线性回归，通俗点讲就是拟合的数据与真实数据间的差别，在这里主要参考徐士良编写的《常用算法程序集（C/C++描述）》里面的内容。这些算法原理是利用最小二乘进行拟合的，不是基于稳健的估算方法，因为它默认y值是真值，但实际中这个值是包含误差的。（1）随机样本分析（2）一元线性回归分析（3）多元线性回归分析（4）半对数数据相关（5）对数数据相关...

前言本文对计算机视觉传统方法中的一些特征提取方法进行了总结，主要包括有：SIFT(尺度不变特征变换)、HOG(方向梯度直方图)、SURF、ORB、LBP、HAAR目录[1] SIFT（尺度不变特征变换）[2] HOG（方向梯度直方图）[3] SIFT和HOG的比较[4] SIFT/HOG与神经网络特征提取的比较[5] 其他传统特征提取的方法（SURF、ORB、LBP、HAAR）先对几个概念和问题做一个解释： 图像为什么要灰度化？ 识别物体，最关键的因素是梯度（S...

snake是一种主动轮廓模型，笨妞对主动轮廓模型的理解：你先给它一个初始轮廓，模型以初始轮廓为基准逐步迭代，来改进图像的轮廓，使其更加精确。主动轮廓模型目前用到了2种：CV和snake。前者没有看算法内部的原理。而snake，以最原始的论文《Snakes: Active Contour Models》为出发点。1. snake原理snake在逐步迭代优化过程的目标是能量函数最小化，这个能量函数指的是轮廓能量和图像能量的总和（为什么要最小化这个能量总和，还不太清楚，论文也没有具体说）。snake的目标

学习图像分割算法，在网上找到的关于主动轮廓模型的实现代码，自己简化总结了一下，在这里和大家分享，欢迎提问snake是一种能量最小的曲线，表示为v(s) = (x(s), y(s)), s为归一化的曲线长度，s∈[0, 1]。能量函数由曲线内部能量和外部约束力（图像力）组成， 表示为Esnake= ∫Esnake(v(s))ds =∫...

relief算法Relief算法最早由Kira提出，最初局限于两类数据的分类问题。Relief算法是一种特征权重算法(Feature weighting algorithms)，根据各个特征和类别的相关性赋予特征不同的权重，权重小于某个阈值的特征将被移除。Relief算法中特征和类别的相关性是基于特征对近距离样本的区分能力。算法从训练集D中随机选择一个样本R，然后从和R同类的样本中寻找最近邻样本H，称为Near Hit，从和R不同类的样本中寻找最近邻样本M，称为NearMiss，然后根据以下规则更新每个

1、环境win10+cuda10.1+cudnn7.5+python3.7.2+tensorflow-gpu1.13,gpu是RTX2060。cuda10.1环境配置参考博客：https://blog.youkuaiyun.com/kenjianqi1647/article/details/100006970cuda配置vs教程：https://www.pianshen.com/article/83621715911/cuda10.1安装下载链接：https://developer.nvidia.com

这篇文章讲解的是使用Tensorflow实现残差网络resnet-50. 侧重点不在于理论部分，而是在于代码实现部分。在github上面已经有其他的开源实现，如果希望直接使用代码运行自己的数据，不建议使用本人的代码。但是如果希望学习resnet的代码实现思路，那么阅读本文将是一个不错的选择，因为本文的代码的思路是很清晰的。如果你刚刚阅读完resnet的那篇论文，非常建议你进一步学习如何使用代码实现resnet。本文包含源码的数据集。resnet只是在CNN上面增加了shortcut，所以，resnet

目前了解到的MATLAB中分类器有：K近邻分类器，随机森林分类器，朴素贝叶斯，集成学习方法，鉴别分析分类器，支持向量机。现将其主要函数使用方法总结如下，更多细节需参考MATLAB帮助文件。设　　训练样本：train_data%矩阵，每行一个样本，每列一个特征　　训练样本标签：train_label %列向量　　测试样本：test_data　　测试样本标签：test_labelK近邻分类器（KNN）mdl = Cl...