<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[kit_147的专栏]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/kit_147</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; kit_147]]></copyright><item><title><![CDATA[MATLAB链接MinGW编译器]]></title><link>https://blog.youkuaiyun.com/kit_147/article/details/50141407</link><guid>https://blog.youkuaiyun.com/kit_147/article/details/50141407</guid><author>kit_147</author><pubDate>Wed, 02 Dec 2015 04:11:39 +0800</pubDate><description><![CDATA[在MATLAB下常常需要编译C/C++文件，之前都用VS的，后来觉得太“重”了。MATLAB 2015b支持MinGW，参见：http://uk.mathworks.com/support/compilers/R2015b/index.html
这里要注意 MATLAB 2015b 现在只支持MInGW 4.9.2，最好的方法是从MATLAB里面安装：
打开MATLAB --> 选择Home ]]></description><category></category></item><item><title><![CDATA[文本挖掘预处理的流程总结]]></title><link>https://blog.youkuaiyun.com/kit_147/article/details/49601459</link><guid>https://blog.youkuaiyun.com/kit_147/article/details/49601459</guid><author>kit_147</author><pubDate>Tue, 03 Nov 2015 01:15:40 +0800</pubDate><description><![CDATA[本文转自：http://blog.youkuaiyun.com/lanxu_yy/article/details/29002543  作为备份




收集数据

总所周知，数据挖掘模型中非常重要的部分是训练模型，训练集与测试集便是整个数据挖掘过程中花费时间最多的过程。数据集通过有如下的一些途径获得：


经典数据集：Python NLTK 便提供了非常多经典的数据集。很多数据集都是手工标]]></description><category></category></item><item><title><![CDATA[Eclipse和PyDev搭建完美Python开发环境（Windows+Mac篇）]]></title><link>https://blog.youkuaiyun.com/kit_147/article/details/48211557</link><guid>https://blog.youkuaiyun.com/kit_147/article/details/48211557</guid><author>kit_147</author><pubDate>Fri, 04 Sep 2015 18:41:47 +0800</pubDate><description><![CDATA[本文转自http://www.cnblogs.com/realh/archive/2010/10/04/1841907.html

作者用的是32位windows+python2，在64位win7+python3上配置成功

1.准备工作：

下载32位的JDK6 Java的开发包 
 我也不想装这玩意儿，但是Eclipse依赖他，没办法。

下载32位的Eclipse （注1）]]></description><category></category></item><item><title><![CDATA[windows+Mac下安装Python以及科学计算套装安装(scipy、numpy、matplotlib)]]></title><link>https://blog.youkuaiyun.com/kit_147/article/details/48211437</link><guid>https://blog.youkuaiyun.com/kit_147/article/details/48211437</guid><author>kit_147</author><pubDate>Fri, 04 Sep 2015 18:38:17 +0800</pubDate><description><![CDATA[这篇文章内容主要借鉴自http://segmentfault.com/a/1190000002578179，作者用的是64位win7+python2.7然后在自己电脑上配置成功，记录下来以防忘记
环境：
系统：64位win7 (在win8上也适用成功)
Python: 3.0


安装包可以在https://pypi.python.org/pypi 中查找到
如果没有.exe版本，可]]></description><category></category></item><item><title><![CDATA[USING OPENCV 2.4.2 WITH VISUAL STUDIO 2012 ON WINDOWS 7 (64-BIT)]]></title><link>https://blog.youkuaiyun.com/kit_147/article/details/8539993</link><guid>https://blog.youkuaiyun.com/kit_147/article/details/8539993</guid><author>kit_147</author><pubDate>Thu, 24 Jan 2013 22:22:18 +0800</pubDate><description><![CDATA[转自 http://karanjthakkar.wordpress.com/2012/11/21/usin-opencv-2-4-2-with-visual-studio-2012-on-windows-7-64-bit/
作者KARAN THAKKAR




So before starting you’ll need to make sure you have these in]]></description><category></category></item><item><title><![CDATA[libsvm在64位linux下matlab编译]]></title><link>https://blog.youkuaiyun.com/kit_147/article/details/7417734</link><guid>https://blog.youkuaiyun.com/kit_147/article/details/7417734</guid><author>kit_147</author><pubDate>Sun, 01 Apr 2012 02:33:29 +0800</pubDate><description><![CDATA[现在写一下在matlab中从安装libsvm到使用。
1，安装
系统版本：redhat 6.0  

libsvm的版本：3.1.  下载地址：http://www.csie.ntu.edu.tw/~cjlin/libsvm/
matlab版本：2010b. 


1) 首先将matlab当前目录设为libsvm\matlab所在目录，并且保证Makefile文件中MATLABDI]]></description><category></category></item><item><title><![CDATA[【转载】计算机视觉族谱]]></title><link>https://blog.youkuaiyun.com/kit_147/article/details/6459548</link><guid>https://blog.youkuaiyun.com/kit_147/article/details/6459548</guid><author>kit_147</author><pubDate>Wed, 01 Jun 2011 16:13:00 +0800</pubDate><description><![CDATA[转自：http://blog.sciencenet.cn/home.php?mod=space&uid=350420&do=blog&id=302989paper毕竟是死的, 写paper的人才是活的. 那么我现在研究一下cv圈的格局, 按师承关系, 借鉴前人, 我总结a tree stucture of cv guys.David Marr----->Shimon Ullman (Weizmann) ----->Eric Grimson (MIT)       ----->Daniel Huttenloc]]></description><category></category></item><item><title><![CDATA[【转】稀疏表示和压缩感知学习资料集合]]></title><link>https://blog.youkuaiyun.com/kit_147/article/details/6446356</link><guid>https://blog.youkuaiyun.com/kit_147/article/details/6446356</guid><author>kit_147</author><pubDate>Thu, 26 May 2011 00:52:00 +0800</pubDate><description><![CDATA[<br />转自http://blog.youkuaiyun.com/alec1987/archive/2011/05/10/6408604.aspx<br />自己收藏用。<br /> <br /> <br />Sparse, L1-minimization, Compressive Sensing <br /> <br />Sparse大家并不陌生，是个经典话题了。而此时sparse已经卷土重来，虽然还是那一锅汤，但是药已经换了。<br />以L1-minimization为核心的算法，近几年飞速进展，Compre]]></description><category></category></item><item><title><![CDATA[学术搜索引擎集合]]></title><link>https://blog.youkuaiyun.com/kit_147/article/details/6347050</link><guid>https://blog.youkuaiyun.com/kit_147/article/details/6347050</guid><author>kit_147</author><pubDate>Sat, 23 Apr 2011 17:21:00 +0800</pubDate><description><![CDATA[<br />转自：http://blog.sciencenet.cn/home.php?mod=space&uid=454498&do=blog&id=377329<br /> <br />1、http://scholar.google.com/ <br />虽然还是Beta版，但个人已觉得现在已经是很好很强大了，Google学术搜索滤掉了普通搜索结果中大量的垃圾信息，排列出文章的不同版本以及被其它文章的引用次数。略显不足的是，它搜索出来的结果没有按照权威度（譬如影响因子、引用次数）依次排列，在中国搜索出来]]></description><category></category></item><item><title><![CDATA[【转】计算机视觉领域研究资源及期刊、会议介绍]]></title><link>https://blog.youkuaiyun.com/kit_147/article/details/6347000</link><guid>https://blog.youkuaiyun.com/kit_147/article/details/6347000</guid><author>kit_147</author><pubDate>Sat, 23 Apr 2011 17:01:00 +0800</pubDate><description><![CDATA[<br />转自： http://blog.sina.com.cn/s/blog_6833a4df0100nnem.html 该作者也是转载<br /> 做机器视觉和图像处理方面的研究工作，最重要的两个问题：其一是要把握住国际上最前沿的内容；其二是所作工作要具备很高的实用背景。解决第一个问题的办法就是找出这个方向公认最高成就的几个超级专家(看看他们都在作什么)和最权威的出版物(阅读上面最新的文献)，解决第二个问题的办法是你最好能够找到一个实际应用的项目，边做边写文章。做好这几点的途径之一就是利用网络资源，利]]></description><category></category></item><item><title><![CDATA[【转】dodo：人脸识别 III （方向问题）]]></title><link>https://blog.youkuaiyun.com/kit_147/article/details/6272345</link><guid>https://blog.youkuaiyun.com/kit_147/article/details/6272345</guid><author>kit_147</author><pubDate>Wed, 23 Mar 2011 20:57:00 +0800</pubDate><description><![CDATA[<br />转自：http://blog.sina.com.cn/s/blog_4d92192101008yrj.html<br /> dodo<br />兼答Williams兄问。http://prfans.com/forum/viewthread.php?tid=265<br />就像loveisp兄说的，人脸识别中已经解决的问题还很有限。值得研究的问题很多。关键是有没有恒心和能力去做的问题。这里就简单谈谈人脸识别方向问题。<br />1）detection<br />face detection 的进]]></description><category></category></item><item><title><![CDATA[【转】dodo: 人脸识别 II]]></title><link>https://blog.youkuaiyun.com/kit_147/article/details/6272339</link><guid>https://blog.youkuaiyun.com/kit_147/article/details/6272339</guid><author>kit_147</author><pubDate>Wed, 23 Mar 2011 20:55:00 +0800</pubDate><description><![CDATA[转自：http://blog.sina.com.cn/s/blog_4d92192101008en9.html (此贴最开始于 2007-7-21 20:23  发表在 prfans.com 上) dodo这篇文章是接着《dodo：人脸识别方法个人见解》，这个帖子主要是谈谈在上一篇中没有谈到或是一带而过的问题。和上一篇一样，还是就方法论方法。1，kernel methodsa. KPCA及其相关kernel席卷PAMI领域的趋势还在加强。原因很简单，绝大多数的问题都能和kernel挂上钩。在人脸识别里，KP]]></description><category></category></item><item><title><![CDATA[【转】dodo：人脸识别方法个人见解（一）]]></title><link>https://blog.youkuaiyun.com/kit_147/article/details/6272336</link><guid>https://blog.youkuaiyun.com/kit_147/article/details/6272336</guid><author>kit_147</author><pubDate>Wed, 23 Mar 2011 20:53:00 +0800</pubDate><description><![CDATA[<br />转自：http://blog.sina.com.cn/s/blog_4d92192101008en6.html<br /> <br />(此贴最开始于 2007-6-23 19:50 发表在 prfans.com 上) dodo <br />TPAMI = IEEE Transactions on PAMI 这个杂志<br />PAMI  是指 pattern analysis and machine intelligence这两个领域<br /><br />1）PCA和LDA及其相关方法<br]]></description><category></category></item><item><title><![CDATA[MATLAB读写技巧总结]]></title><link>https://blog.youkuaiyun.com/kit_147/article/details/6228094</link><guid>https://blog.youkuaiyun.com/kit_147/article/details/6228094</guid><author>kit_147</author><pubDate>Mon, 07 Mar 2011 08:46:00 +0800</pubDate><description><![CDATA[【kit_147 注】这实在是一篇极好的文，总结得很全面，不得不转啊！！转自 http://www.cnblogs.com/wmlong/archive/2010/10/31/1865580.html使用文本文件(.txt)进行数据存取的技巧总结<br />由于本帖内容较多，部分转自他人的心得，因此，凡转贴的地方仅用“----转----”标注，原作者略去，在此对所有原作者表示感谢！<br /> <br />特别说明：由于大家在 I/O 存取上以 txt 文件为主，且读取比存储更麻烦（存储的话 fwrite,]]></description><category></category></item><item><title><![CDATA[面向矩阵的编程——【转帖】写给matlab新手]]></title><link>https://blog.youkuaiyun.com/kit_147/article/details/6228037</link><guid>https://blog.youkuaiyun.com/kit_147/article/details/6228037</guid><author>kit_147</author><pubDate>Mon, 07 Mar 2011 04:37:00 +0800</pubDate><description><![CDATA[<br />【kit_147】这篇文章写得很好，很多时候用MATLAB写程序的确还是脱离不了用编程语言编程的思想；MATLAB其实是要“面向矩阵编程”，所以稍微有所不同。<br />转自 http://www.cnblogs.com/wmlong/archive/2010/10/31/1865578.html （貌似这个也是转帖）<br /> <br />写给MATLAB新手<br /> <br />本人接触matlab已经有5年多的时间了，一直想写点东西，但是之前不知道放在哪里才能发挥它的最大作用，直到几]]></description><category></category></item><item><title><![CDATA[科普文章-人脸识别发展历史介绍]]></title><link>https://blog.youkuaiyun.com/kit_147/article/details/6209004</link><guid>https://blog.youkuaiyun.com/kit_147/article/details/6209004</guid><author>kit_147</author><pubDate>Sat, 26 Feb 2011 01:53:00 +0800</pubDate><description><![CDATA[系统地介绍了人脸识别的发展历史，包括对各个发展阶段的概述以及对经典算法的简要介绍；是人脸识别入门学习的好材料]]></description><category></category></item><item><title><![CDATA[傅里叶变换的意义]]></title><link>https://blog.youkuaiyun.com/kit_147/article/details/6016825</link><guid>https://blog.youkuaiyun.com/kit_147/article/details/6016825</guid><author>kit_147</author><pubDate>Thu, 18 Nov 2010 00:52:00 +0800</pubDate><description><![CDATA[傅里叶变换就是将满足一定条件的某个函数表示成三角函数（正弦/余弦）或其积分的线性组合。傅里叶变换可以看出一种工具，将一个连续的信号（不方便处理）转换成一个个小信号的叠加（好处理）。就是将信号完成从时域表示到频域表示。信号本质没有变，转换后有助于后续处理。来看一个图，原图1-4及代码转自http://fashionxu.bokee.com/4632908.html ，第5个图是我加的。图3是由图1和图2两个三角函数波合成的，但是在时域表示下，很难对图3进行分析，于是，对图3执行傅里叶变换，转换到频域表示，如图]]></description><category></category></item><item><title><![CDATA[[转帖]漫谈 Clustering 系列]]></title><link>https://blog.youkuaiyun.com/kit_147/article/details/5988483</link><guid>https://blog.youkuaiyun.com/kit_147/article/details/5988483</guid><author>kit_147</author><pubDate>Thu, 04 Nov 2010 23:50:00 +0800</pubDate><description><![CDATA[<br />转自 浙大 张驰原 的博客。http://blog.pluskid.org<br /> 漫谈 Clustering 系列<br />http://blog.pluskid.org/?page_id=78<br /> <br />内容包括：漫谈 Clustering (1): k-means漫谈 Clustering (2): k-medoids漫谈 Clustering (番外篇): Vector Quantization漫谈 Clustering (3): Gaussian Mixture M]]></description><category></category></item><item><title><![CDATA[Linux软件安装常用方法]]></title><link>https://blog.youkuaiyun.com/kit_147/article/details/5986007</link><guid>https://blog.youkuaiyun.com/kit_147/article/details/5986007</guid><author>kit_147</author><pubDate>Wed, 03 Nov 2010 23:04:00 +0800</pubDate><description><![CDATA[、软件安装卸载，分几种情况：
A：
RPM包，这种软件包就像windows的EXE安装文件一样，各种文件已经编译好，并打了包，哪个文件该放到哪个文件夹，都指定好了，安装非常方便，在图形界面里你只需要双击就能自动安装。
==如何卸载:
1、打开一个SHELL终端
2、因为LINUX下的软件名都包括版本号，所以卸载前最好先确定这个软件的完整名称。
查找RPM包软件：rpm -qa ×××*
注意：×××指软件名称开头的几个字母，不要求写全，但别错，*就是通配符号“*”，即星号，如你想查找机子里安装]]></description><category></category></item><item><title><![CDATA[MATLAB Java builder的使用——在JAVA中调用MATLAB代码]]></title><link>https://blog.youkuaiyun.com/kit_147/article/details/5733867</link><guid>https://blog.youkuaiyun.com/kit_147/article/details/5733867</guid><author>kit_147</author><pubDate>Wed, 14 Jul 2010 11:32:00 +0800</pubDate><description><![CDATA[MATLAB从2006b的版本之后带有MATLAB Builder for Java（又叫Java Builder），是对MATLAB Compiler的扩展。用Java Builder可以将MATLAB函数包装到一个或多个Java类中形成一个Java组件或包。每个MATLAB函数被封装为Java类的一个方法，可以在Java应用程序中被调用。在MATLAB安装目录/toolbox下如果看到javabuilder文件夹，则说明已经安装MATLAB Builder for Java。配置步骤：软件：Eclips]]></description><category></category></item></channel></rss>