<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[咖啡豆]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/ustcyt</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; ustcyt]]></copyright><item><title><![CDATA[有去巴塞罗那参加ICME2011的吗？]]></title><link>https://blog.youkuaiyun.com/ustcyt/article/details/6283392</link><guid>https://blog.youkuaiyun.com/ustcyt/article/details/6283392</guid><author>ustcyt</author><pubDate>Mon, 28 Mar 2011 13:53:00 +0800</pubDate><description><![CDATA[<br />如题，有去参加ICME2011的吗？有的话大家留下一个联系方式，好联系。]]></description><category></category></item><item><title><![CDATA[计算机多媒体方向投稿会议集]]></title><link>https://blog.youkuaiyun.com/ustcyt/article/details/6230885</link><guid>https://blog.youkuaiyun.com/ustcyt/article/details/6230885</guid><author>ustcyt</author><pubDate>Tue, 08 Mar 2011 10:39:00 +0800</pubDate><description><![CDATA[<br />顶级1.        1. IJCAI: International Joint Conference on AI<br /> <br />2.        AAAI: American Association for AI National Conference<br /> <br />3.        COLT: Conference on Learning Theory<br /> <br />4.        ICNN/IJCNN: Intl (Joint) Conference]]></description><category></category></item><item><title><![CDATA[关于Sift算法中尺度空间的通俗理解]]></title><link>https://blog.youkuaiyun.com/ustcyt/article/details/5486143</link><guid>https://blog.youkuaiyun.com/ustcyt/article/details/5486143</guid><author>ustcyt</author><pubDate>Wed, 14 Apr 2010 18:28:00 +0800</pubDate><description><![CDATA[       SIFT算法就是用不同尺度（标准差）的高斯函数对图像进行平滑，然后比较平滑后图像的差别，差别大的像素就是特征明显的点。       最近也注意一些图像拼接方面的文章，很多很多，尤其是全景图拼接的，实际上类似佳能相机附加的软件，好多具备全景图拼接，多幅图像自动软件实现拼接，构成（合成）一幅全景图像（风景）。Sift算法，我略知一二，无法仔细描述（刚也贴了2个最近]]></description><category></category></item><item><title><![CDATA[什么是EM算法]]></title><link>https://blog.youkuaiyun.com/ustcyt/article/details/5405133</link><guid>https://blog.youkuaiyun.com/ustcyt/article/details/5405133</guid><author>ustcyt</author><pubDate>Mon, 22 Mar 2010 17:10:00 +0800</pubDate><description><![CDATA[EM算法是机器学习中一个很重要的算法，即期望最大化算法，主要包括以下两个步骤：E步骤：estimate the expected valuesM步骤：re-estimate parameters迭代使用EM步骤，直至收敛。我觉得可以有一些比较形象的比喻说法把这个算法讲清楚。比如说食堂的大师傅炒了一份菜，要等分成两份给两个人吃，显然没有必要拿来天平一点一点的精确的去称分量，最简单的办法是]]></description><category></category></item><item><title><![CDATA[高斯模型   高斯混合模型(gaussian mixture model)]]></title><link>https://blog.youkuaiyun.com/ustcyt/article/details/5404986</link><guid>https://blog.youkuaiyun.com/ustcyt/article/details/5404986</guid><author>ustcyt</author><pubDate>Mon, 22 Mar 2010 16:38:00 +0800</pubDate><description><![CDATA[高斯模型就是用高斯概率密度函数（正态分布曲线）精确地量化事物，将一个事物分解为若干的基于高斯概率密度函数（正态分布曲线）形成的模型。    对图像背景建立高斯模型的原理及过程：图像灰度直方图反映的是图像中某个灰度值出现的频次，也可以以为是图像灰度概率密度的估计。如果图像所包含的目标区域和背景区域相比比较大，且背景区域和目标区域在灰度上有一定的差异，那么该图像的灰度直方图呈现双峰-谷形状，其中一个峰]]></description><category></category></item><item><title><![CDATA[傅立叶变换的物理意义]]></title><link>https://blog.youkuaiyun.com/ustcyt/article/details/4473402</link><guid>https://blog.youkuaiyun.com/ustcyt/article/details/4473402</guid><author>ustcyt</author><pubDate>Sat, 22 Aug 2009 19:50:00 +0800</pubDate><description><![CDATA[1、为什么要进行傅里叶变换，其物理意义是什么？傅立叶变换是数字信号处理领域一种很重要的算法。要知道傅立叶变换算法的意义，首先要了解傅立叶原理的意义。傅立叶原理表明：任何连续测量的时序或信号，都可以表示为不同频率的正弦波信号的无限叠加。而根据该原理创立的傅立叶变换算法利用直接测量到的原始信号，以累加方式来计算该信号中不同正弦波信号的频率、振幅和相位。和傅立叶变换算法对应的是反傅立叶变换算法。]]></description><category></category></item></channel></rss>