<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[智慧之树]]></title><description><![CDATA[发现自然之美，造就智慧结晶！]]></description><link>https://blog.youkuaiyun.com/shishc</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; shishc]]></copyright><item><title><![CDATA[下一站，香港]]></title><link>https://blog.youkuaiyun.com/shishc/article/details/35216877</link><guid>https://blog.youkuaiyun.com/shishc/article/details/35216877</guid><author>shishc</author><pubDate>Fri, 27 Jun 2014 23:47:29 +0800</pubDate><description><![CDATA[“向下扎根，汲取营养；向上shengzha”]]></description><category></category></item><item><title><![CDATA[机器学习（Machine Learning）大家与资源]]></title><link>https://blog.youkuaiyun.com/shishc/article/details/33734485</link><guid>https://blog.youkuaiyun.com/shishc/article/details/33734485</guid><author>shishc</author><pubDate>Mon, 23 Jun 2014 15:26:51 +0800</pubDate><description><![CDATA[=======================国外====================








Machine Learning 大家(1)：M. I. Jordan (http://www.cs.berkeley.edu/~jordan/)

   在我的眼里，M
 Jordan无疑是武林中的泰山北斗。他师出MIT，现在在berkeley坐镇一方
，在附近的]]></description><category></category></item><item><title><![CDATA[from local coordinate coding to local constrained linear coding]]></title><link>https://blog.youkuaiyun.com/shishc/article/details/25964221</link><guid>https://blog.youkuaiyun.com/shishc/article/details/25964221</guid><author>shishc</author><pubDate>Fri, 16 May 2014 11:26:44 +0800</pubDate><description><![CDATA[转载出处：http://hi.baidu.com/windey1988/item/de022800dfab8018acdc7066

                    http://blog.youkuaiyun.com/jwh_bupt/article/details/9837555


      最近阅读了关于Yu Kai，Yang Jianchao合著的文章，包括前面的博客中的那篇，一]]></description><category></category></item><item><title><![CDATA[Java基本开发环境搭建]]></title><link>https://blog.youkuaiyun.com/shishc/article/details/20700825</link><guid>https://blog.youkuaiyun.com/shishc/article/details/20700825</guid><author>shishc</author><pubDate>Fri, 07 Mar 2014 12:02:17 +0800</pubDate><description><![CDATA[一、开发工具获取
1、开发工具包JDK

● 下载地址：

到ORACLE公司官方网站(http://www.oracle.com/)下载。

 ● 下载文件的选择：

对于windows操作系统，最后下载的文件的文件名格式为：jdk-6uX-windows-i586.exe，其中“6uX”代表版本号，其中包含了JDK和JRE，文件大小大概70M； 例如笔者下载最新的JDK为Ja]]></description><category></category></item><item><title><![CDATA[LaTeX新人教程，30分钟从完全陌生到基本入门]]></title><link>https://blog.youkuaiyun.com/shishc/article/details/18813073</link><guid>https://blog.youkuaiyun.com/shishc/article/details/18813073</guid><author>shishc</author><pubDate>Mon, 27 Jan 2014 14:03:14 +0800</pubDate><description><![CDATA[LaTeX新人教程，30分钟从完全陌生到基本入门 

by Nan 

 

对于真心渴望迅速上手LaTeX的人，可以只看正文。

曾经在缝缝补补中变得长长的“前言”被我丢到了正文后面当“后记”。

后记部分可以跳过不看或只看粗体。




=============================================

下面是教程正文。（正文最后应大]]></description><category></category></item><item><title><![CDATA[DPM(Defomatble Parts Model)原理]]></title><link>https://blog.youkuaiyun.com/shishc/article/details/17238737</link><guid>https://blog.youkuaiyun.com/shishc/article/details/17238737</guid><author>shishc</author><pubDate>Tue, 10 Dec 2013 08:49:01 +0800</pubDate><description><![CDATA[DPM(Deformable Parts Model)

Reference:

Object detection with discriminatively trained partbased models. IEEE Trans. PAMI, 32(9):1627–1645, 2010.

"Support Vector Machines for Multiple-Instance]]></description><category></category></item><item><title><![CDATA[Deep Learning（持续更新……）]]></title><link>https://blog.youkuaiyun.com/shishc/article/details/17228153</link><guid>https://blog.youkuaiyun.com/shishc/article/details/17228153</guid><author>shishc</author><pubDate>Mon, 09 Dec 2013 20:12:13 +0800</pubDate><description><![CDATA[2006年的3篇论文打开了深度学习的格局，由Hinton的革命性的在深度信念网(Deep Belief Networks, DBNs)上的工作所引领：

Hinton, G. E., Osindero, S. and Teh, Y.,A fast learning algorithm for deep belief nets.Neural Computation 18:1527-1554, 2]]></description><category></category></item><item><title><![CDATA[从结构化风险最小化角度理解SVM]]></title><link>https://blog.youkuaiyun.com/shishc/article/details/17184773</link><guid>https://blog.youkuaiyun.com/shishc/article/details/17184773</guid><author>shishc</author><pubDate>Sat, 07 Dec 2013 11:12:39 +0800</pubDate><description><![CDATA[最近在讨论班上，LXH同学讲到Structural SVM with latent variables,最后大家提出了一个问题：他讲的怎么没体现出SVM的思想啊？？
        刚开始我也是这么想的，后来想了一下，也许可以换个角度理解SVM。
        统计学习方法由模型、策略和算法构成。模型是选择一个概率分布模型或者决策函数空间来模拟样本空间。策略是优化模型所用到的目标函数。算法是]]></description><category></category></item><item><title><![CDATA[Algorithms in Data Mining的经典总结]]></title><link>https://blog.youkuaiyun.com/shishc/article/details/17184333</link><guid>https://blog.youkuaiyun.com/shishc/article/details/17184333</guid><author>shishc</author><pubDate>Sat, 07 Dec 2013 09:16:11 +0800</pubDate><description><![CDATA[July：Top 10 Algorithms in Data Mining]]></description><category></category></item><item><title><![CDATA[svm 预测标签的概率输出]]></title><link>https://blog.youkuaiyun.com/shishc/article/details/17184269</link><guid>https://blog.youkuaiyun.com/shishc/article/details/17184269</guid><author>shishc</author><pubDate>Sat, 07 Dec 2013 09:07:21 +0800</pubDate><description><![CDATA[转载自：http://blog.youkuaiyun.com/xuhaijiao99/article/details/14519941
对于图片或文本，如果童鞋们需要初试分类效果，在MatLab做实验是比较简单的。例如：使用Libsvm库函数svmtrain()训练学习出一个模型Factor, 然后代入Factor，得到预测标签向量Predict_label。


但是，这些都是人家的工作，假若我们加]]></description><category></category></item><item><title><![CDATA[MatLab2012b/MatLab2013b 分类器大全(svm,knn,随机森林等)]]></title><link>https://blog.youkuaiyun.com/shishc/article/details/17184259</link><guid>https://blog.youkuaiyun.com/shishc/article/details/17184259</guid><author>shishc</author><pubDate>Sat, 07 Dec 2013 09:05:17 +0800</pubDate><description><![CDATA[转载自：http://blog.youkuaiyun.com/xuhaijiao99/article/details/15027093

train_data是训练特征数据, train_label是分类标签。
Predict_label是预测的标签。
MatLab训练数据, 得到语义标签向量 Scores(概率输出)。


1.逻辑回归(多项式MultiNomial logistic Regr]]></description><category></category></item><item><title><![CDATA[图像处理与计算机视觉基础，经典以及最近发展]]></title><link>https://blog.youkuaiyun.com/shishc/article/details/16368491</link><guid>https://blog.youkuaiyun.com/shishc/article/details/16368491</guid><author>shishc</author><pubDate>Sun, 17 Nov 2013 11:13:28 +0800</pubDate><description><![CDATA[原文的链接是http://www.iask.sina.com.cn/u/2252291285/ish。版权归 杨晓冬 朋友所有。



图像处理与计算机视觉基础，经典以及最近发展
By xdyang（杨晓冬xdyang.ustc@gmail.com）
一、 绪论
1. 为什么要写这篇文章
从2002年到现在，接触图像快十年了。虽然没有做出什么很出色的工作，不过在这个领域摸爬滚打了十]]></description><category></category></item><item><title><![CDATA[暂时规规矩矩用C]]></title><link>https://blog.youkuaiyun.com/shishc/article/details/12838477</link><guid>https://blog.youkuaiyun.com/shishc/article/details/12838477</guid><author>shishc</author><pubDate>Thu, 17 Oct 2013 16:08:20 +0800</pubDate><description><![CDATA[孟岩写的不错！http://blog.youkuaiyun.com/myan/article/details/1778843


语言毕竟只是工具，目的是解决问题，算法设计才是核心；但是必须要有一门上手的工具，才能把算法实现。
暂时先用好C，学好C++，学好C++是为了能看懂别人的代码，学好C是为了解决自己的问题。
孟岩另一篇blog快速掌握一个语言最常用的50%提到应该每年都学习一门新语言，本人也]]></description><category></category></item><item><title><![CDATA[理解矩阵]]></title><link>https://blog.youkuaiyun.com/shishc/article/details/12835283</link><guid>https://blog.youkuaiyun.com/shishc/article/details/12835283</guid><author>shishc</author><pubDate>Thu, 17 Oct 2013 12:22:20 +0800</pubDate><description><![CDATA[转自孟岩：http://blog.youkuaiyun.com/myan/article/details/647511


（一）


前不久chensh出于不可告人的目的，要充当老师，教别人线性代数。于是我被揪住就线性代数中一些务虚性的问题与他讨论了几次。很明显，chensh觉得，要让自己在讲线性代数的时候不被那位强势的学生认为是神经病，还是比较难的事情。

可怜的chensh，谁让你趟这个]]></description><category></category></item><item><title><![CDATA[目标检测的图像特征提取之（一）HOG特征]]></title><link>https://blog.youkuaiyun.com/shishc/article/details/12834423</link><guid>https://blog.youkuaiyun.com/shishc/article/details/12834423</guid><author>shishc</author><pubDate>Thu, 17 Oct 2013 11:10:42 +0800</pubDate><description><![CDATA[转自：http://blog.youkuaiyun.com/zouxy09/article/details/7929348

1、HOG特征：

       方向梯度直方图（Histogram of Oriented Gradient, HOG）特征是一种在计算机视觉和图像处理中用来进行物体检测的特征描述子。它通过计算和统计图像局部区域的梯度方向直方图来构成特征。Hog特征结合SVM分类器已经被广泛]]></description><category></category></item><item><title><![CDATA[Deformable Part Model的学习]]></title><link>https://blog.youkuaiyun.com/shishc/article/details/12749719</link><guid>https://blog.youkuaiyun.com/shishc/article/details/12749719</guid><author>shishc</author><pubDate>Tue, 15 Oct 2013 14:44:21 +0800</pubDate><description><![CDATA[转至http://bubblexc.com/y2011/422/

Deformable Part Model是最近两年最为流行的图像中物体检测模型，利用这个模型的方法在近几届PASCAL VOC Challenge中都取得了较好的效果。其作者，芝加哥大学的Pedro
 Felzenszwalb教授，也因为这项成就获得了VOC组委会授予的终身成就奖。有人认为这个模型是目前最好的物体检测算法。]]></description><category></category></item><item><title><![CDATA[SIFT特征提取分析]]></title><link>https://blog.youkuaiyun.com/shishc/article/details/11213931</link><guid>https://blog.youkuaiyun.com/shishc/article/details/11213931</guid><author>shishc</author><pubDate>Fri, 06 Sep 2013 13:33:21 +0800</pubDate><description><![CDATA[转自：http://blog.youkuaiyun.com/abcjennifer/article/details/7639681
 
SIFT（Scale-invariant feature transform）是一种检测局部特征的算法，该算法通过求一幅图中的特征点（interest points,or corner points）及其有关scale 和 orientation 的描述子得到特征并进行图]]></description><category></category></item><item><title><![CDATA[【转载】计算机视觉与模式识别 code]]></title><link>https://blog.youkuaiyun.com/shishc/article/details/11213499</link><guid>https://blog.youkuaiyun.com/shishc/article/details/11213499</guid><author>shishc</author><pubDate>Fri, 06 Sep 2013 13:27:44 +0800</pubDate><description><![CDATA[转自：http://www.cnblogs.com/robin-ty/archive/2013/02/20/2919292.html]]></description><category></category></item><item><title><![CDATA[[转载]和机器学习和计算机视觉相关的数学]]></title><link>https://blog.youkuaiyun.com/shishc/article/details/11213303</link><guid>https://blog.youkuaiyun.com/shishc/article/details/11213303</guid><author>shishc</author><pubDate>Fri, 06 Sep 2013 13:23:40 +0800</pubDate><description><![CDATA[转自：http://blog.sina.com.cn/s/blog_8ebf09370101gi81.html]]></description><category></category></item><item><title><![CDATA[光流法简单介绍]]></title><link>https://blog.youkuaiyun.com/shishc/article/details/11112517</link><guid>https://blog.youkuaiyun.com/shishc/article/details/11112517</guid><author>shishc</author><pubDate>Thu, 05 Sep 2013 10:27:17 +0800</pubDate><description><![CDATA[光流的概念是Gibson在1950年首先提出来的。它是空间运动物体在观察成像平面上的像素运动的瞬时速度，是利用图像序列中像素在时间域上的变化以及相邻帧之间的相关性来找到上一帧跟当前帧之间存在的对应关系，从而计算出相邻帧之间物体的运动信息的一种方法。一般而言，光流是由于场景中前景目标本身的移动、相机的运动，或者两者的共同运动所产生的。其计算方法可以分为三类：

（1）基于区域或者基于特征的匹配方]]></description><category></category></item></channel></rss>