- 博客(26)
- 收藏
- 关注
RSS订阅
原创 Caffe + ubuntu 15.10 64bit + opencv 3.0.0 + atlas + cuda7.5 + cudnnv4.0+Anaconda2配置过程记录文档
论坛有很多关于caffe的教程，但大部分都很省略，而我基础差，智商低，所以遇到了数不清的问题，因此在这里把我遇到的所有问题及收获写成文档，希望能给大家带来帮助，错误的地方希望指正。 具体步骤：Step 1 安装所需的依赖包：sudo apt-get install build-essential //安装一些基础的依赖包 sudo apt-get install lib
2016-01-22 22:26:17
2805
原创 深度学习自学笔记（一）
深度学习自学笔记（一）声明：这是一个初学者写给自己看的笔记，一边想记录我学习深度学习的思考过程，另一边是顺便整理自己刚学的内容，所以内容肯定非常肤浅，但我认为这样反而更容易让新手接触这个东西，所以若大牛们发现里面的错误，还望不吝指点，我会尽快更正，以免误导他人。我主要的学习思路是来自这篇博客http://blog.csdn.net/fish0058/article/details/1975
2015-08-15 16:23:06
2140
转载 随机森林
这篇文章是自己对学习random forest的整理，里面参考了很多其他博主的成果，非常感谢，他们的原文链接详见参考文献。Random Forest，顾名思义，Random就是随机抽取，Forest就是说这里不止一棵树，而由一群决策树组成的一片森林，连起来就是用随机抽取的方法训练出一群决策树来完成分类任务。RF用了两次随机抽取，一次是对训练样本的随机抽取；另一次是对变量
2015-03-19 12:15:09
3893
转载 树回归
1.简单介绍 线性回归方法可以有效的拟合所有样本点（局部加权线性回归除外）。当数据拥有众多特征并且特征之间关系十分复杂时，构建全局模型的想法一个是困难一个是笨拙。此外，实际中很多问题为非线性的，例如常见到的分段函数，不可能用全局线性模型来进行拟合。树回归将数据集切分成多份易建模的数据，然后利用线性回归进行建模和拟合。这里介绍较为经典的树回归CART(classificat
2015-03-19 11:39:27
820
转载 EM算法及其通俗易懂的讲解
本文转自：http://blog.csdn.net/zouxy09/article/details/8537620机器学习十大算法之一：EM算法。能评得上十大之一，让人听起来觉得挺NB的。什么是NB啊，我们一般说某个人很NB，是因为他能解决一些别人解决不了的问题。神为什么是神，因为神能做很多人做不了的事。那么EM算法能解决什么问题呢？或者说EM算法是因为什么而来到这个世界上，还吸引了那么多
2015-01-01 21:49:31
11736
2
转载 图像处理与计算机视觉 基础、经典以及最近发展
申明：本文非笔者原创，原文转载自：http://blog.csdn.net/liuyue2046/article/details/12658441*****************************************************************************************************************
2014-11-02 21:50:09
1127
转载 SVM由浅入深的详细讲解（遇到最易懂的）
支持向量机通俗导论（理解SVM的三层境界）作者：July ；致谢：pluskid、白石、JerryLead。出处：结构之法算法之道blog。前言 动笔写这个支持向量机(support vector machine)是费了不少劲和困难的，原因很简单，一者这个东西本身就并不好懂，要深入学习和研究下去需花费不少时间和精力，二者这个东西也不好讲
2014-10-19 22:00:55
62589
8
转载 Probabilistic Context-Free Grammar
什么是语法解析？在自然语言学习过程中，每个人一定都学过语法，例如句子可以用主语、谓语、宾语来表示。在自然语言的处理过程中，有许多应用场景都需要考虑句子的语法，因此研究语法解析变得非常重要。语法解析有两个主要的问题，其一是句子语法在计算机中的表达与存储方法，以及语料数据集；其二是语法解析的算法。对于第一个问题，我们可以用树状结构图来表示，如下图所示，S
2014-10-18 18:32:20
1220
转载 论文中制作eps图
论文中图是一个很重要的部分，latex支持eps格式的矢量图，这种类型的图无论放大多少倍都会很清晰，专业排版里面都支持这种类型格式的图。下面总结了一种较快的较好的生成eps图的方法。1.首先关于word画图 有很多人认为word画出来的图无法很好地转换成eps格式，会出现这样或那样的问题，其实不然，word可以很简易地画出各式各样的图，包括结构图，流程图，示意图等等，这种图对于线条和长度大
2014-10-08 21:25:35
11539
转载 光流法详解
光流法 这一部分《learing opencv》一书的第10章Lucas-Kanade光流部分写得非常详细，推荐大家看书。我这里也粘帖一些选自书中的内容。 另外我对这一部分附上一些个人的看法（谬误之处还望不吝指正）： 1.首先是假设条件： （1）亮度恒定，就是同一点随着时间的变化，其亮度不会发生改变。这是基本光流法的假定
2014-10-01 00:49:01
4378
转载 卡尔曼滤波
在学习卡尔曼滤波器之前，首先看看为什么叫“卡尔曼”。跟其他著名的理论（例如傅立叶变换，泰勒级数等等）一样，卡尔曼也是一个人的名字，而跟他们不同的是，他是个现代人！卡尔曼全名Rudolf Emil Kalman，匈牙利数学家，1930年出生于匈牙利首都布达佩斯。1953，1954年于麻省理工学院分别获得电机工程学士及硕士学位。1957年于哥伦比亚大学获得博士学位。我们现在要学习的卡尔曼滤波器
2014-09-26 22:24:52
744
转载 基于粒子滤波的物体跟踪
一直都觉得粒子滤波是个挺牛的东西，每次试图看文献都被复杂的数学符号搞得看不下去。一个偶然的机会发现了Rob Hess(http://web.engr.oregonstate.edu/~hess/)实现的这个粒子滤波。从代码入手，一下子就明白了粒子滤波的原理。根据维基百科上对粒子滤波的介绍(http://en.wikipedia.org/wiki/Particle_filter)，粒子滤波其实有
2014-09-20 15:10:35
815
转载 AAM详解
前面介绍ASM算法(http://blog.csdn.net/carson2005/article/details/8194317)的时候，笔者提到，ASM是基于统计形状模型的基础上进行的，而AAM则是在ASM的基础上，进一步对纹理（将人脸图像变形到平均形状而得到的形状无关图像g）进行统计建模，并将形状和纹理两个统计模型进一步融合为表观模型。同ASM一样，给定学习集
2014-09-17 23:47:19
2502
转载 隐马尔科夫模型（HMM）详解
隐马尔可夫模型 (Hidden Markov Model，HMM) 最初由 L. E. Baum 和其它一些学者发表在一系列的统计学论文中，随后在语言识别，自然语言处理以及生物信息等领域体现了很大的价值。平时，经常能接触到涉及 HMM 的相关文章，一直没有仔细研究过，都是蜻蜓点水，因此，想花一点时间梳理下，加深理解，在此特别感谢 52nlp 对 HMM 的详细介绍。 考虑下面交通灯的
2014-09-17 23:46:35
2510
转载 ASM详解
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：
2014-09-17 23:42:03
845
转载 PCA（主成分分析）详解
申明：本文非笔者原创，原文转载自：http://blog.codinglabs.org/articles/pca-tutorial.htmlPCA（Principal Component Analysis）是一种常用的数据分析方法。PCA通过线性变换将原始数据变换为一组各维度线性无关的表示，可用于提取数据的主要特征分量，常用于高维数据的降维。网上关于PCA的文章有很多，
2014-09-17 23:39:22
3678
转载 sparse coding(稀疏编码)详解
节将简单介绍下sparse coding(稀疏编码)，因为sparse coding也是deep learning中一个重要的分支，同样能够提取出数据集很好的特征。本文的内容是参考斯坦福deep learning教程：Sparse Coding，Sparse Coding: Autoencoder Interpretation，对应的中文教程见稀疏编码，稀疏编码自编码表达。 在次
2014-09-17 23:20:46
4293
1
转载 典型相关分析（CCA）
典型相关分析的基本思想 Canonical Correlation AnalysisCCA典型相关分析（canonical correlation analysis）利用综合变量对之间的相关关系来反映两组指标之间的整体相关性的多元统计分析方法。它的基本原理是：为了从总体上把握两组指标之间的相关关系，分别在两组变量中提取有代表性的两个综合变量U1和V1（分别为两个变量组中各变量的线性
2014-09-14 22:12:17
42951
1
转载 Bag of word
Bag of Word, 顾名思义，即将某些Word打包，就像我们经常会把类似的物品装到一个柜子，或者即使是随意打包一些物品，也是为了我们能够方便的携带，在对大数据作处理的时候，为了能够方便的携带这些数据中的信息，与其一个一个的处理，还不如打包来的容易一点。 Bag of Word 因其理论简单，易懂，在vision界得到了广泛的应用，有人将Bag of Word改成Bag of
2014-09-14 17:04:38
1250
转载 HOG特征详解
1、HOG特征： 方向梯度直方图（Histogram of Oriented Gradient, HOG）特征是一种在计算机视觉和图像处理中用来进行物体检测的特征描述子。它通过计算和统计图像局部区域的梯度方向直方图来构成特征。Hog特征结合SVM分类器已经被广泛应用于图像识别中，尤其在行人检测中获得了极大的成功。需要提醒的是，HOG+SVM进行行人检测的方法是法国研究人员Dal
2014-09-13 17:46:37
1893
转载 最大熵模型
最大熵模型：读书笔记 胡江堂，北京大学软件学院1. 物理学的熵2. 信息论的熵3. 熵和主观概率（一个简单注释4. 熵的性质4.1. 当所有概率相等时，熵取得最大值4.2. 小概率事件发生时携带的信息量比大
2014-09-12 15:51:21
806
转载 SVM——支持向量机详解
（一）SVM的八股简介支持向量机(Support Vector Machine)是Cortes和Vapnik于1995年首先提出的，它在解决小样本、非线性及高维模式识别中表现出许多特有的优势，并能够推广应用到函数拟合等其他机器学习问题中[10]。支持向量机方法是建立在统计学习理论的VC 维理论和结构风险最小原理基础上的，根据有限的样本信息在模型的复杂性（即对特定训练样本的学习精度，Ac
2014-09-07 18:50:08
1996
转载 Dynamic Time Warping（DTW—— 动态时间规整算法
Dynamic Time Warping 动态时间规整算法Dynamic Time Warping（DTW）是一种衡量两个时间序列之间的相似度的方法，主要应用在语音识别领域来识别两段语音是否表示同一个单词。1. DTW方法原理在时间序列中，需要比较相似性的两段时间序列的长度可能并不相等，在语音识别领域表现为不同人的语速不同。而且同一个单词内的不同音素的发音速度也不同
2014-09-07 13:26:10
4885
转载 群
群（转）在数学中，群是一种代数结构，由一个集合以及一个二元运算所组成。要具有成为群的资格，这个集合和运算必须满足一些被称为“群公理”的条件，也就是封闭性、结合律、单位元和逆元。尽管很多熟知的数学结构比如数系统都遵从这些公理，例如整数配备上加法运算就形成一个群，但将群公理的公式从具体的群和其运算中抽象出来，就使得人们可以用灵活的方式来处理起源于抽象代数或其他许多数学分支的实体，而
2014-09-06 22:45:00
1016
转载 克罗内克积
定义[编辑]如果A是一个 m × n 的矩阵，而B是一个 p × q 的矩阵，克罗内克积则是一个 mp × nq 的分块矩阵更具体地可表示为例子[编辑]..
2014-09-05 14:23:26
1609
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