qq_25974431的博客

from numpy import * import operator def createDataSet(): group = array([[1.0, 1.1], [1.1, 1.0], [0, 0], [0, 0.1]]) labels = ['A', 'A', 'B', 'B'] return group, labels def classify0(inX, d

证明： 设r是灰度级，s是均衡化后的灰度级，范围是0-L(L一般是255)， 对图像进行统计，设均衡化前的灰度级的随机变量为X，概率密度函数为，均衡化后的随机变量为Y，概率密度函数为。我们通过统计已知X的概率分布，即已经知道了，设变换函数为s = T(r), 那么可以通过知道随机变量Y的分布函数 对(1)式两边求导的 因为均衡化后要求随...

#include <iostream> #include <opencv2/core/core.hpp> #include <opencv2/highgui/highgui.hpp> using namespace std; using namespace cv; const int slider_max = 64; int slider; Mat imag...

#include <iostream> #include <opencv2/core/core.hpp> #include <opencv2/highgui/highgui.hpp> using namespace std; using namespace cv; void colorReduce(Mat &inputImage, Mat...

原博客：https://blog.youkuaiyun.com/u013355826/article/details/64905921 前沿 看了图像处理有一段时间了，但是图像的通道和深度一直不理解，毕竟是比较抽象的概念。现在好好总结下，希望能帮助理解图像的通道和图像的深度。 基于OpenCV3.1.0版本 感谢贾志刚老师的视频以及QQ群 看了xiaowei_cqu的博客 看了毛星云的OpenCV3编程...

#include <iostream> #include <opencv2/core/core.hpp> #include <opencv2/highgui/highgui.hpp> #include <opencv2/imgproc/imgproc.hpp> using namespace std; using namespace cv; Ma...

import numpy as np import tensorflow as tf x_data = np.random.rand(100).astype(np.float32) y_data = x_data*0.1 + 0.3 Weight = tf.Variable(tf.random_uniform([1],-1.0, 1.0)) biases = tf.Variable(tf.ze...

import tensorflow as tf import numpy as np state = tf.Variable(0) #print(state.name),输出 "Counter:0" one = tf.constant(1) new_value = tf.add(state, one) update = tf.assign(state, new_value) init = tf...

这段代码纠结了很久，也调了很久，算是弄懂了，感觉还是应该写下来，以后可以看看，也方便有同样疑惑的同学节省时间首先贴上treePlotter.py的代码,这个自定义模块实现了所有的函数用于画决策树import matplotlib.pyplot as plt decisionNode = dict(boxstyle='sawtooth', fc='10') leafNode = dict(boxs...

原文：http://blog.youkuaiyun.com/songzitea/article/details/18219237引言当面对的数据被抽象为一组向量，那么有必要研究一些向量的数学性质。而这些数学性质将成为PCA的理论基础。理论描述向量运算即：内积。首先，定义两个维数相同的向量的内积为：(a1,a2,⋯,an)T⋅(b1,b2,⋯,bn)T=a1b1+a2b2+⋯+anbn内积运算将两个向量映射为一...

ContentsNotationDerivatives of Linear ProductsDerivatives of Quadratic ProductsNotationd/dx (y) isa vector whose (i) elementis dy(i)/dxd/dx (y) is a vectorwhose (i) elementis dy/dx(i)d/dx (yT)is a mat...

tile(A,reps)有两个参数A，reps，返回数组，用于将数组的每个维度进行重复 这个函数是在机器学习实战的k-近邻算法中看到的，下面是我查找的它的文档 Construct an array by repeating A the number of times given by reps. If `reps` has length ``d``, the result will ha

新建tree.py模块，写入下列代码，这里的所有函数共同完成了建立一个决策树from math import log import numpy as np import matplotlib as plt import operator def calcShannonEnt(dataSet): # 计算给定数据的香农熵 numEntries = len(dataSet)

定义两个函数，storeTree用于把决策树以二进制形式保存到文件中，grabTree从文件中读出决策树到内存def storeTree(inputTree, filename): ''' 序列化决策树,存入文件 :param inputTree: :param filename: :return: ''' import pickle

import sys class A: def __init__(self,str): self.str=str setattr(self.__class__,self.str,self.test) def test(self): print sys._getframe().f_code.co_name print s

这里的数字存储在一个文本文件中，是由32*32个0或1组成的数字矩阵,背景用0表示，数字用1表示 from numpy import * import operator import os def classify0(inX, dataSet, labels, k): dataSetSize = dataSet.shape[0] diffMat = tile(inX, (dat

#include <iostream> #include <cmath> #include <opencv2/core/core.hpp> #include <opencv2/highgui/highgui.hpp> using namespace std; using namespace cv; void statistics(Mat &...