<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[BE A CREATOR]]></title><description><![CDATA[天才,就是比较"二"的人才]]></description><link>https://blog.youkuaiyun.com/luoyun614</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; luoyun614]]></copyright><item><title><![CDATA[无人驾驶的技术安全风险可以避免吗？]]></title><link>https://blog.youkuaiyun.com/luoyun614/article/details/52328963</link><guid>https://blog.youkuaiyun.com/luoyun614/article/details/52328963</guid><author>luoyun614</author><pubDate>Fri, 26 Aug 2016 15:36:14 +0800</pubDate><description><![CDATA[今年6月底，特斯拉自动驾驶汽车发生了一起致命意外，一时间无人驾驶的安全性被推到了风口浪尖。一直以来，虽然各个自动驾驶开发企业都都在不断的公开自动汽车的路测数据，但是自动驾驶的安全性问题一直是业内外认识争论的关键点，也是自动驾驶汽车能否顺利上路和顺利获得乘客、用户使用的关键。今日Uber更是收购了才成立了8个月的明星自动卡车公司Otto,并且在这几天陆续在没有有Uber的自动驾驶汽车上路了。]]></description><category></category></item><item><title><![CDATA[无监督学习（图像处理应用中）的前世今生]]></title><link>https://blog.youkuaiyun.com/luoyun614/article/details/52305658</link><guid>https://blog.youkuaiyun.com/luoyun614/article/details/52305658</guid><author>luoyun614</author><pubDate>Thu, 25 Aug 2016 01:03:42 +0800</pubDate><description><![CDATA[在机器学习和人工智能领域，相信大家都会非常了解机器学习可以分为有监督学习、无监督学习，或许中间再加一个半监督学习。我们也知道，目前大部分的有效和高精确度的学习方法都是使用有监督的学习方法来实现的。关于有监督，无监督和半监督的机器学习方法可以参考这篇文章《The 10 Algorithms Machine Learning Engineers Need to Know 》，同时，提供文章中提到的一本经典书籍之一：Peter Norvig教授的《人工智能——一种现代方法》。]]></description><category></category></item><item><title><![CDATA[对抗样本与生成式对抗网络]]></title><link>https://blog.youkuaiyun.com/luoyun614/article/details/52202348</link><guid>https://blog.youkuaiyun.com/luoyun614/article/details/52202348</guid><author>luoyun614</author><pubDate>Sat, 13 Aug 2016 23:34:28 +0800</pubDate><description><![CDATA[最近一个月，人工智能领域听的最多的名词之一，莫过于对抗样本和对抗性网络，从最开始Yann LeCun在Quora上直播时表示生成对抗性网络近期人工智能最值得期待的算法之一，到近日生成对抗性网络的发明者Ian Goodfellow在Quora上直播讲述自己的学习经历和研究，而对比起LeCun, Ian Goodfellow的知名度可能没有那么高，但是Goodfellow是Yoshua Bengio的学生，前Google科学家，现在被Elon Musk招到OpenAI做科学家。

	那到底什么是对抗样本？]]></description><category></category></item><item><title><![CDATA[Hi3518开发板开发总结]]></title><link>https://blog.youkuaiyun.com/luoyun614/article/details/46526645</link><guid>https://blog.youkuaiyun.com/luoyun614/article/details/46526645</guid><author>luoyun614</author><pubDate>Wed, 17 Jun 2015 02:34:21 +0800</pubDate><description><![CDATA[0. 前言
     
其实还挺忙的，但是这篇文章总结的内容我大概弄了两天，所以还是要总结一下，感觉都比较琐碎，但是免得下次又要重新做一部分的工作浪费精力。
   一般网上大部分的教程可能都是教用一台Windows的电脑做客户机，一台Linux的虚拟机，然后连上板子。我直接把Windows的那台机省了，因为我本身也不太习惯用windows做开发环境，使用windows的教程主要是因为可以用S]]></description><category></category></item><item><title><![CDATA[Boosting从原理到实现图像数组的训练]]></title><link>https://blog.youkuaiyun.com/luoyun614/article/details/44254269</link><guid>https://blog.youkuaiyun.com/luoyun614/article/details/44254269</guid><author>luoyun614</author><pubDate>Sat, 14 Mar 2015 02:52:26 +0800</pubDate><description><![CDATA[Boosting原理众做周知，boosting就是所谓的有多个弱分类器组成一个强分类器。而什么叫做弱分类学习和什么时候需要使用弱分类学习呢？弱分类学习弱分类学习：识别一组概念的正确率仅比随机猜的概率高一点。 
同理，当需要分类的训练组具有上述特点时，可以优先考虑使用boosting算法。]]></description><category></category></item><item><title><![CDATA[程序内执行shell命令自动获取局域网内所有在线IP和开放端口（Linux）]]></title><link>https://blog.youkuaiyun.com/luoyun614/article/details/42967695</link><guid>https://blog.youkuaiyun.com/luoyun614/article/details/42967695</guid><author>luoyun614</author><pubDate>Thu, 22 Jan 2015 00:54:14 +0800</pubDate><description><![CDATA[前言
        题目说的有点长，其实就是以下几件事，第一是让Shell命令可以在程序内执行，然后将执行结果传递给变量，从而可以进行后续的事务处理，第二是使用nmap命令获取当前局域网内所有在线IP和开放的端口，最后就是对nmap获得的结果进行处理，得到只有IP和端口的结果。
        Linux命令行的强大功能相信使用Linux的人都知道，一个命令等于你在windows用几百行甚至]]></description><category></category></item><item><title><![CDATA[Vim编程下自创Makefile模板]]></title><link>https://blog.youkuaiyun.com/luoyun614/article/details/42806875</link><guid>https://blog.youkuaiyun.com/luoyun614/article/details/42806875</guid><author>luoyun614</author><pubDate>Sat, 17 Jan 2015 18:18:45 +0800</pubDate><description><![CDATA[前言
       一直都对Linux和Vim情有独钟，其实windows也很不错，因为工作上难免有些情况只能使用windows进行开发，包括有些API或者SDK都只有windows版本，只是用Linux的时候就感觉和计算机特别亲近的感觉，哈哈哈，夸张而言。
       至于Vim(这里暂且不讨论vim和emacs谁更好的问题，这个是哲学问题)，对比起大多数人估计都习惯使用IDE进行编程，使]]></description><category></category></item><item><title><![CDATA[驾驭服务器——网络配置（超详细版本）]]></title><link>https://blog.youkuaiyun.com/luoyun614/article/details/42759615</link><guid>https://blog.youkuaiyun.com/luoyun614/article/details/42759615</guid><author>luoyun614</author><pubDate>Fri, 16 Jan 2015 02:16:12 +0800</pubDate><description><![CDATA[以前一直都是用虚拟机，而且用的是Desktop版本的，觉得很多东西都是理所当然的，这次直接给服务器装了系统，而且装的是server版本的，服务器还是那种大型的几万块的服务器，一下子要求高了很多，发现很多东西都是要自己配置的，然后弄了一下，终于弄好了，真不容易，发现我技术部分什么都做了，快全能了。
       本文的系统环境是unbuntu14.04 server LTS。]]></description><category></category></item><item><title><![CDATA[图像组训练过程的PCA和LDA应用方法]]></title><link>https://blog.youkuaiyun.com/luoyun614/article/details/42726405</link><guid>https://blog.youkuaiyun.com/luoyun614/article/details/42726405</guid><author>luoyun614</author><pubDate>Thu, 15 Jan 2015 01:28:58 +0800</pubDate><description><![CDATA[前言
       在图像的训练中，通常会把图像的每一个像素看做是一个变量，所以在图形训练的时候，变量的个数非常多，继而出现比较大的问题是变量之间往往有很多存在相关性，变量间的相关性会造成信息的重叠和分析的复杂性，所以使用主成分分析（Principal Componen Analys，简称“PCA”）进行降维是一个基本的方法。
       当使用了PCA进行降维后，我们介绍一个简单的分类器：]]></description><category></category></item><item><title><![CDATA[改进遗传算法优化数据中心动态网络流量分配]]></title><link>https://blog.youkuaiyun.com/luoyun614/article/details/42610561</link><guid>https://blog.youkuaiyun.com/luoyun614/article/details/42610561</guid><author>luoyun614</author><pubDate>Sun, 11 Jan 2015 15:49:20 +0800</pubDate><description><![CDATA[通常对于大型的数据中心网络（Data Center Networks, 简称DCN）来说，每一台服务器的使用情况是非常不一样的，而平均使用的情况几乎不存在，大部分的情况都是70%的使用和流量需求会集中在一小部分的服务器上，而这个也是通过LAN网络构建云计算中心所必不可免的问题。
        如图是大部分情况下数据中心服务器使用的热点情况：]]></description><category></category></item><item><title><![CDATA[步态能量图实现（二）]]></title><link>https://blog.youkuaiyun.com/luoyun614/article/details/42602037</link><guid>https://blog.youkuaiyun.com/luoyun614/article/details/42602037</guid><author>luoyun614</author><pubDate>Sun, 11 Jan 2015 03:26:42 +0800</pubDate><description><![CDATA[前言
     时隔半年，才写这个步态能量图（二），一方面是这次的实现使用了不同的数据库，另一方面，则是有了编码和思路上的改进。


本次改进
本次主要有以下三个方面的改进：
1. 实现的数据库是自动化所是的CASIA datasetB,之前实现的是USF的数据库，前者的数据量要比后者大得多。而且可以涉及到不同的角度，不同的行为（大衣、背包和正常）。
2. 编码上全部自动化提取文件夹]]></description><category></category></item><item><title><![CDATA[改善mysqli中使用DELETE的小bug]]></title><link>https://blog.youkuaiyun.com/luoyun614/article/details/42115637</link><guid>https://blog.youkuaiyun.com/luoyun614/article/details/42115637</guid><author>luoyun614</author><pubDate>Wed, 24 Dec 2014 00:54:22 +0800</pubDate><description><![CDATA[背景知识
      用PHP架设网站, 必然要与数据库做交互，现在像用LAMP假设网站的话，大部分都是用MySQL，（我自己对NoSQL的研究会比较多一些，但这个不是本文讨论的内容）。而使用MySQL，还可以使用mysqli，全称是MySQL improved。
mysqli可以通过制定SQL语句,使用prepare(),query()等函数与数据库进行交互。


问题描述]]></description><category></category></item><item><title><![CDATA[视频采集卡二次开发(天敏SDK2500+openCV)]]></title><link>https://blog.youkuaiyun.com/luoyun614/article/details/42048373</link><guid>https://blog.youkuaiyun.com/luoyun614/article/details/42048373</guid><author>luoyun614</author><pubDate>Sun, 21 Dec 2014 01:21:36 +0800</pubDate><description><![CDATA[一、视频开发难点
做视频二次开发最常遇到的问题有两个，一个是算法分析的问题，就是图像处理的问题，另一个就是视频流的问题，就是串口和数据解码的问题。通常来说，科研领域大多在研究前者，而民间的发烧友大多在弄后者，因为科研机构大多不需要考虑硬件开销，他们的目标就是把结果弄出来，而民间的发烧友大多对算法兴趣不大，喜欢搞硬件。


二、主题知识
这次的视频采集卡（又称“板卡”）考虑到性价比的问题，]]></description><category></category></item><item><title><![CDATA[【随机算法】Johnson-Lindenstrauss Theorem 详细解读]]></title><link>https://blog.youkuaiyun.com/luoyun614/article/details/39853259</link><guid>https://blog.youkuaiyun.com/luoyun614/article/details/39853259</guid><author>luoyun614</author><pubDate>Tue, 07 Oct 2014 13:14:32 +0800</pubDate><description><![CDATA[前言
      jiang]]></description><category></category></item><item><title><![CDATA[openCV2 的精髓——深入讲解Mat原理（非如何使用）]]></title><link>https://blog.youkuaiyun.com/luoyun614/article/details/39833531</link><guid>https://blog.youkuaiyun.com/luoyun614/article/details/39833531</guid><author>luoyun614</author><pubDate>Mon, 06 Oct 2014 22:41:12 +0800</pubDate><description><![CDATA[一直觉得openCV最牛逼的地方其实是图像数据的定义与存取使用]]></description><category></category></item><item><title><![CDATA[设计模式1——Abstract Factory模式（C++实现）]]></title><link>https://blog.youkuaiyun.com/luoyun614/article/details/25436579</link><guid>https://blog.youkuaiyun.com/luoyun614/article/details/25436579</guid><author>luoyun614</author><pubDate>Sat, 10 May 2014 00:18:12 +0800</pubDate><description><![CDATA[Factory]]></description><category></category></item><item><title><![CDATA[OpenCv2.4.5实现高斯混合模型的前景分离]]></title><link>https://blog.youkuaiyun.com/luoyun614/article/details/24858729</link><guid>https://blog.youkuaiyun.com/luoyun614/article/details/24858729</guid><author>luoyun614</author><pubDate>Fri, 02 May 2014 02:52:28 +0800</pubDate><description><![CDATA[之前据说基于2.3以上的高斯混合模型不显示前景]]></description><category></category></item><item><title><![CDATA[【error】LNK2038: mismatch detected for '_ITERATOR_DEBUG_LEVEL': value '0' doesn't match value]]></title><link>https://blog.youkuaiyun.com/luoyun614/article/details/24850615</link><guid>https://blog.youkuaiyun.com/luoyun614/article/details/24850615</guid><author>luoyun614</author><pubDate>Thu, 01 May 2014 22:11:36 +0800</pubDate><description><![CDATA[错误整理：]]></description><category></category></item><item><title><![CDATA[Qt实现按钮组件切换不同的内容组件]]></title><link>https://blog.youkuaiyun.com/luoyun614/article/details/24843315</link><guid>https://blog.youkuaiyun.com/luoyun614/article/details/24843315</guid><author>luoyun614</author><pubDate>Thu, 01 May 2014 16:12:49 +0800</pubDate><description><![CDATA[做Qt开发难免会遇到按钮组件，然后对内容组件进行切换的基础假设，]]></description><category></category></item><item><title><![CDATA[步态能量图的实现（一）]]></title><link>https://blog.youkuaiyun.com/luoyun614/article/details/24550319</link><guid>https://blog.youkuaiyun.com/luoyun614/article/details/24550319</guid><author>luoyun614</author><pubDate>Sat, 26 Apr 2014 19:00:15 +0800</pubDate><description><![CDATA[// CreateGEI.cpp : 定义控制台应用程序的入口点。
//
#include "stdafx.h"
#include 
#include 
#include 
#include 
using namespace std;
using namespace cv;
int main(int argc,char* argv[])
{
    char filename]]></description><category></category></item></channel></rss>