- 博客(27)
- 资源 (1)
- 收藏
- 关注
RSS订阅原创 英文论文摘要写法心得
摘要写法心得摘要—摘取精要 摘要是论文的第一部分，也是读者们初次判断这篇文章大致内容和重要性的依据。 摘要的内容要包含以下四个部分： 1) 本文的目的或要解决的问题(What I want to do?) 2) 解决问题的方法及过程(How I did it?) 3) 主要结果及结论(What results did I get and what conclusions can I dra
2017-03-16 10:19:09
8781
原创 GAN生成对抗网络发展史-文章整理
2014 GAN 《Generative Adversarial Networks》-Ian Goodfellow, arXiv:1406.2661v1
2017-03-09 09:19:45
10747
原创 Python处理脑电数据：PCA数据降维
pca.py#!-coding:UTF-8-from numpy import *import numpy as npdef loadDataSet(fileName, delim='\t'): fr = open(fileName) stringArr = [line.strip().split(delim) for line in fr.readlines()] d
2016-11-01 21:35:42
6322
原创 Python读取.mat文件 （脑电数据）
数据读取 #!-coding:UTF-8import matplotlib.pyplot as pltfrom pylab import *import numpy as npimport scipy.io as sioload_fn = '6electrodes.mat'load_data = sio.loadmat(load_fn)load_matrix = load_data['
2016-10-31 20:18:58
4458
转载 opencv cvlogpolar
#include<cv.h>#include<highgui.h> //#pragma comment(lib, "cv.lib")//#pragma comment(lib, "cxcore.lib")//#pragma comment(lib, "highgui.lib")int main(){ IplImage* src = NULL; src = cvLoadIm
2016-08-01 20:40:45
1222
原创 opencv-载入一幅图像并进行平滑处理
#include "cv.h"#include "highgui.h"void main(int argc, char ** argv){ IplImage* image = cvLoadImage(argv[1]); cvNamedWindow("Example4-in"); cvNamedWindow("Example4-out"); cvShowImage("
2016-07-15 15:59:05
2052
原创 opencv—显示图像
#include "highgui.h"int main(int argc, char ** argv){ IplImage* img = cvLoadImage(argv[1]);//加载图像 cvNamedWindow("Example1", CV_WINDOW_AUTOSIZE);//创建一个窗口 用来盛放图片 cvShowImage("Example1", img);
2016-07-15 15:24:04
583
原创 Python_PIL 打开转存图片
from PIL import Imageimport os#pil_im = Image.open('car.jpg')#pil_im = Image.open('car.jpg').convert('L')datapath = r'C:\Users\ALI\PycharmProjects\data2sql\PythonForPic\PICS'filelist = os.listdir
2016-07-13 21:28:19
1532
原创 Python 连接数据库&切割字符串
#coding:utf-8SQL_STR_FORMAT = '''insert into traffic(district,yi,er,san,si,time) values( '{0}','{1}','{2}','{3}','{4}',{5});'''datapath = r'C:\Users\ALI\PycharmProjects\data2sql\data\traffic_data'im
2016-07-13 21:18:31
1076
原创 C语言练习题每练 5 对于一个字符串，找到第一次重复出现的字符。
对于一个字符串，请设计一个高效算法，找到第一次重复出现的字符。给定一个字符串(不一定全为字母)A及它的长度n。请返回第一个重复出现的字符。保证字符串中有重复字符，字符串的长度小于等于500。#include<stdio.h>void main(){ char findFirstRepeat(char * c, int n); char c[] = "hjdkhdkghk";
2016-07-04 22:05:55
3752
原创 C语言练习题每练 4 求数组平均，最大，最小数
有一个一维数组，内存放10个学生成绩，写一个函数求出平均分，最高分和最低分。#include<stdio.h>void main(){ int a[] = { 80, 60, 90, 38, 96, 77, 89, 93, 99, 94 }; int avg = 0, max = 0, sum = 0, min = 100; for (int i = 0; i < 10;
2016-07-04 19:54:49
1123
原创 C语言练习题每练 3：递归 求n！ n的阶乘
递归是C语言中的一个比较容易迷惑人的地方。递归的适用范围是：需要解决的问题 基本操作相同 规模逐渐减小，跟剥洋葱似的。这种情况下可以采用递归的方法，注意终止条件。#include<stdio.h>void main(){ int jiecheng(int n); int n; printf("Please input a number:"); scanf("%d",
2016-07-01 20:51:11
791
原创 C语言练习题每练 2：找出三个字符串中最大的
找出三个字符串中最大的，存储用二维数组，比较用strcmp就可以了。另外创建一个一维数组存储一下最大的字符串即可。//找出三个字符串中最大的#include<stdio.h>#include<string.h>void main(){ char MaxString[20]; char str[3][20]; int i; for(i=0;i<3;i++) gets(str[i]
2016-07-01 11:06:30
3023
1
原创 C语言练习题每练 1：字符串统计单词个数，单词由空格隔开
//输入一行字符，统计单词个数，单词用空格隔开。#include<stdio.h>void main(){char *s;char string[50];printf("Please input a line text:");gets(string);//scanf("%s",string);对空格失效printf("%s\n",string);char c;int i=0,word
2016-06-29 21:15:08
5260
原创 深度学习_caffe (4) 基于mnist实例搭建新的神经网络&在caffe中添加层（续1）
如何在caffe中添加层： http://blog.sciencenet.cn/home.php?mod=space&uid=1583812&do=blog&id=850247 http://blog.youkuaiyun.com/kuaitoukid/article/details/41865803 怎么在caffe中配置每一个层的结构： http://www.myexception.cn/other
2016-05-23 10:22:22
862
原创 深度学习_caffe (4) 基于mnist实例搭建新的神经网络&在caffe中添加层
机器学习入门级的例子，mnist手写体数字识别的训练数据库。可以通过caffe提供的这个例子来学习神经网络的模型在caffe中是如何组织 如何运行的，然后我们就可以试着去搭建自己的神经网络模型 实现相应的功能。网上有许多关于在caffe中添加层的文章 我也看了一些，但是还是觉得对于初学者来说太过复杂，所以我决定按照自己的思路来理顺 学习神经网络的过程，这其中可能会有我也不明白的地方 不过不要紧 一点
2016-05-22 17:07:38
1432
翻译 深度学习_caffe (3)手写字符库mnist 官网资料
Training LeNet on MNIST with CaffeWe will assume that you have Caffe successfully compiled. If not, please refer to the Installation page. In this tutorial, we will assume that your Caffe installation
2016-05-09 10:31:51
1070
原创 朴素贝叶斯
参考-《统计分析方法》-李航 第四章 朴素贝叶斯法 电脑可以将图像视频文字等呈现在人类面前但是它自己却没有判断力，并不能去这些信息进行分类和识别。机器学习就是为了让机器获得识别这些信息的能力。在机器学习中朴素贝叶斯是一种非常简单但是却应用十分广泛的分类方法。 朴素贝叶斯是基于贝叶斯的一种分类方法，它通过输入的训练数据集和类别标签来学习联合分布概率P（X,Y），然后利用P（X,Y）来对测试数据
2016-05-09 10:17:03
1172
转载 PCA （主成分分析）详解 （写给初学者） 结合matlab
原文出处 一、简介 PCA（Principal Components Analysis）即主成分分析，是图像处理中经常用到的降维方法，大家知道，我们在处理有关数字图像处理方面的问题时，比如经常用的图像的查询问题，在一个几万或者几百万甚至更大的数据库中查询一幅相近的图像。这时，我们通常的方法是对图像库中的图片提取响应的特征，如颜色，纹理，sift，surf，vlad等等特征，然后将其保存，建立
2016-03-10 11:21:02
792
原创 数字图像处理-编程实现染色体计数 C语言实现
实验内容： 对于下面这幅图像，编程实现染色体计数，并附简要处理流程说明。 处理步骤： 1. 读取图像，转换为灰度图像平滑滤波去噪图像二值化对图像进行膨胀再次膨胀(视情况而定)腐蚀（视情况而定）反转统计连通区域个数并输出保存图像。void main(){ Bitmap *bmp = (Bitmap *)malloc(sizeof(Bitmap));// bui
2016-02-26 21:05:45
4368
转载 二值图像统计连通区域C语言版
http://www.bkjia.com/Javabc/771817.html连通区标记是最基本的图像处理算法之一。该算法中，按从左至右、从上至下的顺序，对整幅图像进行扫描，通过比较每个前景像素的邻域进行连通区标记，并创建等效标记列表。最后，合并等效标记列表，并再次扫描图像以更新标记。算法的优点的是通俗易懂，缺点是需要两次扫描图像，效率不高。区域生长法利用区域生长的思想，一次生长过程可以标记一整个连
2016-02-25 21:20:57
6836
8
翻译 IDA*算法解决十五数码问题
IDA*算法是A*算法和迭代加深算法的结合. A*算法需要维护open表和close表，以及排序选择最小代价的结点内存空间消耗过多。 IDA*的答题思路是。首先 根据最初的数码表 5 1 2 4 9 6 3 8 13 15 10 11 14 0 7 12 目标状态： 1 2 3 4 5 6 7 8 9 10
2016-02-25 18:57:05
9151
原创 深度学习_caffe (2) 源代码阅读顺序
通过这些天学习到的知识了解到 学习caffe源代码 大致步骤分为： 1.caffe.proto 2.Hpp file blob.hpp->layer.hpp->net.hpp->solver.hpp blob layer net slover 是caffe的四大模块，建议阅读顺序如上所述。 3.Cpp/cu file:caffe 架
2016-01-22 11:59:21
1624
原创 深度学习_caffe (1)探索小实例mnist 运行命令行总结
mnist手写体数字识别的训练数据库1.运行mnist cd ~/caffe/caffe-master #主目录下 time sh examples/mnist/train_lenet.sh 2.设置参数 指定模型 ./build/tools/caffe.bin test -model=examples/mnist/lenet_train_test.prototxt -weight
2016-01-22 11:45:36
1037
原创 深度学习_caffe-ubuntu-GPU 配置环境（0）
caffe . 昨天开始搭环境，其实害怕了很久不敢动手 后来突然想明白了，没事 没有什么事情是等到所有事情都完美了才动手的，一点点xue熊习（为什么我打不出来xue！！！！）。根据是师兄给的文档，开始操练~期间遇到的问题也都标注上了解决方法， 也不知道师兄从哪找的 我就大言不惭的写上了原创，如有侵权 请联系我 先抱歉一声 请收下我的歉意。亲测可用。蠢笨的我都搞定了，这个文档还是挺清楚的！~文档如下
2016-01-11 18:45:20
900
原创 命令提示符-C盘转换D盘
普通的转换路径用cd +路径 比如 修改路径到 Python27 文件夹下 输入 cd Python27 但是 切换盘的时候不需要写cd!！
2015-12-14 20:10:48
6721
斯坦福大学机器学习课程个人笔记完整版
2016-05-23
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人