- 博客(162)
- 收藏
- 关注
RSS订阅转载 Matlab中的数据归一化
归一化的具体作用是归纳统一样本的统计分布性。归一化在0-1之间是统计的概率分布，归一化在-1--+1之间是统计的坐标分布。归一化有同一、统一和合一的意思。无论是为了建模还是为了计算，首先基本度量单位要同一，神经网络是以样本在事件中的统计分别几率来进行训练（概率计算）和预测的，且sigmoid函数的取值是0到1之间的，网络最后一个节点的输出也是如此，所以经常要对样本的输出归一化处理。归一化是统一在0
2014-07-09 17:05:45
1718
转载 主成分分析（PCA）扫盲帖
先上定义，百度，wiki都说的很好，我就直接给链接了：百度百科：主成分分析wiki：PCA下面主要讲讲它的原理和实现过程。如果用一句话说：PCA就是属性向量的正交化（得到相互正交的新属性），并取出方差最大（对应到实际意义就是区分度最高）的几个新属性。从几何上说，PCA就是坐标变换。从线性代数角度说就是修正的schmit正交化。这里有一篇扫盲贴写的很好，主要是非常形象易懂
2014-06-29 00:07:01
1709
转载 ASM（Active Shape Model）算法介绍
ASM是一种基于点分布模型（Point Distribution Model, PDM）的算法。在PDM中，外形相似的物体，例如人脸、人手、心脏、肺部等的几何形状可以通过若干关键特征点（landmarks）的坐标依次串联形成一个形状向量来表示。本文就以人脸为例来介绍该算法的基本原理和方法。首先给出一个标定好68个关键特征点的人脸面部图片，如下所示：
2014-06-08 08:16:27
1101
转载 AP聚类算法
Affinity Propagation (AP) 聚类是2007年在Science杂志上提出的一种新的聚类算法。它根据N个数据点之间的相似度进行聚类,这些相似度可以是对称的,即两个数据点互相之间的相似度一样(如欧氏距离);也可以是不对称的,即两个数据点互相之间的相似度不等。这些相似度组成N×N的相似度矩阵S(其中N为有N个数据点)。 AP算法不需要事先指定聚类数目,相反它将所有
2014-06-03 21:56:23
21195
转载 互信息概念与定理
最近在看一些熵相关的东西，为了了解一下互信息相关的东西，查阅了一些资料，有一个课件自己感觉写的不错，但是下载不下来，我就对它们进行了截图，希望对大家有帮助。这个课件中讲的内容比较基础，但是对于非通信、信息类的同学来说还是很有帮助的，而且不仅通俗易懂，而且证明过程详尽，是不可多得的好材料。其重要包括互信息概念、定理、常用的结论，已经一些应用中经常用到的性质，闲言少叙，直接上图。更多0
2014-05-19 22:35:51
758
转载 The Dirichlet Distribution 狄利克雷分布 (PRML 2.2.1)
Dirichlet分布可以看做是分布之上的分布。如何理解这句话，我们可以先举个例子：假设我们有一个骰子，其有六面，分别为{1,2,3,4,5,6}。现在我们做了10000次投掷的实验，得到的实验结果是六面分别出现了{2000,2000,2000,2000,1000,1000}次，如果用每一面出现的次数与试验总数的比值估计这个面出现的概率，则我们得到六面出现的概率，分别为{0.2,0.2,0.2,0
2014-05-06 17:18:14
933
转载 【JMLR’03】Latent Dirichlet Allocation （LDA）- David M.Blei
http://www.xperseverance.net/blogs/2012/03/17/若公式显示有问题请复制链接到新TAB重新打开听说国外大牛都认为LDA只是很简单的模型，吾辈一听这话，只能加油了~另外这个大牛写的LDA导读很不错：http://bbs.byr.cn/#!article/PR_AI/2530?p=1一、预备知识： 1.
2014-05-06 16:27:20
930
转载 Eigen初步1：初步体验Eigen库
Eigen初步1：初步体验Eigen库 http://www.cnblogs.com/tornadomeet 前言： Eigen 是一个线性算术的C++模板库，包括：vectors, matrices, 开源以及相关算法。功能强大、快速、优雅以及支持多平台，可以使用该库来方便处理一些矩阵的操作，达到类似matlab那样的快捷。现在已经发展到Eigen3了，目前最新版本为Ei
2014-05-06 16:24:50
1482
转载 Gibbs sampling [Gibbs采样]1
关于Gibbs sampling， 首先看一下Wiki上的解释：Gibbs sampling or Gibbs sampler is an algorithm to generate a sequence of samples from the joint probability distribution of two or more random variables. The purpo
2014-05-06 16:17:31
713
转载 强大的矩阵奇异值分解(SVD)及其应用
前言： 上一次写了关于PCA与LDA的文章，PCA的实现一般有两种，一种是用特征值分解去实现的，一种是用奇异值分解去实现的。在上篇文章中便是基于特征值分解的一种解释。特征值和奇异值在大部分人的印象中，往往是停留在纯粹的数学计算中。而且线性代数或者矩阵论里面，也很少讲任何跟特征值与奇异值有关的应用背景。奇异值分解是一个有着很明显的物理意义的一种方法，它可以将一个比较复杂的矩阵用更小更简
2014-05-06 10:32:39
928
转载 中国科学院的樊彬老师图像特征描述符方面的综述
这次我们荣幸地邀请到中国科学院自动化研究所的樊彬老师为我们撰写图像特征描述符方面的最新综述。樊彬老师在图像特征描述方面已连续发表了包括TPAMI、PR、ICCV、CVPR在内的多篇高质量论文。他的个人主页为：http://www.sigvc.org/bfan/ 以后我们将持续邀请国内外众多老师做最新的视觉计算专业综述报告，如特征提取和描述、稀疏表达、人体跟踪、三维衣服布料动画、轻量级
2014-05-06 10:22:00
6095
转载 【综述】（MIT博士）林达华老师－“概率模型与计算机视觉
距上一次邀请中国科学院的樊彬老师为我们撰写图像特征描述符方面的综述（http://www.sigvc.org/bbs/thread-165-1-1.html）之后，这次我们荣幸地邀请到美国麻省理工学院（MIT）博士林达华老师为我们撰写“概率模型与计算机视觉”的最新综述。这次我们特别增设了一个问答环节，林老师针对论坛师生提出的许多问题（如概率图模型与目前很热的深度神经网络的联系和区别）一一做了详细解
2014-05-06 10:09:13
1634
转载 Stanford概率图模型（Probabilistic Graphical Model）— 第一讲 贝叶斯网络基础
概率图模型（Probabilistic Graphical Model）系列来自Stanford公开课Probabilistic Graphical Model中Daphne Koller 老师的讲解。（https://class.coursera.org/pgm-2012-002/class/index）主要内容包括（转载请注明原始出处http://blog.youkuaiyun.com/yangl
2014-05-06 09:57:57
1748
转载 PGM学习笔记一
一 课程基本信息 本课程是由Prof.Daphne Koller主讲，同时得到了Prof. Kevin Murphy的支持，在coursera上公开传播。在本课程中，你将学习到PGM（Probabilistic Graphical Models）表示的基本理论，以及如何利用人类自身的知识和机器学习技术来构建PGM；还将学习到使用PGM算法来对有限、带噪声的证据
2014-05-06 09:56:11
2089
转载 马尔可夫网络，（马尔可夫随机场、无向图模型）（Markov Random Field）
马尔可夫网络，（马尔可夫随机场、无向图模型）是关于一组有马尔可夫性质随机变量Random Field）" style="margin:0px; padding:0px; border:0px none; list-style:none; font-family:sans-serif; line-height:1.5em; vertical-align:middle">的全联合概率分布模型。
2014-05-06 09:40:24
9050
转载 马尔科夫随机场和马尔科夫链
1.什么是随机过程？在当代科学与社会的广阔天地里，人们都可以看到一种叫作随机过程的数学模型：从银河亮度的起伏到星系空间的物质分布、从分子的布朗运动到原子的蜕变过程，从化学反应动力学到电话通讯理论、从谣言的传播到传染病的流行、从市场预测到密码破译，随机过程理论及其应用几乎无所不在。人类历史上第一个从理论上提出并加以研究的过程模型是马尔科夫链，它是马尔科夫对概率论乃至人类思想发展作出的又一伟大
2014-05-06 09:23:33
1456
转载 特征向量的几何意义
特征向量的几何意义长时间以来一直不了解矩阵的特征值和特征向量到底有何意义（估计很多兄弟有同样感受）。知道它的数学公式，但却找不出它的几何含义，教科书里没有真正地把这一概念从各种角度实例化地进行讲解，只是一天到晚地列公式玩理论——有个屁用啊。根据特征向量数学公式定义，矩阵乘以一个向量的结果仍是同维数的一个向量，因此，矩阵乘法对应了一个变换，把一个向量变成同维数的另一个向量
2014-04-27 10:08:51
5521
转载 PRML Chapter 2. Probability Distributions
PRML Chapter 2. Probability Distributions发表日期：2012 年 3 月 2 日分类： Academics 标签： PR&ML 作者： 管理员. 12,735 views注：mathjax公式显示常会有问题，若遇到问题，请刷新或换个浏览器查看。P68conj
2014-04-26 02:20:49
969
转载 Dirichlet Process and Hierarchical Dirichlet Process
Dirichlet Process and Hierarchical Dirichlet ProcessDirichlet Process and Hierarchical Dirichlet Process 在这篇文章里，我会初步地介绍Dirichlet Process以及Hierarchical Dirichlet Process，不过仅仅局限于模型本身，并
2014-04-26 02:11:29
3759
转载 The Dirichlet Distribution 狄利克雷分布 (PRML 2.2.1)
The Dirichlet Distribution 狄利克雷分布 (PRML 2.2.1)Dirichlet分布可以看做是分布之上的分布。如何理解这句话，我们可以先举个例子：假设我们有一个骰子，其有六面，分别为{1,2,3,4,5,6}。现在我们做了10000次投掷的实验，得到的实验结果是六面分别出现了{2000,2000,2000,2000,1000,1000}次，如果用每一面出现
2014-04-26 01:55:40
1148
转载 混合高斯模型算法
首先第一种是高斯混合模型算法:高斯模型有单高斯模型（SGM）和混合高斯模型（GMM）两种。（1）单高斯模型：为简单起见，阈值t的选取一般靠经验值来设定。通常意义下，我们一般取t=0.7-0.75之间。二维情况如下所示：（2）混合高斯模型： 对于(b)图所示的情况，很明显，单高斯模型是无法解决的。为了
2014-04-25 15:31:50
1162
转载 层次聚类 Hierarchical Clustering
聚类系列：聚类(序)----监督学习与无监督学习聚类(1)----混合高斯模型 Gaussian Mixture Model 聚类(2)----层次聚类 Hierarchical Clustering 聚类(3)----谱聚类 Spectral Clustering-------------------------------- 不管
2014-04-25 14:49:50
14205
转载 混合高斯模型（Mixtures of Gaussians）和EM算法
这篇讨论使用期望最大化算法（Expectation-Maximization）来进行密度估计（density estimation）。 与k-means一样，给定的训练样本是，我们将隐含类别标签用表示。与k-means的硬指定不同，我们首先认为是满足一定的概率分布的，这里我们认为满足多项式分布，，其中，有k个值{1,…,k}可以选取。而且我们认为在给定后，满足多值高斯分布，即。由
2014-04-25 14:18:25
959
转载 （EM算法）The EM Algorithm
http://www.cnblogs.com/jerrylead/archive/2011/04/06/2006936.html EM是我一直想深入学习的算法之一，第一次听说是在NLP课中的HMM那一节，为了解决HMM的参数估计问题，使用了EM算法。在之后的MT中的词对齐中也用到了。在Mitchell的书中也提到EM可以用于贝叶斯网络中。下面主要介绍EM的整个推导过程。
2014-04-25 11:15:31
718
转载 Canonical Correlation Analysis（一）
典型相关分析(Canonical Correlation Analysis)是统计学习方法中一个经典算法，它和PCA,LDA等等矩阵分析算法非常类似，在CCA中我们所关心的问题是找到一个基向量，使得在空间内的两个随机变量在这个基向量上的投影的相关性最大。考虑一个多维随机向量(x,y)，我们关于这个向量有若干组观测：Correlation Analysis（一）" tit
2014-04-25 11:12:06
6819
转载 C/C++ 各种计时函数总结
本文对Windows平台下常用的计时函数进行总结，包括精度为秒、毫秒、微秒三种精度的5种方法。分为在标准C/C++下的二种time()及clock()，标准C/C++所以使用的time()及clock()不仅可以用在Windows系统，也可以用于Linux系统。在Windows系统下三种，使用Windows提供的API接口timeGetTime()、GetTickCount()及QueryPerf
2013-06-03 08:27:42
949
1
转载 清华大学老师的一席话
1、 一个人，如果你不逼自己一把，你根本不知道自己有多优秀。 2、 赚钱是一种能力，花钱是一种水平，能力可以练，水平是轻易练不出来的。 3、年轻人不可以太狂。 4、一个人的知识，通过学习可以得到；一个人的成长，必须通过磨练。 5、这个世界上好书很多，可以改变命运的书很少。 6、这个世界上朋友很多，可以用一生托付的朋友很少。
2013-05-06 20:13:06
1144
转载 博士生就业啥行情？ 光环渐褪待遇不比从前
http://finance.people.com.cn/money/GB/16084767.html博士就业整体不再受宠 博士生期月薪6000元 生物，化工和医药这些理科类专业博士生就业会容易一些，这些专业的科研院所和企业需求比较多，文科类的相对较少，一般是去高校任教的比较多。 十年前，甚至是五年前，博士很抢手。大学扩招后，博士的珍稀性，也被猛增的生源“冲淡”了。1995
2013-05-05 21:22:05
1711
转载 SCI
SCI和JCR简介 SCI（《科学引文索引》，英文全称为Science Citation Index）是美国科学情报研究所（Institute for Scientific Information，简称ISI，网址：http://www.isinet.com）出版的一部世界著名的期刊文献检索工具，其出版形式包括印刷版期刊和光盘版及联机数据库，现在还发行了互联网上Web版数据库。
2013-05-05 21:00:52
970
转载 OPENCV版本的摄像机标定（张正友）
摄像机的标定问题是机器视觉领域的入门问题，可以分为传统的摄像机定标方法和摄像机自定标方法。定标的方法有很多中常见的有：Tsai（传统）和张正友（介于传统和自定标）等， 摄像机成像模型和四个坐标系（通用原理）。摄像机模型采用经典的小孔模型，如图中Oc（光心），像面π表示的是视野平面，其到光心的距离为f（镜头焦距）。四个坐标系分别为：世界坐标系（Ow），摄像机坐标系（Oc），图像物
2013-05-02 08:18:29
2725
2
转载 在OpenCV中用cvCalibrateCamera2进行相机标定
看到论坛里有不少人在用OpenCV中的标定函数cvCalibrateCamera2 进行相机标定时遇到不少问题,说一些自己的看法。1）因为cvCalibrateCamera2 函数主要是用张正友的平面标定方法的，所以首先我建议大家看一下张正友的那篇经典的论文完整版 22页 里面分析的非常详细《A Flexible New Technique for Camera Calibrati
2013-05-02 08:13:54
5134
转载 【机器人领域几大国际会议】
【机器人领域几大国际会议】(1)ICRA：IEEE International Conference on Robotics and Automation，即IEEE机器人和自动化国际会议，由IEEE Robotics and Automation Society (RAS,机器人和自动化学会)主办，该领域规模（千人以上）和影响力最大的顶级国际会议。至今（2012年）已经成功举办了29届，只在
2013-04-05 17:05:53
26697
2
转载 基于朴素贝叶斯分类器的文本分类算法（下）
源代码下载：NaviveBayesClassify.rar Preface文本的分类和聚类是一个比较有意思的话题，我以前也写过一篇blog《基于K-Means的文本聚类算法》，加上最近读了几本数据挖掘和机器学习的书籍，因此很想写点东西来记录下学习的所得。在本文的上半部分《基于朴素贝叶斯分类器的文本分类算法（上）》一文中简单介绍了贝叶斯学习的基本理论，这一篇将展示如何将该理论运用到中文文
2013-03-25 22:34:02
644
转载 基于朴素贝叶斯分类器的文本分类算法（上）
转载请保留作者信息：作者：phinecos（洞庭散人）Blog：http://phinecos.cnblogs.com/Email：phinecos@163.com Preface 本文缘起于最近在读的一本书-- Tom M.Mitchell的《机器学习》,书中第6章详细讲解了贝叶斯学习的理论知识，为了将其应用到实际中来，参考了网上许多资料，从而得此文。文章将分
2013-03-25 22:31:12
748
转载 2012-04-12 10:12 asp.net 发布网站的几种常用方法
1：将你的网站复制到你在iis中设置好的网站目录，默认的是（C:\Inetpub\wwwroot）a. 将经过VS调试且运行正常的ASP.NET网站项目的文件夹复制到IIS的wwwroot文件夹中.b. 检查项目文件夹的"属性"--->"安全", 查看Internet来宾帐户, 确保其有"读取"权限.(默认情况下, 复制到wwwroot中的文件夹会继承wwwroot的"读取"权限, 但当修
2013-03-21 08:16:20
698
转载 asp.net 填充word 模版标签并下载使用笔记
1,新建word模版,方法是找需要用程序填充的word文档,在需要输入的地方用"书签"(插入-->书签-->输入id-->ok)标记后保存既可.2,在word模版上修改安全添加everyone 可读,以防文件无法打开.3,在工程里添加"引用"找到"Microsoft Word 10.0 Object Library"或"Microsoft Word 11.0 Object Library"
2013-03-21 07:35:16
4566
转载 Hough变换
Hough变换用来在图象中查找直线。它的原理很简单：假设有一条与原点距离为s，方向角为θ的一条直线，直线上的每一点都满足方程7.1： s = xcosθ + ysinθ 可以利用这个变换找出图中最长的直线，实现算法如下：1．创建一个二维数组hDistAlpha，其中第一维表示距离s（计算可能出现的最大距离为，用来确定数组第二维的大小），第二维表示方向角θ（书上正好和我说的相反，但
2013-03-20 15:09:55
1340
转载 关于颜色理论
1. Color Wheel所谓Color Wheel，就是将一系列颜色，有次序地通过一个圆盘的形式，展现出来。它的产生方式是，首先列出三原色（PRIMARY COLORS）：红、黄、蓝。然后，二二混合，产生二级颜色（SECONDARY COLORS）：绿、橙、紫。接着，继续二二混合，又产生6种三级颜色（TERTIARY COLORS）：黄橙、红橙、红紫、蓝紫、黄绿、蓝
2012-11-30 18:27:22
708
转载 笔迹鉴别
http://www.cnblogs.com/zhenyulu/category/47600.html我做的《笔迹鉴别》是与文字无关的笔迹鉴别，简单的说就是你提供给我多个人手写的“一二三四”，然后再提供给我其中一个人写的“五六七八”，我就可以通过程序判断究竟是谁写的。待识别的文字与我手头掌握的文字资料可以是不同的汉字，这就是所谓的与文字无关的笔迹鉴别。当然仅仅提供四五个汉字是不行的，需要提前准
2012-11-26 09:37:49
5446
10
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人