juary_的专栏

Deep Learning（深度学习）：ufldl的2个教程(这个没得说，入门绝对的好教程，Ng的，逻辑清晰有练习)：一ufldl的2个教程(这个没得说，入门绝对的好教程，Ng的，逻辑清晰有练习)：二Bengio团队的deep learning教程，用的theano库，主要是rbm系列，搞python的可以参考，很不错。deeplearning.net主页，里面包含

在微博上看到的，读完还是有些收获的，首先是端正做research的态度。我是从这里看到的：http://www.vjianke.com/ZM0BC.clip ---------------------------------------以下是原文--------------------------------------------- De-mystifyi

1.reading papers(人体行为识别特征点提取小综述)   与human activity recognition特征提取相关,ing...)  (Learning hierarchical invariant spatio-temporal features for action recognition with independent subspace analysis)

一、为什么需要hash trick？在工业界，数据经常不仅是量大，而且维度也很高，所以出现很多具体的大规模的机器学习问题，比如点击率预测问题。在CTR中，特征涉及到广告主和用户等。大多特征都可以看做categorical。对categorical feature一般使用1-of-c编码方式（统计里称为dummy coding）。对于取值为实数的特征我们可以进行离散化处理（实际应用中一般也不

本文主要记录自己在学习稀疏表示在人脸识别中的应用所遇到的问题作一简单的总结。1.  问题背景        信号的稀疏表示并不是新的东西。我们很早就一直在利用这一特性。例如，最简单的JPEG图像压缩算法。原始的图像信号经过DCT变换之后，只有极少数元素是非零的，而大部分元素都等于零或者说接近于零。这就是信号的稀疏性。        任何模型都有建模的假设条件。压

环境：WIN7+Matlab2011b参考Matlab的帮助文件，自己写了一个%读取视频文件，不再需要用aviread，因为aviread很多压缩格式不支持，推荐使用VideoReader类xyloObj = VideoReader('E:\VIDEOS\MILTrackData\dollar.avi');%获取视频信息（帧数，高度，宽度）nFrames =

MATLAB 读取AVI视频出现错误： Unable to locate decompressor to decompress video stream。错误如下：mov=aviread('1.avi');??? Unable to locate decompressor to decompress video streamError in ==>

这两个库都用在Matlab中，方便科研。配置：MatlabR2013a+Win8.1+DeepLearnToolbox+Vlfeat-0.9.18 1.DeepLearnToolboxDeepLearnToolbox是Matlab的深度学习工具箱，包含了深度信度网络DBN，卷积网络CNN，SAE（stacked auto-encoders）,CAE(Convolut

ChaLearn Gesture Challenge挑战赛是手势识别中比较新的(2011年开始的)一个挑战赛，属于机器学习挑战赛中的一个，其初衷是进行One-Shot learning的挑战，当然也不局限在此。官网为：http://gesture.chalearn.org/  ,2012年分别主办了两轮比赛，一个是在CVPR2012中进行，另一个是在ICPR2012中进行。关于本次比赛的一些规

欢迎使用Markdown编辑器写博客本Markdown编辑器使用StackEdit修改而来，用它写博客，将会带来全新的体验哦：Markdown和扩展Markdown简洁的语法代码块高亮图片链接和图片上传LaTex数学公式UML序列图和流程图离线写博客导入导出Markdown文件丰富的快捷键快捷键加粗 Ctrl + B 斜体 Ctrl + I 引用 Ctrl

原帖地址：目标检测的图像特征提取之（一）HOG特征zouxy09@qq.com http://blog.youkuaiyun.com/zouxy09目标检测的图像特征提取之（一）HOG特征 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

原帖地址：Deep learning：三十(关于数据预处理的相关技巧)Deep learning：三十(关于数据预处理的相关技巧) 　　前言：　　本文主要是介绍下在一个实际的机器学习系统中，该怎样对数据进行预处理。个人感觉数据预处理部分在整个系统设计中的工作量占了至少1/3。首先数据的采集就非常的费时费力，因为这些数据需要考虑各种因素，然后有时还需对数据进行繁琐

SVM作为判别模型(discriminative model)中所使用的典型方法，其产生是为2分类问题设计的svm多分类效果不佳，目前是svm研究的热点之一。libsvm用的是one- versus-one法。简介：.一对一法（one-versus-one,简称OVO SVMs或者pairwise）。其做法是在任意两类样本之间设计一个SVM，因此k个类别的样本就需要设计

原帖地址：深入理解拉格朗日乘子法（Lagrange Multiplier) 和KKT条件    在求取有约束条件的优化问题时，拉格朗日乘子法（Lagrange Multiplier) 和KKT条件是非常重要的两个求取方法，对于等式约束的优化问题，可以应用拉格朗日乘子法去求取最优值；如果含有不等式约束，可以应用KKT条件去求取。当然，这两个方法求得的结果只是必要条件，只有当是凸函数的情况

在做分类时常常需要估算不同样本之间的相似性度量(SimilarityMeasurement)，这时通常采用的方法就是计算样本间的“距离”(Distance)。采用什么样的方法计算距离是很讲究，甚至关系到分类的正确与否。　　本文的目的就是对常用的相似性度量作一个总结。本文目录：1.欧氏距离2.曼哈顿距离3. 切比雪夫距离4. 闵可夫斯基距离

原帖地址：漫谈高数 特征向量物理意义什么是特征向量，特征值，矩阵分解[1. 特征的数学意义]        我们先考察一种线性变化，例如x,y坐标系的椭圆方程可以写为x^2/a^2+y^2/b^2=1，那么坐标系关于原点做旋转以后，椭圆方程就要发生变换。我们可以把原坐标系的(x,y)乘以一个矩阵，得到一个新的(x',y')的表示形式，写为算子的形式就是(x,y)*M=(x'

PCA的一些基本资料最近因为最人脸表情识别，提取的gabor特征太多了，所以需要用PCA进行对提取的特征进行降维。本来最早的时候我没有打算对提取的gabor特征进行降维，但是如果一个图像时64*64,那么使用五个尺度八个方向的gabor滤波器进行滤波，这样提取的特征足足有64*64*5*8这么多，如果图像稍微大一点，比如128*128的图像，那么直接提取的特征就会几十万

1、转自： http://blog.sina.com.cn/s/blog_5b29caf701015ra0.htmlliblinear的好处就是速度快，尤其是对稀疏的特征。缺点就是太吃内存了。10G的数据量需要接近50G的内存，数据量再大就没法做了大数据量的可以用svmperf，也很快，耗内存少，精度嘛，不好比较。。对于LibSVM:何时使用线性核而非RBF核

原帖地址：LibSVM 在matlab中的使用--Rachel Zhang的专栏搞了一天，看了很多资料，终于搞好了matlab中调用大牛写好的svm库，将结果告诉大家避免以后走弯路。1. 参考网站：libsvm库下载：http://www.csie.ntu.edu.tw/~cjlin/libsvm/视频：http://v.youku.com/v_show

SVM（支持向量机）最初是针对二分类问题而提出来的，但现在我们要实现多分类，那么可不可以运用SVM呢？根据目前的研究，我们有两种解决途径：1、    通过构造多个SVM二值分类器并将让它们组合起来实现多类分类，例如one-against-rest, one-against-one和DA GSVM. 虽然这三种方法是当前最常用且性能较优的, 但one-against-rest 和one-agai

交叉验证(Cross Validation)方法思想简介以下简称交叉验证(Cross Validation)为CV.CV是用来验证分类器的性能一种统计分析方法,基本思想是把在某种意义下将原始数据(dataset)进行分组,一部分做为训练集(train set),另一部分做为验证集(validation set),首先用训练集对分类器进行训练,在利用验证集来测试训练得到的

原帖地址：[教程] 文本分类入门（番外篇）特征选择与特征权重计算的区别很不错的关于文本分类的扫盲贴子，推荐大家详细看看。 ---- by faruto=====    在文本分类的过程中，特征（也可以简单的理解为“词”）从人类能够理解的形式转换为计算机能够理解的形式时，实际上经过了两步骤的量化——特征选择阶段的重要程度量化和将具体文本转化为向量时的特征权重量化。

[转]计算机视觉和模式识别的codeUIUC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.htmlType Topic Name Reference Link Code Structure from motion li