liuyue2046的专栏

【转】(Sparse coding中关于矩阵的范数求导) 　　前言：　　由于在sparse coding模型中求系统代价函数偏导数时需要用到矩阵的范数求导，这在其它模型中应该也很常见，比如说对一个矩阵内的元素值进行惩罚，使其值不能过大，则可以使用F范数（下面将介绍）约束，查阅了下矩阵范数求导的相关资料，本节就简单介绍下。　　首先，网络上有大把的人把2范数和F=2

在前面谈到了一些正则化的思路和方法，接下来思考另外一个问题：为什么要正则化？首先来讨论机器学习中的几个基础的问题，通过这几个问题的理解，希望可以尽可能的回答为什么要正则化这样一个问题（很多都是自己的理解，不准确，欢迎讨论）。1. 训练数据不一定能近似真实的分布机器学习算法的目标还是希望使用traning data得出的模型能够在test data上有良好的效果，也就是tra

转自：http://cvnote.info/matlab-cv-ip-toolbox/计算机视觉/图像处理研究中经常要用到Matlab，虽然其自带了图像处理和计算机视觉的许多功能，但是术业有专攻，在进行深入的视觉算法研究的时候Matlab的自带功能难免会不够用。本文收集了一些比较优秀的Matlab计算机视觉工具箱，希望能对国内的研究者有所帮助。VLFeat：著名而常用

转自：http://blog.youkuaiyun.com/zddblog/article/details/7450033高斯模糊是一种图像滤波器，它使用正态分布(高斯函数)计算模糊模板，并使用该模板与原图像做卷积运算，达到模糊图像的目的。N维空间正态分布方程为：其中，σ是正态分布的标准差，σ值越大，图像越模糊(平滑)。r为模糊半径，模糊半径是指模板元素到模板中心的距离。如

************************************************************************************************************************************************************************************           在这里，我

VLFeat安装说明：VLFeat下载地址：http://www.vlfeat.org/index.html。在VS2008环境下配置：1.添加环境变量。在环境变量中加入你所解压VLFeat的位置。2.根据 http://www.vlfeat.org/vsexpress.html，逐步配置。注意最有一步中，”vl.dll $solutionDir“中间有空格。

层次聚类：每次减少一个数据量，循环进行，直到得到预定的聚类个数的数据为止。

在机器学习和数据挖掘中，我们经常需要知道个体间差异的大小，进而评价个体的相似性和类别。最常见的是数据分析中的相关分析，数据挖掘中的分类和聚类算法，如 K 最近邻（KNN）和 K 均值（K-Means）等等。根据数据特性的不同，可以采用不同的度量方法。一般而言，定义一个距离函数 d(x,y), 需要满足下面几个准则：1) d(x,x) = 0                    // 到自

机器视觉相关代码集合：这里只提供相关的连接。有兴趣的自己点击查看http://www.cvchina.info/codes/---   里面的东西挺多的。

灰度共生矩阵灰度共生矩阵法，顾名思义，就是通过计算灰度图像得到它的共生矩阵，然后透过计算这个共生矩阵得到矩阵的部分特征值，来分别代表图像的某些纹理特征（纹理的定义仍是难点）。灰度共生矩阵能反映图像灰度关于方向、相邻间隔、变化幅度的综合信息，它是分析图像的局部模式和它们排列规则的基础。对于灰度共生矩阵的理解，需要明确几个概念：方向，偏移量和灰度共生矩阵的阶数。计算机数