- 博客(158)
- 资源 (9)
- 收藏
- 关注
RSS订阅
转载 vim命令大全
命令历史以:和/开头的命令都有历史纪录，可以首先键入:或/然后按上下箭头来选择某个历史命令。启动vim在命令行窗口中输入以下命令即可vim 直接启动vimvim filename 打开vim并创建名为filename的文件文件命令打开单个文件vim file同时打开多个文件vim file1 file2 file3 ...在vim窗口中打开一个新
2017-08-17 15:13:46
590
原创 linux常用命令
查看目录下有多少个文件及文件夹需在终端输入ls | wc -w查看目录下有多少个文件需在终端输入ls | wc -c查看文件夹下有多少个文件，多少个子目录需在终端输入ls -l |wc -l若只想知道文件的个数，则需在终端输入/bin/ls -l |grep ^-|wc -l
2017-08-04 22:22:36
640
原创 ImageNet Classification with Deep ConvolutionalNeural Networks
ImageNet Classification with Deep ConvolutionalNeural NetworksReLU(Rectified Linear Units (ReLUs))激活函数的优势：从用梯度下降法的训练时间角度来看，双曲正切或者sigmoid函数这类饱和非线性函数要比ReLU：f=max(0,x)这个非饱和的非线性函数要慢的多(好几倍的速度)。
2016-06-19 15:11:33
1326
原创 机器学习总结二：逻辑回归Logistic Regression
机器学习总结之逻辑回归Logistic Regression逻辑回归logistic regression，虽然名字是回归，但是实际上它是处理分类问题的算法。简单的说回归问题和分类问题如下：回归问题：预测一个连续的输出。分类问题：离散输出，比如二分类问题输出0或1.逻辑回归常用于垃圾邮件分类，天气预测、疾病判断和广告投放。一、假设函数 因为是一个分类问题，所以我们希望
2016-04-14 17:01:31
7019
2
转载 极大似然估计，最大后验概率估计(MAP)，贝叶斯估计
最大似然估计学习总结------MadTurtle1. 作用在已知试验结果（即是样本）的情况下，用来估计满足这些样本分布的参数，把可能性最大的那个参数作为真实的参数估计。2. 离散型设为离散型随机变量，为多维参数向量，如果随机变量相互独立且概率计算式为P{，则可得概率函数为P{}=，在固定时，上式表示的概率；当已知的时候，它又变成的函数，可以把它记为，称
2016-04-13 16:41:08
8468
原创 vs2015+ffmpeg开发环境配置
1.在http://ffmpeg.zeranoe.com/builds/ 下载最新的ffmpeg的dev版和share版，注意下载的时候严格区分x64和x86，取决于你vs2015调试的解决方案平台用什么，如果安装了错误的版本将会出现一堆无法解析的错误。包含三个版本：Static、Shared以及Dev• Static --- 包含3个应用程序：ffmpeg.exe , ffpla
2016-03-30 14:37:59
14183
3
转载 为什么支持向量机要用拉格朗日对偶算法来解最大化间隔问题
1) 不等式约束一直是优化问题中的难题，求解对偶问题可以将支持向量机原问题约束中的不等式约束转化为等式约束；2) 支持向量机中用到了高维映射，但是映射函数的具体形式几乎完全不可确定，而求解对偶问题之后，可以使用核函数来解决这个问题。以上。并不一定要用拉格朗日对偶。要注意用拉格朗日对偶并没有改变最优解，而是改变了算法复杂度：在原问题下，求解算法的复杂度与样本维度（等于
2016-03-15 16:32:54
6616
原创 朴素贝叶斯改进及其应用
1、贝叶斯定理设是类标号未知的数据样本，为某种假设，数据样本 属于某特定的类 C ，对于该分类问题，期望确定，即给定观测数据样本，假定成立的概率，称为后验概率，或称条件下的后验概率。分类就是要确定。例如，假定数据样本集由顾客组成，用他们的年龄和收入情况进行分类。假定表示顾客的年龄在31岁到40之间并且中等收入，表示顾客将购买电脑，则反映的是观察到顾客的年龄在31岁到40之间并且中等收入时，
2016-03-10 21:43:51
4442
原创 决策树及其python实现
1、剪枝由于悲观错误剪枝 PEP (Pessimistic Error Pruning)、代价-复杂度剪枝 CCP (Cost-Complexity Pruning)、基于错误剪枝 EBP (Error-Based Pruning)、最小错误剪枝 MEP (Minimum Error Pruning)都是用于分类模型，故我们用降低错误剪枝 REP ( Reduced Error Pru
2016-03-10 21:39:34
4551
原创 拉普拉斯特征图降维及其python实现
这种方法假设样本点在光滑的流形上，这一方法的计算数据的低维表达，局部近邻信息被最优的保存。以这种方式，可以得到一个能反映流形的几何结构的解。步骤一：构建一个图G=(V,E),其中V={vi，i=1,2,3…n}是顶点的集合，E={eij}是连接顶点的vi和vj边，图的每一个节点vi与样本集X中的一个点xi相关。如果xi，xj相距较近，我们就连接vi，vj。也就是说在各自节点插入一个边eij，如
2016-03-10 21:35:29
10455
1
原创 PCA降维及其实现
1.1算法流程 假设有m个samples，每个数据有n维。1. 计算各个feature的平均值，计μj ;（Xj(i)表示第i个样本的第j维特征的value）μj = Σm Xj(i)/mmeanVals = mean(dataMat, axis=0)2. 将每一个feature scaling：将在不同scale上的feature进行归一化；3. 将特征进行mea
2016-03-10 21:24:07
1360
原创 改进的SMO算法
S. S. Keerthi等人在Improvements to Platt’s SMO Algorithm for SVM Classifier Design一文中提出了对SMO算法的改进，纵观SMO算法，其核心是怎么选择每轮优化的两个拉格朗日乘子，标准的SMO算法是通过判断乘子是否违反原问题的KKT条件来选择待优化乘子的，由KKT条件：是否违反它，与这几个因素相关：拉格朗日乘子 、样本标
2016-03-10 21:15:14
3648
原创 KNN及其改进算法的python实现
一、 马氏距离我们熟悉的欧氏距离虽然很有用，但也有明显的缺点。它将样品的不同属性（即各指标或各变量）之间的差别等同看待，这一点有时不能满足实际要求。例如，在教育研究中，经常遇到对人的分析和判别，个体的不同属性对于区分个体有着不同的重要性。因此，有时需要采用不同的距离函数。 如果用dij表示第i个样品和第j个样品之间的距离，那么对一切i，j和k，dij应该满足如下四个条件：
2016-03-10 21:07:27
6304
1
原创 利用python进行折线图，直方图和饼图的绘制
我用10个国家某年的GDP来绘图，数据如下：labels = ['USA', 'China', 'India', 'Japan', 'Germany', 'Russia', 'Brazil', 'UK', 'France', 'Italy']quants = [15094025.0, 11299967.0, 4457784.0, 4440376.0, 3099080.0,
2016-03-10 21:04:04
6667
原创 流式数据处理
直接登陆服务器：ssh 2014210***@thumedia.org -p 6349创建streaming.py: touch streaming.py,并且如下编辑：#! /usr/bin/pythonimport loggingimport mathimport timepg2count={}t=1while 1: fp=open('/tmp/hw
2016-03-10 21:00:10
2724
原创 MATLAB和c#混合编程实现心电图显示软件
由于MATLAB自带的GUI平台设计的界面不是很美观而且设计过程并不是很方便，我们选择了用c#来做软件界面的实现。我们用MATLAB做信号处理封装成函数，把函数编译成dll格式，然后用c#调用MATLAB的函数即可。在设计过程中遇到两个主要的麻烦，一个是MATLAB和c#数值类型的转化问题，而且c#函数多输出、多输入问题是从来没有遇到过的，另一个问题是实现动态的绘制心电曲线，我最后通过一个定时器不
2016-03-10 20:32:54
3715
2
原创 利用weka和clementine数据挖掘举例
1.数据概述本实验中采用的数据集来自于UCI经典数据集Adult，最初来源是由1994年Barry Becker的统计数据集，该数据集本来最初的主要任务是根据数据集中的相关属性预测某个人的年收入是大于50K还是小于等于50K。本数据集一共有14个属性用来预测个人的年收入，包括了年龄、工作阶层、教育程度、职业、性别、种族、家庭状况等情况。这14个基本属性中有一项属性为fnlwgt，即fi
2016-03-10 20:23:33
7073
原创 数据预处理
1.概述数据挖掘是从大量的，不完全的，有噪声的，模糊的，随即的数据中，提取隐含在其中的，人们事先不知道的，但有潜在的有用信息和知识的过程。数据挖掘过程一般包括数据采集，数据预处理，数据挖掘以及知识评价和呈现。在一个完整的数据挖掘过程中，数据预处理要花费60%左右的时间，而后的挖掘工作仅仅占工工作量的10%左右。目前对挖掘的研究主要集中于挖掘技术，挖掘算法，挖掘语言等在海量的原始数据中，存在
2016-03-10 20:18:47
4217
原创 BP神经网络分类器的设计
1.BP神经网络训练过程论述 BP网络结构有3层：输入层、隐含层、输出层，如图1所示。图1 三层BP网络结构 3层BP神经网络学习训练过程主要由4部分组成：输入模式顺传播（输入模式由输入层经隐含层向输出层传播计算）、输出误差逆传播（输出的误差由输出层经隐含层传向输入层）、循环记忆训练（模式顺序传播与误差逆传播的计算过程反复交替循环进行）和学习结果判别（判定全局误差是
2016-03-10 20:12:54
18171
原创 层次聚类算法及其实现
层次聚类算法分为合并算法和分裂算法。合并算法会在每一步减少聚类中心的数量，聚类产生的结果来自前一步的两个聚类的合并；分裂算法与合并算法原理相反，在每一步增加聚类的数量，每一步聚类产生的结果都将是前一步聚类中心分裂得到的。合并算法现将每个样品自成一类，然后根据类间距离的不同，合并距离小于阈值的类。我用了基于最短距离算法的层次聚类算法，最短距离算法认为，只要两个类的最小距离小于阈值，就将两个类合并成一
2016-03-10 19:57:41
6123
原创 基于kmeans聚类算法的图像分割
Kmeans之前已经讲过了，其图像分割只不过是把之前的高斯数对换成图像二维像素点，彩色图像每个像素点有rgb三个分量，灰度图像只有一个分量。1编程实现 clear;clc;close all;data=imread('src1.bmp');imshow(data)[m,n,c]=size(data);[mu,pattern]=k_mean_Seg(data,2);for
2016-03-10 19:54:19
9890
2
原创 kmeans算法及其实现
1.1Kmeans算法理论基础 K均值算法能够使聚类域中所有样品到聚类中心距离平方和最小。其原理为：先取k个初始聚类中心，计算每个样品到这k个中心的距离，找出最小距离，把样品归入最近的聚类中心，修改中心点的值为本类所有样品的均值，再计算各个样品到新的聚类中心的距离，重新归类，修改新的中心点，直到新的聚类中心和上一次聚类中心差距很小时结束。此算法结果受到聚类中心的个数和聚类中
2016-03-10 19:49:47
1944
原创 c++面试常见160问
注：所有问题均来源于网络收集1.在C++ 程序中调用被C 编译器编译后的函数，为什么要加extern “C”？答：首先，extern是C/C++语言中表明函数和全局变量作用范围的关键字，该关键字告诉编译器，其声明的函数和变量可以在本模块或其它模块中使用。通常，在模块的头文件中对本模块提供给其它模块引用的函数和全局变量以关键字extern声明。extern "C"是连接申明(linkag
2016-03-09 21:49:00
2347
1
原创 bp神经网络原理及其c++实现
1引言数字识别是模式识别领域 中的一个重要分支,数字识别一般通过特征匹配及特征判别的传统方法进行处理。特征匹配通常适用于规范化的印刷体字符的识别,而 特征判别多用于手写字符识别,这些方法还处于探索阶段,识别率还比较低。随着神经网络技术的飞速发展,其本身具有的高度并行性、较强的自组织能力和容错性、较好抑制噪声干扰能力等特点,为快速准确地进行数字识别开辟了新的途径。目前,对于指针式表而言,可以
2016-03-07 11:24:19
3301
原创 边缘检测与图像分割
1图像分割原理图像分割的研究多年来一直受到人们的高度重视，至今提出了各种类型的分割算法。Pal把图像分割算法分成了6类：阈值分割，像素分割、深度图像分割、彩色图像分割，边缘检测和基于模糊集的方法。但是，该方法中，各个类别的内容是有重叠的。为了涵盖不断涌现的新方法，有的研究者将图像分割算法分为以下六类：并行边界分割技术、串行边界分割技术、并行区域分割技术、串行区域分割技术、结合特定理论工具的分割
2016-03-07 11:19:29
36108
4
原创 卡车图像分离车头、车厢、车轮
要求对400张卡车图片进行处理，分割出车头、车轮、和车厢，在尝试了以上多种方法失败之后，用了2010年Varun Gulshan等提出的一种Geodesic Star Convexity Sequential system（简称GSCseq）算法[2]，该算法很适合于我们感兴趣的区域都在图像中央的这种情况，下图显示了原图像和处理之后保存的结果，绿色表示车头，蓝色表示车厢，红色表示车轮。用红色的
2016-03-07 11:16:56
3311
原创 提取图像里面的红色灯笼（二）
首先对图像进行简单的阈值处理：123456789101112131415161718192021222324252627282930
2016-03-07 11:15:22
1638
原创 提取图像里面的红色灯笼（一）
图像的分割：RGB空间图像的分割：/**************************************************************函数功能：对图像rgb空间红色灯笼的提取输入参数：源图像src；目标图像des；图像参数width,height,nChannels；输出参数：目标图像**************************
2016-03-07 11:11:09
1547
原创 图像加噪和图像滤波
1. 椒盐噪声（Salt And Pepper Noise）椒盐噪声是一种因为信号脉冲强度引起的噪声，信噪比（Signal NoiseRate）是衡量图像噪声的一个数字指标。给一副数字图像加上椒盐噪声的处理顺序应该如下：指定信噪比 SNR 其取值范围在[0, 1]之间计算总像素数目 SP，得到要加噪的像素数目 NP = SP * (1-SNR)随机获取要加噪的每个像素位置P
2016-03-07 11:06:30
3281
原创 同态滤波
在生活中会得到这样的图像，它的动态范围很大，而我们感兴趣的部分的灰度又很暗，图像细节没有办法辨认，采用一般的灰度级线性变换法是不行的。图像的同态滤波属于图像频率域处理范畴，其作用是对图像灰度范围进行调整，通过消除图像上照明不均的问题，增强暗区的图像细节，同时又不损失亮区的图像细节. 我们人眼能分别得出图像的灰度不仅仅是由于光照函数（照射分量）决定，而且还与反射函数（反射分量）有关，反射函数反映出图
2016-03-07 11:04:40
6369
2
原创 直方图均衡化原理与实现
直方图均衡化(Histogram Equalization) 又称直方图平坦化,实质上是对图像进行非线性拉伸,重新分配图像象元值,使一定灰度范围内象元值的数量大致相等。这样,原来直方图中间的峰顶部分对比度得到增强,而两侧的谷底部分对比度降低,输出图像的直方图是一个较平的分段直方图:如果输出数据分段值较小的话,会产生粗略分类的视觉效果。 直方图是表示数字图像中每一灰度出现频率的统计关系。直
2016-03-07 11:00:13
1815
原创 图像旋转的原理与实现
一般图像的旋转是以图像的中心为原点，旋转一定的角度，也就是将图像上的所有像素都旋转一个相同的角度。旋转后图像的的大小一般会改变，即可以把转出显示区域的图像截去，或者扩大图像范围来显示所有的图像。图像的旋转变换也可以用矩阵变换来表示。设点逆时针旋转角后的对应点为。那么，旋转前后点、的坐标分别是： (3-6) (3-7) 写成矩阵
2016-03-05 18:25:59
2937
原创 双线性插值原理与实现
在对图像进行空间变换的过程中，典型的情况是在对图像进行放大处理的时候，图像会出现失真的现象。这是由于在变换之后的图像中，存在着一些变换之前的图像中没有的像素位置。为了说明这个问题，不妨假设有一副大小为64x64的灰度图像A，现在将图像放大到256x256，不妨令其为图像B，如图1所示。显然，根据简单的几何换算关系，可以知道B图像中(x,y)处的像素值应该对应着A图像中的(x/4,y/4)处的象素值
2016-03-05 18:24:16
2655
转载 python 常见文件操作
Python常见文件操作示例 os.path 模块中的路径名访问函数 分隔 basename() 去掉目录路径, 返回文件名 dirname() 去掉文件名, 返回目录路径 join() 将分离的各部分组合成一个路径名 split() 返回 (dirname(), basename()) 元组 splitdrive
2017-09-29 16:51:45
571
转载 论文笔记
OverFeat大框架是Hinton的Alex-net，创新点主要在以下几点：1.训练时输入大小固定，测试时用多尺度输入；2.没有进行对比度归一化；3. max pooling没有采用overlap4. 3、4、5层的feature map 比Hinton的多。OverFeat在2013年的ImageNet上的性能表现并不是最优秀的，在18个team里面排名第5，但是他提出的测
2017-08-22 19:20:33
819
转载 tmux命令大全
tmux里的session，window,pane—-session指的是按下tmux命令后 存在的连接便是session创建sessiontmux创建并指定session名字tmux new -s $session_name删除sessionCtrl+b :kill-session临时退出sessionCtrl+b d列出sessiontmux l
2017-08-17 10:17:51
2843
原创 tensorflow笔记
1、one-hot编码独热编码即 One-Hot 编码，又称一位有效编码，其方法是使用N位状态寄存器来对N个状态进行编码，每个状态都由他独立的寄存器位，并且在任意时候，其中只有一位有效。例如：自然状态码为：000,001,010,011,100,101独热编码为：000001,000010,000100,001000,010000,100000可以这样理解，对于每一个特征，如果
2017-08-08 11:58:41
621
1
原创 用tensorflow训练imagenet数据准备
在tensorflow的models/models/inception/inception/data中有数据处理的一些脚本，但是实在不好用，然而降图像转化为TFRecords的一些python脚本还是能用，首先工作目录为：models/inception/inception/data 将imagenet的原始数据ILSVRC2012_img_train.tar和ILSVRC2012_img_v
2017-08-02 17:07:59
16958
4
原创 pytorch训练imagenet分类
1、imagenet数据准备：a、下载数据集b、提取training data:mkdir train && mv ILSVRC2012_img_train.tar train/ && cd traintar -xvf ILSVRC2012_img_train.tar && rm -f ILSVRC2012_img_train.tarfind . -name "*.tar" |
2017-07-10 18:11:23
6672
3
转载 如何计算padding大小
根据tensorflow中的conv2d函数，我们先定义几个基本符号1、输入矩阵 W×W，这里只考虑输入宽高相等的情况，如果不相等，推导方法一样，不多解释。2、filter矩阵 F×F，卷积核3、stride值 S，步长4、输出宽高为 new_height、new_width当然还有其他的一些具体的参数，这里就不再说明了。我们知道，padding的方式在tensorflow
2017-07-10 16:53:14
8916
1
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人