubDate>Sat, 21 Apr 2012 23:13:27 +0800</pubDate><description><![CDATA[基于多特征集成的图像自动标注方法研究 【中文摘要】随着数码设备和计算机网络的发展及广泛应用,数 字图像在计算机中的存储量呈爆炸式的增长。 为了实现计算机对海量 图像的自动管理,图像检索特别是图像自动标注成为近年来研究的重 点和热点。针对图像的多标注问题和“语义鸿沟”问题,本文研究使 用多特征集成的图像自动标注方法,以进一步提高图像自动标注的性 能。 本文的主要研究内容和创新点如下:(1)为解决传统]]></description><category></category></item><item><title><![CDATA[自动图像标注技术研究进展]]></title><link>https://blog.youkuaiyun.com/huiqun2001/article/details/7485399</link><guid>https://blog.youkuaiyun.com/huiqun2001/article/details/7485399</guid><author>huiqun2001</author><pubDate>Sat, 21 Apr 2012 22:19:02 +0800</pubDate><description><![CDATA[自动图像标注技术研究进展
Advances in Automatic Image Annotation

查看全文 下载全文
导出 添加到引用通知
分享到 |
下载PDF阅读器

doi：

摘要：
近年来,自动图像标注(Automatic Image Annotation,AIA)技术已经成为图像语义理解研究领域的热点.其基本思想是利用已标注图像集或其他可获得的信息自动学习]]></description><category></category></item><item><title><![CDATA[基于CUDA的医学影像数据处理工作站的配置方法]]></title><link>https://blog.youkuaiyun.com/huiqun2001/article/details/7485367</link><guid>https://blog.youkuaiyun.com/huiqun2001/article/details/7485367</guid><author>huiqun2001</author><pubDate>Sat, 21 Apr 2012 22:06:38 +0800</pubDate><description><![CDATA[基于CUDA的医学影像数据处理工作站的配置方法
王飞 高嵩 
【摘要】：目的:以个人电脑为平台,结合CUDA(Compute Unified Device Architecture,统一计算设备架构)以显著提高个人电脑的计算能力,使其能够承担大运算量医学影像数据处理任务。方法:CUDA是NVIDIA公司推出的一款运算模型,把GPU多线程并行性能引入除图像显示之外的领域,可以大幅提升个人电脑的运]]></description><category></category></item><item><title><![CDATA[DCMTK]]></title><link>https://blog.youkuaiyun.com/huiqun2001/article/details/7485328</link><guid>https://blog.youkuaiyun.com/huiqun2001/article/details/7485328</guid><author>huiqun2001</author><pubDate>Sat, 21 Apr 2012 21:51:52 +0800</pubDate><description><![CDATA[由于现在的医学影像设备的图像存储和传输正在逐渐向DICOM标准靠拢，在我们进行医学图像处理的过程中，经常需要自己编写和DICOM格式的图像相关的各种程序模块，以完成自己处理功能。如果从头开始理解DICOM的协议，然后完全自己编写这些代码来实现这些协议，是一件工程浩大的事情。德国offis公司开发的DCMTK，为我们提供了实现DICOM协议的一个平台，使得我们可以在它的基础上轻松的完成自己的主要工作]]></description><category></category></item><item><title><![CDATA[pacs]]></title><link>https://blog.youkuaiyun.com/huiqun2001/article/details/7485292</link><guid>https://blog.youkuaiyun.com/huiqun2001/article/details/7485292</guid><author>huiqun2001</author><pubDate>Sat, 21 Apr 2012 21:43:42 +0800</pubDate><description><![CDATA[在网上开到了这个dcm4chePACS，非常的喜欢。
dcm4chePACS 一个开源的采用j2ee技术构建的pacs 。
它利用Sun公司的Java Advanced Imaging Image I/O Tools 1.1 进行压缩/解压操作，支持hl7 dicom3.0 标准 ，J2EE服务器使用的是开源服务器JBOSS。
数据库使用的是开源数据库mysql，也可单独安装如下的数据库使用]]></description><category></category></item><item><title><![CDATA[配置一个open source pacs]]></title><link>https://blog.youkuaiyun.com/huiqun2001/article/details/7485288</link><guid>https://blog.youkuaiyun.com/huiqun2001/article/details/7485288</guid><author>huiqun2001</author><pubDate>Sat, 21 Apr 2012 21:41:40 +0800</pubDate><description><![CDATA[【项目内容描述】
配置一个开源pacs
服务器端:http://www.xs4all.nl/~ingenium/dicom.html (配置方法可参考http://www.medip.info/VTK/conQuest.rar中的部分内容,是部分内容,不是全部内容)
客户端:http://sourceforge.net/projects/mito/ (懂pacs的人,这部分就很简单了)

【接包方]]></description><category></category></item></channel></rss>