林多

机器学习基础知识监督学习：监督学习从给定的数据中（已经确定了数据的类别）学习模型，之后利用学习的模型，得到目标变量的结果。简单来说，监督学习用来学习的数据，已经给定了类别（标签）、类别数等。是一种预先知道学习后，可能产生的目标变量的结果的学习方式。（例如，已经知道了，学习后用来对猫狗分类，而不是对其他类别分类）。目标变量的两种类型：标称型和数值型。标称型指：结果在有限目标集中取值，如真与假，｛婴儿、

最近在公司服务器上配了Caffe，专门用来做深度学习。在公司自己的电脑上又配了Caffe和MatConvNet。需要注意的是，Caffe和MatConvNet在Linux、Windows系统下都可以跑，至于要在哪个系统下配置，看自己喜好。自己的电脑上没有N卡，也就没开启GPU模型。以下所有配置，都是CPU版的（CPU Only），只用CPU来跑。一、Caffe（CPU Only）+Ubuntu14.

1、准备训练数据首先为训练数据和测试数据，新建两个文件夹，名称任意，存放数据： trian（存放训练数据） val（存放测试数据） 在tiran和val中，放入统一尺寸的图片，如320x320。保证这些图像的名称，不包含奇怪的字符。最好是数字或字母组成的名称。2、新建train.txt和v

Sigmod函数和Logistic回归分类器最优化理论梯度下降最优化算法数据中的缺失项处理前言生活中有许多最优化问题，如到达两地的最短时间、发动机油耗最小产生最率最大。本章将使用最优化算法训练一个非线性函数用于分类。这里所说的非线性函数（分类器），就是logistic回归分类器。假设有一些数据点，用一条直线对这些数据点进行拟合（该线称为最佳拟合直线），这个拟合过程就称为回归。利用logistic回归

最近用Virtualbox装了个Ubuntu系统，搭了一个单机模式的hadoop。配置方法网上有许多，按流程仔细走一遍即可。搭好环境后，自然要测试一下，本篇使用了hadoop提供的wordcount进行测试，计算数据中的单词数量。第一步用putty（用啥软件随意）ssh登陆ubuntu系统，输入账号名，密码。（我用来管理hadoop的账号名是hadoop，账号名在搭环境时随意设置）。当然，你也可以直

（1）新的知识： 图像识别，其实不仅仅限于图像处理与分析，要知道计算机视觉是个很广义的学科。做图像识别，其实就是在做视觉。做视觉的，也需要在图像的基础上进行处理。

基本概念Adaboost算法，将多个弱分类器，组合成强分类器。 AdaBoost，是英文”Adaptive Boosting“（自适应增强）的缩写，由Yoav Freund和Robert Schapire在1995年提出。 它的自适应在于：前一个弱分类器分错的样本的权值（样本对应的权值）会得到加强，权值更新后的样本再次被用来训练下一个新的弱分类器。在每轮训练中，用总体（样本总体）训练新的弱分类器

环境Win832位+VS2013+N卡，由于实验室的电脑显卡是N卡，所以需要下载CUDA Toolkit 5.0（最新能用的版本好像是7.5，但是只有64位版的）。若你的电脑是A卡，那么就不需要往下看了。 首先，确定你的显卡支持OpenCl（现在好像几乎所有显卡都支持）。可以用GPU Caps Viewer这款软件检测。 第一步： 下载CUDA Toolkit 5.0软件，地址：https

最近在学习的内容之一，整理一下，图片均为网络图片。提及的条形码主要为EAN-13码。一、概念条形码由宽度不同、发射率不同的条（黑色）和空（白色）组成。按照特定的编码规则编制，用来表达一组数字、字母信息的图形标识符。 工业25码 EAN-13码 为什么用黑色、白色来表示条形码？ 因为两种颜色有截然不同的反射率，众所周知，黑色吸收光中的所有颜色，白色反射光中的所有颜色。当然，也可以用其他

最近做了些条形码识别的东西，用Halcon写了个自动识别各类型条形码的接口。利用Halcon自带的功能把函数导出成cpp文件。 觉得好玩，利用MFC把函数写进去，做了个一个Q版的条形码识别小软件，。 （界面完全自娱自乐-_-，凑合看吧） 主要功能如下： 点击“卡通人物”，打开对话框，选取要识别的条形码图片 自动识别出图片中的条形码 点击“确定”，关闭消息框后。”关闭图像“按钮

最近在学halcon，比起opencv，halcon在网上的资料较少。这篇是我自己利用halcon做ORC识别的小例子，供大家参考。（才疏学浅，不好勿喷，欢迎留言交流）原图 识别后 Halcon代码如下：*关闭窗口dev_close_window () *读取图片read_image (Image, 'C:/Users/Pictures/13_81_bcb4442e5fb68e9.

最近在学K-Means算法，感觉挺有意思。要说K-Means，得先说说什么是聚类。聚类聚类是无监督（标签）学习，不依赖于预定义的类别和标签的训练实例。在进行聚类前甚至可能不知道要样本要分几类，类别是什么。所以说，与预先样本定义好类别（如：学生 -1，老师 +1）的分类来说，是一种无监督学习。K-MeansK-Means是一种聚类算法，据说是最简单的聚类算法（没有之一）。 算法的目标：给定一个元素集

上学期帮同校本科的同学做了毕业设计的实验部分，用MATLAB实现DCT水印算法，并且包含了攻击测试。先讲一个大体概念，然后放出具体代码。一、DCTDCT（离散余弦变换），这里只以二维DCT为例。 信号经过DCT后，从空间域变换到频域。是一种正交变换的方法。是图像处理中应用即为广泛的傅氏变换中一种特殊的情况（被展开函数是实偶函数，再离散化，即为离散余弦变换）。 同傅氏变换一样，有正反两种变换。

以前上计算机视觉课时，老师演示了一个移动目标检测的程序。觉得好玩，回去后自己写了一个。 基于帧间差分法+阈值（门限）的移动目标检测。检测前进行了中值滤波处理，手动设置了阈值。效果一般吧。