徐富元

本文翻译自维基百科，英文原文地址是：http://en.wikipedia.org/wiki/ransac，如果您英语不错，建议您直接查看原文。    RANSAC是“RANdom SAmple Consensus（随机抽样一致）”的缩写。它可以从一组包含“局外点”的观测数据集中，通过迭代方式估计数学模型的参数。它是一种不确定的算法——它有一定的概率得出一个合理的结果；为了提高概率必须提高迭代

绝大多数资料的表述：adapt是用来在线学习（增量学习）的，前提输入形式为cell类型的；triain是用来离线学习（批量学习）。所以找几个函数命令进行测试加以验证。采用linearlayer验证验证方法：(一)使用网络 linearlayer1， cell输入形式输入 P={[1;2][2;1] [2;3] [3;1]};目标值 T={4 5 77

% 单层感知器%% 1.newp--创建一个感知器%{具体用法:net=newp(P,T,TF,LF);P: P是一个R×2的矩阵,R为感知器中输入向量的维度,每一行表示输入向量每个分量的取值 范围如P=[-1,1;0,1]表示输入向量是二维向量[x1,x2],且x1∈[-1,1],x2∈[0,1]T: T表示输出节点的个数,标量TF: 传输函数,可选hardlim

目录(?)[-]一引入二过程         1初始化所有训练样例的权重为1 N其中N是样例数         2for m1M             3得到最后的分类器三原理四实现Reference一.引入         对于Adaboost，可以说是久闻大名，据说在Deep Learning出来之前，SVM和Adaboost是效果最好的 两个算法，而

欧拉角是一种常用的描述方位的方法。这项技术是著名数学家Leonhard Euler(1707~1783)的名字命名的，他证明了角位移序列等价于单个角位移。想详细了解的请点击维基百科：http://zh.wikipedia.org/wiki/%E6%AC%A7%E6%8B%89%E8%A7%92#.E5.88.A5.E7.A8.AE.E9.A0.86.E5.BA.8F1，什么是欧拉角

网站：http://www.cnblogs.com/yiyezhai/p/3176725.html如何描述三维空间中刚体的旋转，是个有趣的问题。具体地说，就是刚体上的任意一个点P(x, y, z)围绕过原点的轴(i, j, k)旋转θ，求旋转后的点P\'(x\', y\', z\')。旋转矩阵旋转矩阵乘以点P的齐次坐标，得到旋转后的点P'，因此旋转矩阵可以描述旋转，

原文  http://www.cnblogs.com/panlonyin/p/tracking.html视觉跟踪近年来的进展（2010年以前）——Advances in Visual Tracking注：本文整理自Ming HSuan Yang的Tutorials-Advances in Visual Tracking,文章关于跟踪的问题以及近年来视觉跟踪方面的

今天看论文的时候又看到了协方差矩阵这个破东西，以前看模式分类的时候就特困扰，没想到现在还是搞不清楚，索性开始查协方差矩阵的资料，恶补之后决定马上记录下来，嘿嘿~本文我将用自认为循序渐进的方式谈谈协方差矩阵。统计学的基本概念学过概率统计的孩子都知道，统计里最基本的概念就是样本的均值，方差，或者再加个标准差。首先我们给你一个含有n个样本的集合，依次给出这些概念的公式描述，这些高中学过数

由于matlab中默认的存储方式为双精度，因此，要正确的进行位运算，需要首先将存储方式改为整型。可用的函数int8, int16, int32,uint8, uint16, uint32。转换后即可进行位运算，之前若用format将显示格式改为16进制，可使结果更可读。 format指定显示格式，如 format hex指定16进制显示;format

g=01001011 q=10100010；>> clear>> g=uint8(bin2dec('01001011'));>> q=uint8(bin2dec('10100010'));>> c=dec2bin(bitxor(g,q))c =11101001>> 其中bitxor是按位异或， 位运算函数要求输入必须同为无符号整数、无符号整数数组或者标量浮点数，且输出与

最近也一直在研究SIFT（尺度不变特征匹配算法），先理解算法的数学原理，然后再一步步分析Rob Hess的程序代码：/** default number of sampled intervals per octave sub-level 每个尺度空间的采样间隔数*///初始值为3#define SIFT_INTVLS 3/** default sigma for initi

调了一天，终于只剩下警告了（可能是因为基础差吧），可以出运行预想的结果了。眼睛都快睁不开了，终于体会到程序员的不易了。不过我还是不能和人家程序员相提并论的。每一步都是自己搞出来的，虽然有些问题可能本来只是很水的，可是对于不懂的人来说，一一攻克还是有点成就感的。       程序是从师姐那里拷来的，详细的出处据说在这里http://download.youkuaiyun.com/source/13521

MATLAB神经网络编程》 化学工业出版社 读书笔记 第四章 前向型神经网络 4.1 感知器网络本文是《MATLAB神经网络编程》书籍的阅读笔记，其中涉及的源码、公式、原理都来自此书，若有不理解之处请参阅原书。感知器可以说是最早的人工神经网络（Artificial Neural Network,ANN），单层感知器是一个具有一层神经元、采用阈值激活函数的前向神经