摘要： 阅读全文

摘要：1, Fast Approximate Energy Minimization via Graph Cuts. PAMI 20012, An Experimental Comparison of Min-Cut/Max-Flow Algorithms for Energy Minimization in Vision. PAMI 20043, What Energy Functions can be Minimized via Graph Cuts?PAMI 20044, Fast Approximate Energy Minimization with Label Costs IJCV201 阅读全文

摘要：1, Spectral hashing. NISP 20082, Locality-sensitive binary codes from shift-invariant kernels. NIPS 20093, Fast similarity search for learned metrics PAMI 20094, Reducing the dimensionality of data with neural networks Science 20065, Learning to hash with binary reconstruction embeddings NIPS 20096, 阅读全文

摘要：概率的理解：概率的一种理解是频数的解释，比如投硬币，当投的次数无限多时，我们大概知道下次投出“head” 的概率。另外一种解释就是贝叶斯观点，就是衡量事情的不确定性。贝叶斯观点的好处在于，其不是基于重复事件的。而是基于先前的信息，来预测下一个事件发生的概率。概率的基本性质在此略去，下面看看几种典型的概率分布：高斯分布为什么使用最频繁：1，他的两个参数很好理解，能很好的解释分布中的两个重要的性质：均值和方差。2，中心极限定理表明独立随机变量的和近似为高斯分布，这个对误差或者噪声建模提供了有力的工具；3，高斯分布与最大熵有关；4，具有很简单的数学形式，很容易实现。关于高斯的历史以及来历，有段有.. 阅读全文

摘要：《Machine Learning - A Probabilistic Perspective》作者：Kevin Patrick Murphy第一章：导论1.1 什么是机器学习，为什么需要机器学习。 大数据时代，要求机器能自动分析数据，能从已知的数据中学习一些隐藏的模式，来预测未来的数据，或者执行一些决策。 机器学习大体分为两类：预测或者有监督学习：这个方式需要有训练数据库，然后给定输入特征、属性或者协变量，给定输出的信息。如果输出的是类别信息，则称这类问题叫分类问题，或者模式识别问题。如果输出的是连续值，则称这类问题为回归问题（regression)。 描述（descriptive）或... 阅读全文