- 博客(40)
- 收藏
- 关注
RSS订阅
原创 图像分割算法
图像分割（image segmentation）技术是计算机视觉领域的个重要的研究方向，是图像语义理解的重要一环。是图像语义理解的重要一环。图像分割是指将图像分成若干具有相似性质的区域的过程，从数学角度来看，图像分割是将图像划分成互不相交的区域的过程。近些年来随着深度学习技术的逐步深入，图像分割技术有了突飞猛进的发展，该技术相关的场景物体分割、人体前背景分割、人脸人体Parsing、三维重建等技术已经在无人驾驶、增强现实、安防监控等行业都得到广泛的应用。
2022-08-21 15:59:10
3899
2
原创 量化金融-分类数据的检验
分类型数据也称为频数数据。在数据样本中，我们称落入某一个特定分组的样本数量为频数；当分组的维度只有1时，我们称这样的数据为单因素频数表；当分组的维度为2时，我们称这样的数据为列联表数据。
2022-08-21 14:43:40
1212
原创 HOG特征描述算子-行人检测
HOG特征描述算子-行人检测简介与说明HOG特征HOG特征简介HOG特征的原理图像预处理计算图像梯度Block 归一化获得HOG描述子经验总结简介与说明今次学习主要与一种在深度学习的图像特征提取技术——方向梯度直方图，为HOG特征，曾发表于CVPR的会议上，对手工图像特征的 方面有非常重要作用。被广泛用于行人检测领域。HOG特征HOG特征简介HOG特征属于图像提取的局部特征。对图像局部的梯度幅值和方向进行投票统计。形成基于梯度特性的直方图，然后将局部特征拼接起来作为总特征。局部特征在这里指的是将图像
2020-07-06 22:56:42
683
原创 Haar特征描述算子-人脸检测
Haar特征描述算子-人脸检测笔记Haar特征描述算子重点内容算法理论简介Haar-like特征的计算—积分图计算Haar特征值Haar特征值归一化(也可以采用标准归一化)Adaboost级联分类器级联分类器级联分类器的训练级联分类器的检测学习分享与总结Haar特征描述算子在AdaBoost算法的基础上，使用Haar-like小波特征和积分图方法进行人脸检测，需要补充说明，小波特征不是由Viola和Jones这两位大神完成的，经由他们设计的人脸检测更为有效，在此基础上，他们继续探索AdaBoost，进行
2020-07-02 10:08:59
423
原创 LBP特征描述算子-人脸检测学习笔记
LBP特征描述算子-人脸检测学习笔记LBP特征算子原理介绍人脸特征检测算法原理1.混合模式1.圆形LBP算子2.LBP旋转不变性及等价模式2.混合模式基于opencv实现人脸检测过程人脸检测结果演示LBP特征算子原理介绍LBP指局部 0，1二值模式，属于用来扫描图片的一种 特征算子，在 灰度不变性，旋转不变性方面具有显著的特点，通常检测图片里人脸局部特征时，基于opencv下使用LBP算子实现人脸特征识别，还可以将LBP具有的特征用于训练目标检测分类器。需要了解，LBP用于opencv计算的时候，不能提
2020-06-28 21:04:19
709
原创 【LeetCode 算法刷题笔记-路径篇】
1.1 题目大意描述：给定一个二叉树的根节点 root 和一个值 targetSum。要求：判断该树中是否存在从根节点到叶子节点的路径，使得这条路径上所有节点值相加等于 targetSum。如果存在，返回 True；否则，返回 False。说明：树中节点的数目在范围[0,5000]
2024-03-18 22:32:52
477
原创 【LeetCode 算法刷题笔记】
1.1 题目大意描述：给定一个字符串 s。要求：反转字符串中所有单词的顺序。说明：单词：由非空格字符组成的字符串。s 中使用至少一个空格将字符串中的单词分隔开。输入字符串 s中可能会存在前导空格、尾随空格或者单词间的多个空格。返回的结果字符串中，单词间应当仅用单个空格分隔，且不包含任何额外的空格。。s 包含英文大小写字母、数字和空格 ’ ’s 中至少存在一个单词。
2024-03-13 22:11:14
357
1
原创 Logistic回归与最大熵模型
Logistic回归与最大熵模型算法介绍逻辑斯谛分布二项logistic回归模型算法介绍1.逻辑斯谛回归(logistic regression)是统计学习中的经典分类方法。最大熵是概率模型学习的一个准则，将其推广到分类问题得到最大熵模型(maximum entropy model)。逻辑斯谛回归模型与最大熵模型都属于对数线性模型。本章首先介绍逻辑斯 谛回归模型，然后介绍最大熵模型，最后讲述逻辑斯谛回归与最大熵模型的学习算法, 包括改进的迭代尺度算法和拟牛顿法。逻辑斯谛分布1.设XXX是连续随机变量
2021-12-31 00:41:26
1161
原创 【决策树】
统计学-决策树算法学习决策树原理决策树学习算法：习题5.1习题5.2决策树原理1.决策树算法模型：决策树模型是运用于分类以及回归的一种树结构。决策树由节点和有向边组成，一般一棵决策树包含一个根节点、若干内部节点和若干叶节点。决策树的决策过程需要从决策树的根节点开始，待测数据与决策树中的特征节点进行比较，并按照比较结果选择选择下一比较分支，直到叶子节点作为最终的决策结果。(1).内部节点：对应于一个属性测试(2).叶节点：对应于决策结果(3).根节点包含样本全集；(4).每个节点包括的样本集合根
2021-12-28 00:08:00
1379
原创 【k近邻算法】
k近邻法k近邻算法简介认识k近邻算法k近邻算法简介认识k近邻算法1.1 k近邻算法，英：(fc-nearest neighbor, fc-NN)也是一种基本分类的逻辑算法。主要从kkk近邻法的特征输入为实例的特征向量，相对于特征空间的点，通过这些点输出一些实例。在运用k近邻算法时，我们也可以取多类，其目的预测的实例更为精确。1.2 k近邻算法相对简单，同样给定一个数据训练集，不断训练这些数据集，在这些实例中找到与邻近的k的这个实例。注：这些实例大部分属于某个类，从而把该输入划分为这个类。1.3
2021-12-21 22:20:00
827
原创 【感知机学习】
统计学-感知机的学习感知机算法的原始公式感知机算法的原始公式1.感知机学习算法是一种最优问题的算法，假设给定的一个数据训练集KKK,如下：K=(x1,y1),(x2,y2).....(xi,yi)i∈NK={(x_1,y_1),(x_2,y_2).....(x_i,y_i) i∈N}K=(x1,y1),(x2,y2).....(xi,yi)i∈N确定损 失函数基本形式，xi∈=Rn,yi∈y=−1,1,i=1,2..Nx_i∈=R^n,y_i∈y={-1,1},i=1,2..Nxi∈
2021-12-18 23:35:37
167
原创 【统计学的学习方法论】
统计学统计学的学习步骤模型学习基本策略的学习二级目录损失函数的定义统计学的学习步骤模型学习基本策略的学习二级目录损失函数的定义
2021-12-14 23:11:08
585
原创 2021-07-29
支持向量机算法原理超平面几何间隔支持向量机算法原理1.从几何角度，对于线性可分数据集，支持向量机就是找距离正负样本都是最远的超平面，相比于感知机，其解是惟一的，且不偏不倚，泛化性能好n维空间的超平面（wTx+b=0,其中w,x∈Rnw^Tx+b=0,其中w,x∈R^nwTx+b=0,其中w,x∈Rn）1.超平面方程不唯一2.法向量www和位移项b确定一个惟一的超平面3.法向量www垂直于超平面（缩放w,bw,bw,b时，若缩放倍数为负数会改变法向量方向）4.法向量www指向的那一半空间，另一半
2021-07-30 00:04:12
127
原创 2021-07-25
神经网络M-P神经元感知机感知机神经网络M-P神经元1.M-P神经元（模拟生物行为的数学模型）：接手n个输入（来自其他的神经元），并给各个输入赋予权重计算加权和，再跟自己特有的阀值θθθ比较（通常用减法），最后经过激活函数（模拟“抑制”和激活）处理得到输出（一般输出传给下个神经元）y=f(∑x=1nwixi−θ)=f(wTx+b)y=f(\sum\limits_{x=1}^nw_ix_i-θ)=f(w^Tx+b)y=f(x=1∑nwixi−θ)=f(wTx+b)单个M-P神经元：感知机（sgn
2021-07-25 23:26:05
146
原创 2021-07-22
决策树信息熵自信息ID3决策树算法原理C4.5决策树CART决策树信息熵自信息一、I(X)=−logbp(x)I(X)=-log_bp(x)I(X)=−logbp(x)当b=2时，其单位为比特，当b=e时，其单位为nat信息熵（自由信息的期望）：度量随机变量XXX的不确定性，信息熵越大越不确定H(X)=E[I(X)]=−∑xp(x)logbp(x)H(X)=E[I(X)]=-\sum\limits_{x}p(x)log_bp(x)H(X)=E[I(X)]=−x∑p(x)logbp(x)
2021-07-23 00:24:24
264
1
原创 一元线性回归
一元线性回归文章目录一元线性回归算法原理求解ω和b线性回归的最小乘估计和极大似然估计基于均方误差最小化来进行模型求解（最小二乘法）极大自然估计算法原理1.首先举个例子，通过发际线来预测一个人的计算机水平其中正常的预测方程表达为：y=ωx+b推广：1.加上两个值特征，分别为0，1f(x)=ω1x1+w2x2+bf(x)=ω_1x_1+w_2x_2+bf(x)=ω1x1+w2x2+b2.有序的多值离散特征（黄：1，蓝：2，红：3）f(x)=w1x1+w2x2+w3x3+bf(x)=w
2021-07-18 10:57:51
228
原创 2021-02-25
早高峰共享单车潮汐点的群智优化竞赛任务详解：参赛者利用现有的数据，建立模型，挖掘早高峰潮汐现象的变化规律与趋势，识别出工作日早高峰07:00-09:00潮汐现象最突出的40个区域，列出各区域所包含的共享单车停车点位编号名称，并提供计算方法说明及计算模型，为下一步优化措施提供辅助支撑。这里写目录标题早高峰共享单车潮汐点的群智优化训练数据读取数据集继续导入库，处理数据对数据进行经纬度处理按照最近邻经纬度训练数据1.导入数据训练所需要的各种库读取数据集读取个excel文件里的数据，拼接到一块进行使用
2021-02-25 00:00:56
175
原创 2021-02-20
算法分析题：早高峰共享单车潮汐点的群智优化任务一：为更好地掌握早高峰潮汐现象的变化规律与趋势，参赛者需基于主办方提供的数据进行数据分析和计算模型构建等工作，识别出工作日早高峰07:00-09:00潮汐现象最突出的40个区域，列出各区域所包含的共享单车停车点位编号名称，并提供计算方法说明及计算模型，为下一步优化措施提供辅助支撑。import os, codecsimport pandas as pdimport numpy as np%pylab inlinefrom IPython.displ
2021-02-20 00:05:00
112
原创 2021-02-17
序列的修改，散列和切片这里写目录标题序列的修改，散列和切片Vector类，用户定义的序列类型Vector类第一版：与Vector2d类兼容协议和鸭子类型Vector类，用户定义的序列类型1.以二维向量Vector2d类为基础，向前迈出一大步，表示的多维向量Vector2d类。2.基本的序列协议 ————len__和__getitem3.正确表述拥有很多元素的实例。4.适当切片支持，用于生成新的Vector实例，5.综合各个元素的统计值散列值。6.自定义的格式扩展语言。Vector类第一版
2021-02-18 23:09:12
172
原创 2021-02-14
对象引用，可变性和垃圾回收变量标识，示例一：变量a和b引用同一个列表，不是那个列表的副本。a=[1,2,3]b=aa.append(4)print(b)#输出的 结果为列表a的内容结果解析：只有列表a,b只同一个对象时，才能得出 以上结果。示例二：创建对象之后，才会把变量分配给对象。...
2021-02-14 23:41:05
223
2
原创 2020-12-23
并发编程12.1 并发与并行Erlang 之父 Joe Armstrong曾经以下图解释并发与并行。并发在图中的解释是两队人排队接咖啡，两队切换。并行是两个咖啡机，两队人同时接咖啡。“Concurrency is about dealing with lots of things at once. Parallelism is about doing lots of things at once.” — Rob Pike并发使并行变得容易,并发提供了一种构造解决方案的方法,并行一般伴随这多核。并
2020-12-23 15:06:45
111
原创 2020-12-14
包管理8.1 Go Modules是什么？Go语言通过包管理来封装模块和复用代码，这里我们只介绍Go Modules管理方法Go Modules于Go语言1.11版本时引入，在1.12版本正式支持，是由Go语言官方提供的包管理解决方案Modules是相关Go包的集合，是源代码交换和版本控制的单元。go命令直接支持使用Modules，包括记录和解析对其他模块的依赖性8.2 Go Modules的使用方法8.2.1 环境变量首先需要设置环境变量，可以使用go env命令查看当前配置。$ go e
2020-12-14 17:13:12
283
原创 2020-12-14
结构体、方法、接口7.1.结构体Go 语言中没有“类”的概念，也不支持像继承这种面向对象的概念。但是Go 语言的结构体与“类”都是复合结构体，而且Go 语言中结构体的组合方式比面向对象具有更高的扩展性和灵活性。7.1.1 结构体定义结构体一般定义如下：type identifier struct {field1 type1field2 type2…}例如我们想声明一个学生的结构体类型：type Student struct {Name stringAge int}结构体中字段的
2020-12-14 17:10:45
194
原创 2020-12-14
函数6.1 函数定义在go语言中函数定义格式如下：func functionName([parameter list]) [returnTypes]{//body}函数由func关键字进行声明。functionName：代表函数名。parameter list：代表参数列表，函数的参数是可选的，可以包含参数也可以不包含参数。returnTypes：返回值类型，返回值是可选的，可以有返回值，也可以没有返回值。body：用于写函数的具体逻辑例1:下面的函数是用于求两个数的和func G
2020-12-14 17:07:40
174
原创 2020-12-14
数组、切片5.1 数组5.1.1 如何定义数组数组是具有相同类型且长度固定的一组连续数据。在go语言中我们可以使用如下几种方式来定义数组。//方式一var arr1 = [5]int{}//方式二var arr2 = [5]int{1,2,3,4,5}//方式三var arr3 = [5]int{3:10}输出以上三个变量的值如下所示：arr1 [0 0 0 0 0]arr2 [1 2 3 4 5]arr3 [0 0 0 10 0]方法一在声明时没有为其指定初值，所以数组内的值被
2020-12-14 17:05:20
83
原创 2020-12-14
运算符、控制语句3.1 运算符假定 A 值为 10，B 值为 20。3.1.1 算数运算符运算符 描述 实例相加 A + B 输出结果 30相减 A - B 输出结果 -10相乘 A * B 输出结果 200/ 相除 B / A 输出结果 2% 求余 B % A 输出结果 0++ 自增 A++ 输出结果 11– 自减 A-- 输出结果 93.1.2 关系运算符运算符 描述== 检查两个值是否相等，如果相等返回 True 否则返回 False。!= 检查两个值是否不相等
2020-12-14 17:02:38
80
原创 2020-12-14
go语言关键字符1.数据类型、关键字、标识符1.1 数据类型1.1.1 按类别布尔型：只可以是常量 true 或者 false。eg:var b bool = true数字类型：整型和浮点型。位的运算采用补码字符串类型：字符串就是一串固定长度的字符连接起来的字符序列，Go 的字符串是由单个字节连接起来。Go 语言的字符串的字节使用 UTF-8 编码标识 Unicode 文本复数：complex128（64 位实数和虚数）和 complex64（32 位实数和虚数），其中 complex1
2020-12-14 16:58:58
63
原创 2020-12-01
大作业本次练习使用 鸢尾属植物数据集 .\iris.data ，在这个数据集中，包括了三类不同的鸢尾属植物：Iris Setosa，Iris Versicolour，Iris Virginica。每类收集了50个样本，因此这个数据集一共包含了150个样本。sepallength：萼片长度sepalwidth：萼片宽度petallength：花瓣长度petalwidth：花瓣宽度以上四个特征的单位都是厘米（cm）。sepallength sepalwidth petallength peta
2020-12-01 22:26:20
118
原创 2020-11-29
线性代数Numpy 定义了 matrix 类型，使用该 matrix 类型创建的是矩阵对象，它们的加减乘除运算缺省采 用矩阵方式计算，因此用法和Matlab十分类似。但是由于 NumPy 中同时存在 ndarray 和 matrix 对象，因此用户很容易将两者弄混。这有违 Python 的“显式优于隐式”的原则，因此官方并不推荐 在程序中使用 matrix 。在这里，我们仍然用 ndarray 来介绍。矩阵和向量积 矩阵的定义、矩阵的加法、矩阵的数乘、矩阵的转置与二维数组完全一致，不再进行说明，但矩阵的
2020-11-29 18:17:54
106
原创 2020-11-27
统计相关次序统计numpy.random.choice(a, size=None, replace=True, p=None) Generates a random sample from a given 1-D array例：利用一个numpy计算值。x=np.array([[11, 12, 13, 14, 15], [16, 17, 18, 19, 20], [21, 22, 23, 24, 25], [26, 27,
2020-11-27 22:24:54
108
原创 2020-10-19
数据类型及数组创建numpy.nan空字符的表示`两条语句分别输出False，True建立数组或者（列表）注：numpy中的array用于建立数组，ianan判断于非数字，返回真值，count_nonzero（）统计非0或者true的个数的函数。python的原生数据层相对较少，bool(布尔型),int（整形），float(浮点型），str（字符串型）创建数据类型dtype表示numpy数值的实例。...
2020-10-20 17:17:22
112
1
原创 2020-08-25
数据可视化7.1开始之前，导入numpy、pandas包和数据加载所需的库如果出现 ModuleNotFoundError: No module named ‘xxxx’#你只需要在终端/cmd下 pip install xxxx 即可import numpy as npimport pandas as pdimport matplotlib.pyplot as plt导入result.csv这个文件text = pd.read_csv(r’result.csv’)任务一：跟着书本第九章
2020-08-25 22:53:19
129
原创 2020-08-08
文件与文件系统18.1.1 1.1 打开文件open(file, mode=‘r’, buffering=None, encoding=None, errors=None, newline=None, closefd=True)Open file and return a stream. Raise OSError upon failure.a. file : 必需，文件路径（相对或者绝对路径）。b. mode : 可选，文件打开模式c. buffering : 设置缓冲d. encodin
2020-08-08 23:08:22
183
原创 2020-08-07
当解释器遇到 import 语句，如果模块在当前的搜索路径就会被导入。包（package）包是一种管理 Python 模块命名空间的形式，采用"点模块名称"。创建包分为三个步骤：创建一个文件夹，用于存放相关的模块，文件夹的名字即包的名字。在文件夹中创建一个 init.py 的模块文件，内容可以为空。将相关的模块放入文件夹中。不妨假设你想设计一套统一处理声音文件和数据的模块（或者称之为一个"包"）。现存很多种不同的音频文件格式（基本上都是通过后缀名区分的，例如： .wav，.aiff，.au
2020-08-07 21:34:28
137
原创 2020-08-05
类与对象14.1 1. 对象 = 属性 + 方法对象是类的实例。换句话说，类主要定义对象的结构，然后我们以类为模板创建对象。类不但包含方法定义，而且还包含所有实例共享的数据。封装：信息隐蔽技术我们可以使用关键字 class 定义 Python 类，关键字后面紧跟类的名称、分号和类的实现。继承：子类自动共享父类之间数据和方法的机制Python 的 self 相当于 C++ 的 this 指针。Python 的魔法方法据说，Python 的对象天生拥有一些神奇的方法，它们是面向对象的 Pyt
2020-08-05 19:33:41
112
原创 2020-08-02
函数与Lambda表达式13.1.1 函数的定义函数以 def 关键词开头，后接函数名和圆括号()。函数执行的代码以冒号起始，并且缩进。return [表达式] 结束函数，选择性地返回一个值给调用方。不带表达式的return相当于返回 None 。13.1.4 函数参数Python 的函数具有非常灵活多样的参数形态，既可以实现简单的调用，又可以传入非常复杂的参数。从简到繁的参数形态如下：位置参数 (positional argument)默认参数 (default argument)可
2020-08-02 20:36:23
140
原创 2020-07-31
字典序列是以连续的整数为索引，与此不同的是，字典以"关键字"为索引，关键字可以是任意不可变类型，通常用字符串或数值。字典是 Python 唯一的一个 映射类型，字符串、元组、列表属于序列类型。那么如何快速判断一个数据类型 X 是不是可变类型的呢？两种方法：麻烦方法：用 id(X) 函数，对 X 进行某种操作，比较操作前后的 id ，如果不一样，则 X 不可变，如果一样，则 X 可变。便捷方法：用 hash(X) ，只要不报错，证明 X 可被哈希，即不可变，反过来不可被哈希，即可变。整数 i
2020-07-31 20:03:48
166
原创 2020-07-24
Python 标准异常总结BaseException：所有异常的 基类Exception：常规异常的 基类StandardError：所有的内建标准异常的基类ArithmeticError：所有数值计算异常的基类FloatingPointError：浮点计算异常OverflowError：数值运算超出最大限制ZeroDivisionError：除数为零AssertionError：断言语句（assert）失败AttributeError：尝试访问未知的对象属性EOFError：没有内建
2020-07-24 11:13:53
185
原创 标题Harris特征点检测器-兴趣点检测
@## 标题Harris特征点检测器-兴趣点检测特征点检测简介在图像处理领域中，特征点又被称为兴趣点或者角点，它通常具有旋转不变性和光照不变性和视角不变性等优点，是图像的重要特征之一，如标志点，角点，极端点等作为特征点，可以作为图像目标快速检测的标志，常用的有Harris角点检测、FAST特征检测、SIFT特征检测及SURF特征检测Harris角点检测算法原理算法的核心是利用局部窗口在图像上进行移动，判断灰度是否发生较大的变化。如果窗口内的灰度值（在梯度图上）都有较大的变化，那么这个窗口所在区域就存
2020-06-25 08:24:47
33
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