KevinIceFire-优快云博客

转载 clapack.h(3592) : error C2144: syntax error : 'char ' should be preceded by ') '

转自：http://blog.sciencenet.cn/home.php?mod=space&uid=3199&do=blog&id=39165我从http://www.netlib.org/lapack/faq.html下载 lapack-pc-wfc.zip并且成功用watcom fortran编译出lapack.lib. 但是，当我试图将该库直接引用到我的C++工程

2014-02-24 09:57:50 1968

转载 Microsoft Office Professional Plus 2007在安装过程中出错

Microsoft Office Professional Plus 2007在安装过程中出错。 Windows Installer 服务不能更新一个或多个受保护的windows文件解决方法GHOST系统自带2003升级或卸载时出现Windows Installer 服务不能更新一个或多个受保护的windows文件解决方法：打开 C:\Pr

2014-01-24 16:26:58 2023

转载直方图均衡化

直方图均衡化的作用是图像增强。有两个问题比较难懂，一是为什么要选用累积分布函数，二是为什么使用累积分布函数处理后像素值会均匀分布。第一个问题。均衡化过程中，必须要保证两个条件：①像素无论怎么映射，一定要保证原来的大小关系不变，较亮的区域，依旧是较亮的，较暗依旧暗，只是对比度增大，绝对不能明暗颠倒；②如果是八位图像，那么像素映射函数的值域应在0和255之间的，不能越界。综合以上两个条

2014-01-04 15:15:40 1985

转载 LZW数据压缩算法的原理分析

我希望通过本文的介绍，能给那些目前不太了解lzw算法和该算法在gif图像中应用，但渴望了解它的人一些启发和帮助。抛砖引玉而已，更希望园子里面兄弟提出宝贵的意见。1.LZW的全称是什么? Lempel-Ziv-Welch (LZW).2. LZW的简介和压缩原理是什么？ LZW压缩算法是一种新颖的压缩方法，由Lemple-Ziv-Welch 三人共同创造，用他们的名字命名。它采

2014-01-02 20:06:19 918

转载图像处理和计算机视觉中的经典论文

感谢水木上同领域的同学分享，有了他的整理，让我很方便的获得了CV方面相关的经典论文，我也顺便整理一下，把pdf中的文字贴到网页上，方便其它人更直观的获取所要内容~~~ 资料的下载链接为： http://iask.sina.com.cn/u/2252291285/ish?folderid=775855 以下为该同学的整理的综述：“前言：最近由于工作

2013-12-31 13:13:16 1173

Adaboost是一种迭代算法，其核心思想是针对同一个训练集训练不同的分类器(弱分类器)，然后把这些弱分类器集合起来，构成一个更强的最终分类器 (强分类器)。其算法本身是通过改变数据分布来实现的，它根据每次训练集之中每个样本的分类是否正确，以及上次的总体分类的准确率，来确定每个样本的权值。将修改过权值的新数据集送给下层分类器进行训练，最后将每次训练得到的分类器最后融合起来，作为最后的决策分类器。使

2013-12-29 22:25:31 5141

转载 SVM的八股简介和线性分类器

（一）SVM的八股简介支持向量机(Support Vector Machine)是Cortes和Vapnik于1995年首先提出的，它在解决小样本、非线性及高维模式识别中表现出许多特有的优势，并能够推广应用到函数拟合等其他机器学习问题中[10]。支持向量机方法是建立在统计学习理论的VC 维理论和结构风险最小原理基础上的，根据有限的样本信息在模型的复杂性（即对特定训练样本的学习精度，Ac

2013-12-29 21:15:26 820

转载 Win7安vc2008编译报LINK : fatal error LNK1000: Internal error during IncrBuildImage

2013-12-28 13:28:55 668

转载卡尔曼滤波器 – Kalman Filter

卡尔曼滤波器 – KalmanFilter1．什么是卡尔曼滤波器（What is the Kalman Filter?）在学习卡尔曼滤波器之前，首先看看为什么叫“卡尔曼”。跟其他著名的理论（例如傅立叶变换，泰勒级数等等）一样，卡尔曼也是一个人的名字，而跟他们不同的是，他是个现代人！卡尔曼全名Rudolf Emil Kalman，匈牙利数学家，1930

2013-12-27 22:11:26 1314

转载 True Positive，True Negative，False Positive and False Negative

在做基于视觉的目标检测的过程中，这四个概念总也记不住，每次都要上网现查一下，干脆现在就放在这里，免得每次找的都很麻烦。表示分类正确：True Positive：本来是正样例，分类成正样例。True Negative：本来是负样例，分类成负样例。表示分类错误：False Positive ：本来是负样例，分类成正样例，通常叫误报。False Negative：本来是正

2013-12-27 11:06:52 1197

转载 AdaBoost人脸检测原理

AdaBoost人脸检测原理对人脸检测的研究最初可以追溯到 20 世纪 70 年代，早期的研究主要致力于模板匹配、子空间方法，变形模板匹配等。近期人脸检测的研究主要集中在基于数据驱动的学习方法，如统计模型方法，神经网络学习方法，统计知识理论和支持向量机方法，基于马尔可夫随机域的方法，以及基于肤色的人脸检测。目前在实际中应用的人脸检测方法多为基于Adaboost学习算法的方法。

2013-12-26 17:08:48 1982

转载关于人脸检测中的Haar特征提取

关于人脸检测中的Haar特征提取AdaBoost人脸检测训练算法速度很重要的两方面是特征选取和特征计算。选取的特征为矩特征为Haar特征，计算的方法为积分图。（1）Haar特征： Haar特征分为三类：边缘特征、线性特征、中心特征和对角线特征，组合成特征模板。特征模板内有白色和黑色两种矩形，并定义该模板的特征值为白色矩形像素和减去黑色矩形像素和。在确定了特征形式后 Harr-

2013-12-26 16:23:29 1054

转载 SIFT/SURF、haar特征、广义hough变换的特性对比分析

SIFT/SURF、haar特征、广义hough变换的特性对比分析SIFT/SURF基于灰度图，一、首先建立图像金字塔，形成三维的图像空间，通过Hessian矩阵获取每一层的局部极大值，然后进行在极值点周围26个点进行NMS，从而得到粗略的特征点，再使用二次插值法得到精确特征点所在的层（尺度），即完成了尺度不变。二、在特征点选取一个与尺度相应的邻域，求出主方向，其中SIFT

2013-12-26 16:01:27 936

转载 Harr-like feature-Harr-like特征详解

1. Haar-like特征，即很多人常说的Haar特征，是计算机视觉领域一种常用的特征描述算子。它最早是由Papageorigiou等人用于人脸描述。目前常用的Haar-like特征可以分为三类：线性特征、边缘特征、点特征（中心特征）、对角线特征。如下图所示：显然，边缘特征有4种：x方向，y方向，x倾斜方向，y倾斜方向；线特征有8种，点特征有2种，对角线特征有1种。每

2013-12-26 15:38:31 4735

转载提高编程技术十大必做

对你的编程技术提高最有效的一件事是什么？回复的人中给了很多很不错的建议，我把他们总结了一下，十条，相信一定会对你有用。(注意：顺序是我自己按我的个人经验排的)和比自己聪明的能力比自己强的人工作。学习他们的代码，他们的做事方法，看一看那些人是怎么处理错误的。总是倾听别人怎么说，无论那个的资历和职位是什么样的。实践，实践，实践，总是不满意于一开始出来的事。多问问自己，现在在写什么代

2013-12-20 19:26:09 698

转载 C语言实现二进制文件读写

C语言实现二进制文件读写(转载)文件的读写是挺基础，为了备忘也为了之后查资料方便，从网上找了这个例子，觉得写的很好，就转载过来了。先介绍函数，我们一共要用到三个函数，fopen，fread，fwrite。二进制读写的顺序是用fopen以二进制方式打开读写文件，然后使用fread和fwrite两个函数将数据写入二进制文件中。下面我们看看一个拷贝程序的源码：Copy.c

2013-12-12 15:31:29 1322

转载霍夫变换

Hough Transform 霍夫变换检测直线从理论到代码，再从代码到理论（1）理论之通俗理解：1.在图像中检测直线的问题，其实质是找到构成直线的所有的像素点。那么问题就是从找到直线，变成找到符合y=mx+c的所有(x,y)的点的问题。2.进行坐标系变化y=mx+c，变成c=-xm+b。直线上的点(x1,y1)，在转换坐标系后为一条直线。这个原理应该是高中的。 3.直线

2013-12-06 22:02:36 1409

转载计算机国际会议 ECCV CVPR ICCV

ICCV的全称是International Comference on Computer Vision，正如很多和他一样的名字的会议一行，这样最朴实的名字的会议，通常也是这方面最nb的会议。ICCV两年一次，与ECCV正好错开，是公认的三个会议中级别最高的。它的举办地方会在世界各地选，上次是在北京，下次在巴西，2009在日本。iccv上的文章看起来一般都比较好懂，我是比较喜欢的。

2013-11-24 18:38:23 2723 1

转载数据分析的方法有哪些？

1、数据分析遵循的原则：① 数据分析为了验证假设的问题，提供必要的数据验证；② 数据分析为了挖掘更多的问题，并找到原因；③ 不能为了做数据分析而做数据分析。2、步骤：① 调查研究：收集、分析、挖掘数据② 图表分析：分析、挖掘的结果做成图表3、常用方法：利用数据挖掘进行数据分析常用的方法主要有分类、回归分析、聚类、关联规则、特征、变化和偏差分析、Web页挖

2013-11-12 10:06:27 1392

转载 LSH local sensitive hash 局部敏感哈希简单理解

高维数据检索（high-dimentional retrieval)是一个有挑战的任务。对于给定的待检索数据（query），对数据库中的数据逐一进行相似度比较是不现实的，它将耗费大量的时间和空间。这里我们面对的问题主要有两个，第一，两个高维向量的相似度比较，第二，数据库中庞大的数据量。最终检索的复杂度是由这两点共同决定的。针对第一点，人们开发出很多hash算法，对原高维数据降维。针

2013-11-07 18:47:57 1581

转载局部敏感哈希(Locality-Sensitive Hashing, LSH)方法介绍

局部敏感哈希(Locality-Sensitive Hashing, LSH)方法介绍本文主要介绍一种用于海量高维数据的近似最近邻快速查找技术——局部敏感哈希(Locality-Sensitive Hashing, LSH)，内容包括了LSH的原理、LSH哈希函数集、以及LSH的一些参考资料。一、局部敏感哈希LSH在很多应用领域中，我们面对和需要处理

2013-11-05 20:49:31 1119

转载发表SCI或EI类英文文章的一些投稿经验[转载]

英文投稿的一点经验【转载】1. 首先一定要注意杂志的发表范围, 超出范围的千万别投,要不就是浪费时间;另外，每个杂志都有他们的具体格式要求，一定要按照他们的要求把论文写好，免得浪费时间，前些时候，我的一个同事向一个著名的英文杂志投稿，由于格式问题，人家过两个星期就退回来了，而且说了很多难听的话，说投稿前首先就应该看清楚他们的格式要求；2. 论文写作一定要言简意赅,特别是摘要,引言和结论

2013-11-01 15:04:57 3259

转载 MFC中UpdateData()函数的使用

当你使用了ClassWizard建立了控件和变量之间的联系后：当你修改了变量的值，而希望对话框控件更新显示，就应该在修改变量后调用 UpdateData(FALSE)；如果你希望知道用户在对话框中到底输入了什么，就应该在访问变量前调用UpdateData(TRUE)。用处：主要控制ddx_data 把控件中的值和变量进行交换比如你有个编辑框，输入了一些值，你的程序怎么得到呢；必须先

2013-10-31 20:10:59 779

转载初识MFC文档视图程序中多视图间的数据交互

MFC的文档/视图结构一直有些不想触及，因为以前在看《MFC Windows程序设计》一书的时候，被搞得晕头转向的。最近又在MFC下折腾了，折腾了一天做了个分隔窗口的单文档视图程序，分隔出了2个窗口，每个窗口都放了一个CFormView视图。接着就需要考虑这两个CFormView视图之间的数据交互了。举个简单的例子（在单文档视图程序中），比如我在View1中

2013-10-31 16:46:29 1343

转载 MFC获取文档、视图、程序、框架类的指针

当用VC++的Application Wizard生成除了CDialog Basiced以外的应用程序时，将自动产生视图类、文档类、主帧窗口类、应用程序类等等。一般来说，程序的核心数据及操作在文档类中实现。跟界面有关的数据及操作在视图类中实现。当需要在某个类中使用不属于该类的数据时，必须要取得该数据所属类的指针。从视图类获得文档类的指针是很容易的，用GetDocument即可，这在一般的

2013-10-29 10:57:54 1173

转载 MFC中视图分割（静态分割和动态分割）和视图间消息传递

MFC中视图分割是界面开发当中首先要解决的问题，在此做简单总结。在此，拿一个工程InfoClt做例:工程中文件如下：现在要对主视图做分割，分割的两部分分别是InfoCltView、SockView。分割代码如下:MainFrm.h[html] view plaincopyspan style="font

2013-10-28 14:04:57 3073

转载 MFC单文档中创建多视图

基本步骤如下：1.首先创建一个MFC单文档应用程序。2.添加4个MFC类TopLView、BottomLView、TopRView、BottomRView，基类为CView。3.添加一个MFC类CControlForm，基类为CFormView，对话框ID默认。4.创建一个切分类，如MySplitter，基类为CSplitterWnd(默认基类选项中无此类，自己添加

2013-10-28 09:39:43 1306

转载 MFC菜单自动折叠的问题

MFC菜单自动折叠的问题http://social.msdn.microsoft.com/Forums/en-US/vcmfcatl/thread/5482103e-272b-4c9f-bac4-be15f14782bd 解决办法You don't want the "intellegent menus" feature, some menu items are hi

2013-10-27 23:06:15 1318

转载 MFC 多文档程序不创建默认文档

步骤/方法1新建MFC项目，项目名为[nokongbai](根据自己的程序定，这里只是一个示例)2新建MFC多文档程序，或者单文档程序（这里选项多文档，只作为示例，选单文档亦可，请根据自己程序定夺），作为示例程序，在选择完多文档后直接点击【Finish】按钮，完成项目新建，或者也可以连续点击【Next】，一步步完成新建项目。

2013-10-27 22:10:08 1944

转载 cmake生成利用VTK库类的visual studio 2010 MFC工程

一，cmake简介：cmake 即是cmake - Cross-Platform Makefile Generator.是一个跨平台的安装(编译)工具,可以用简单的语句来描述所有平台的安装(编译过程)，能够输出各种各样的makefile或者project文件。用cmake生成工程的时候主要的依据是CMakeLists.txt文件，其是一种脚本文件，有很简单的语法，cmake就是根据

2013-10-27 21:22:58 1535

转载相似性度量

在做分类时常常需要估算不同样本之间的相似性度量(Similarity Measurement)，这时通常采用的方法就是计算样本间的“距离”(Distance)。采用什么样的方法计算距离是很讲究，甚至关系到分类的正确与否。　　本文的目的就是对常用的相似性度量作一个总结。本文目录：1. 欧氏距离2. 曼哈顿距离3. 切比雪夫距离4. 闵可夫斯

2013-10-17 14:56:15 746

转载 C++中的static关键字

C++的static有两种用法：面向过程程序设计中的static和面向对象程序设计中的static。前者应用于普通变量和函数，不涉及类；后者主要说明static在类中的作用。一、面向过程设计中的static1、静态全局变量在全局变量前，加上关键字static，该变量就被定义成为一个静态全局变量。我们先举一个静态全局变量的例子，如下：[cpp] view

2013-10-10 21:55:08 565

转载 Meanshift

Mean Shift算法,一般是指一个迭代的步骤,即先算出当前点的偏移均值,移动该点到其偏移均值,然后以此为新的起始点,继续移动,直到满足一定的条件结束. 1. Meanshift推导给定d维空间Rd的n个样本点 ,i=1,…,n,在空间中任选一点x，那么Mean Shift向量的基本形式定义为: Sk是一个

2013-10-06 10:09:33 713

原创仿射变换

仿射变换是空间直角坐标变换的一种，它是一种二维坐标到二维坐标之间的线性变换，保持二维图形的“平直线”和“平行性”，其可以通过一系列的原子变换的复合来实现，包括平移(Translation)、缩放（Scale）、翻转（Flip）、旋转（Rotation）和剪切(Shear)。此类变换可以用一个3×3的矩阵来表示，其最后一行为(0, 0, 1)。该变换矩阵将原坐标(x, y)变换为新坐标(x'

2013-10-05 21:44:45 1055

转载 PRML Chapter 9.2 Mixtures of Gaussians 混合高斯分布简介

单元高斯分布(The univariate Gaussian)，我们高中时就知道了，其表达式如下：N(x|μ,σ2)=1(2πσ2)1/2exp{−12σ2(x−μ)2}而多元高斯分布(Multivariate Gaussian Distribution)就是有多个参数控制的高斯分布，其均值是一个均值向量μ，设均值向量维度为D，而方差则是方差矩阵Σ，因此其表达式如下：N(x

2013-10-05 15:32:05 1435

转载均方根误差与标准差

标准差（std）：标准差定义是观测值与其平均数偏差的平方和的平方根。它反映组内个体间的离散程度。均方根误差（Rmse）：它是观测值与真值偏差的平方和观测次数n比值的平方根。　root-mean-square error，均方根误差亦称标准误差，其定义为，i=1，2，3，…n。在有限测量次数中，均方根误差常用下式表示：√[di*2/(n-1)]=Re，式中:n为测量次数；di

2013-10-04 17:18:34 8865

原创 UDP和TCP协议的各种应用和应用层协议

应用应用层协议运输层协议名字转换 DNS UDP文件传送 TFTP UDP路由选择协议 RIP UDPIP地址配置

2013-09-27 21:40:25 1400

转载 100 的阶乘末尾有多少个0?

原创】100的阶乘结果中末尾含有几个数字0【题目】今天在网上看到一道题目：100！结果数值中末尾有几个0？【分析】计算100！会溢出，所以使用将10分拆为10 = 2X5，在1~100中，寻找2的个数N(比如，4有两个2)，以及5的个数M，结果 X = M > N ? N : M;【图表分析】现在只分析5，

2013-09-27 16:03:53 1585

原创在排序数组中查找和为给定值的两个数字

题目：输入一个已经按升序排序过的数组和一个数字，在数组中查找两个数，使得它们的和正好是输入的那个数字。要求时间复杂度是O(n)。如果有多对数字的和等于输入的数字，输出任意一对即可。bool FindTwoNumbersWithSum(int data[], unsigned int length, int sum, int &num1, int &num2){ bool found

2013-09-26 21:09:30 703

原创判断整数序列是不是二元查找树的后序遍历结果

题目：输入一个整数数组，判断该数组是不是某二元查找树的后序遍历的结果。如果是返回true，否则返回false。例如输入5、7、6、9、11、10、8，由于这一整数序列是如下树的后序遍历结果：8 / \ 6 10 / \ / \ 5 7 9 11因此返回true。如果输入7、4、6、5，没有哪棵树的后序遍历的结果是这个序列，因此返回false。// Verify whethe

2013-09-26 20:13:26 856