Voidwalkerxiaohui

Non-local Sparse Models for Image Restoration本文中作者提出了一种图像恢复算法，该算法的主要思想是确保图像的相似的图像块在同一个字典下的稀疏表示系数也是相似的，这样可以有效地恢复图像的结构信息，实验结果也进一步证明该算法在图像去燥和图像去马赛克方面取得比现有方法更好的结果。Abstract本文中提出两种图像恢复的方法：（1）learnin

印象笔记同步分享：Machine Learning—分类和聚类，监督学习和非监督学习

印象笔记同步分享：Machine Learning—决策树

印象笔记同步分享：Machine Learning—Linear Regression

印象笔记同步分享：Machine Learning—Generalized Linear Models广义线性模型

机器学习&数据挖掘中常用的分类和聚类整理：朴素贝叶斯：详细可以参考我的博文：朴树贝叶斯　　有以下几个地方需要注意：　　1. 如果给出的特征向量长度可能不同，这是需要归一化为通长度的向量（这里以文本分类为例），比如说是句子单词的话，则长度为整个词汇量的长度，对应位置是该单词出现的次数。　　2. 计算公式如下： 　　　　其中一项条件概率可以通过朴素贝叶斯

印象笔记同步分享：Machine Learning—k-nearest neighbor classification（k近邻分类）

前言　　最近几周花了点时间学习了下今年暑假龙星计划的机器学习课程，具体的课程资料参考见附录。本课程选讲了写ML中的基本模型，同时还介绍了最近几年比较热门，比较新的算法，另外也将ML理论和实际问题结合了起来，比如将其应用在视觉上，web上的等。总之，虽然课程内容讲得不是特别细（毕竟只有那么几节课），但是内容还算比较新和比较全的。学完这些课后，收获还算不少的，至少了解到了自己哪方面的知识比较弱

印象笔记同步分享：Machine Learning—Mixtures of Gaussians and the EM algorithm

印象笔记同步分享：Machine Learning—Online Learning

印象笔记同步分享：Machine Learning—The k-means clustering algorithm

印象笔记同步分享：Machine Learning—Support Vector Machines(1)

印象笔记同步分享：Machine Learning—Support Vector Machines(1)

印象笔记同步分享：Machine Learning—Naive Bayesian classification（朴素贝叶斯分类）

Machine Learning—AdaBoost algorithm1、基本算法思路就是"三个臭皮匠顶个诸葛亮"。将若干个弱分类器(base learner)组合起来，变成一个强分类器。大多数boosting方法都是通过不断改变训练数据的概率(权值)分布，来迭代训练弱学习器的。所以总结而言，boosting需要回答2个问题:1、如何改变训练数据的概率(权值)分布?提高哪些

UIUC的Jia-Bin Huang同学收集了很多计算机视觉方面的代码，链接如下：https://netfiles.uiuc.edu/jbhuang1/www/resources/vision/index.html 248 itemTopicNameReferenceLinkFeature Dete

印象笔记同步分享：Machine Learning—Classification and logistic regression