摘要：
K均值（K-Means）算法是一种无监督的聚类学习算法，他尝试找到样本数据的自然类别，分类是K由用户自己定义，K均值在不需要任何其他先验知识的情况下，依据算法的迭代规则，把样本划分为K类。K均值是最常用的聚类技术之一，通过不断迭代和移动质心来完成分类，与均值漂移算法的... 阅读全文
posted @ 2016-11-02 23:01
未雨愁眸
阅读(397)
评论(0)
推荐(0)
摘要：
均值、标准差、方差：样本均值描述的是集合的中间点、平均值、均值的信息是有限的，有时候甚至是完全没有参考意义的，比如各统计局最喜欢发布的平均工资、年收入等等，只有个文字游戏而已。标准差描述的是样本集合中的各个样本点到均值的距离的平均值。以集合[0,8,12,20]和集合... 阅读全文
posted @ 2016-11-02 22:30
未雨愁眸
阅读(513)
评论(0)
推荐(0)
摘要：
支持向量机（SVM）中最核心的是什么？个人理解就是前4个字——“支持向量”，一旦在两类或多累样本集中定位到某些特定的点作为支持向量，就可以依据这些支持向量计算出来分类超平面，再依据超平面对类别进行归类划分就是水到渠成的事了。有必要回顾一下什么是支持向量机中的支持向量。... 阅读全文
posted @ 2016-11-02 21:55
未雨愁眸
阅读(1759)
评论(0)
推荐(0)
摘要：
那几乎只剩下递归这一个程序结构了。def sln(n): tol = n if n > 0: tol += sln(n-1) return tol当然因为 Python 语法的限制（+=返回值为 None，不像 C/C++ 返回值为左值... 阅读全文
posted @ 2016-11-02 21:33
未雨愁眸
阅读(140)
评论(0)
推荐(0)
摘要：
那几乎只剩下递归这一个程序结构了。def sln(n): tol = n if n > 0: tol += sln(n-1) return tol当然因为 Python 语法的限制（+=返回值为 None，不像 C/C++ 返回值为左值... 阅读全文
posted @ 2016-11-02 21:33
未雨愁眸
阅读(130)
评论(0)
推荐(0)
摘要：
LDA：Leading Dimension of AView topic - leading dimension? Clarification of the leading dimension in CUBLAS when transposing 完整的说法是：le... 阅读全文
posted @ 2016-11-02 21:01
未雨愁眸
阅读(255)
评论(0)
推荐(0)
摘要：
LDA：Leading Dimension of AView topic - leading dimension? Clarification of the leading dimension in CUBLAS when transposing 完整的说法是：le... 阅读全文
posted @ 2016-11-02 21:01
未雨愁眸
阅读(850)
评论(0)
推荐(0)
摘要：
activecontour：前景背景分离，Segment image into foreground and background using active contour 该函数返回的是一副 binary image，二值图像；1. Texture Segmenta... 阅读全文
posted @ 2016-11-02 19:06
未雨愁眸
阅读(235)
评论(0)
推荐(0)
摘要：
activecontour：前景背景分离，Segment image into foreground and background using active contour 该函数返回的是一副 binary image，二值图像；1. Texture Segmenta... 阅读全文
posted @ 2016-11-02 19:06
未雨愁眸
阅读(218)
评论(0)
推荐(0)
摘要：
1. Gabor Filters傅里叶分解是一种度量图像纹理特征的方式，但它是对图像全局（global）的度量。Gabor 滤波器是一种获取图像频率成分的局部化（local）的方法；g(x,y)=s(x,y)w(x,y)s(x,y)=exp(−i2π(xu+yv)) ... 阅读全文
posted @ 2016-11-02 19:03
未雨愁眸
阅读(167)
评论(0)
推荐(0)
摘要：
1. Gabor Filters傅里叶分解是一种度量图像纹理特征的方式，但它是对图像全局（global）的度量。Gabor 滤波器是一种获取图像频率成分的局部化（local）的方法；g(x,y)=s(x,y)w(x,y)s(x,y)=exp(−i2π(xu+yv)) ... 阅读全文
posted @ 2016-11-02 19:03
未雨愁眸
阅读(290)
评论(0)
推荐(0)
摘要：
光学图像（optical image）： the apparent reproduction of an object, formed by a lens or mirror system from reflected, refracted, or diffrac... 阅读全文
posted @ 2016-11-02 18:36
未雨愁眸
阅读(240)
评论(0)
推荐(0)
摘要：
光学图像（optical image）： the apparent reproduction of an object, formed by a lens or mirror system from reflected, refracted, or diffrac... 阅读全文
posted @ 2016-11-02 18:36
未雨愁眸
阅读(148)
评论(0)
推荐(0)
摘要：
1. 均值滤波器与中值滤波器image processing - Difference between linear and non linear filter - Signal Processing Stack Exchange最为典型的均值滤波器是线性滤波器，而中... 阅读全文
posted @ 2016-11-02 16:45
未雨愁眸
阅读(1146)
评论(0)
推荐(0)
摘要：
1. 均值滤波器与中值滤波器image processing - Difference between linear and non linear filter - Signal Processing Stack Exchange最为典型的均值滤波器是线性滤波器，而中... 阅读全文
posted @ 2016-11-02 16:45
未雨愁眸
阅读(3667)
评论(0)
推荐(0)
摘要：
卷积神经网络模型的历史演化： 0. 核心思想two main ideas： use only local features在不同位置上使用同样的特征；池化层的涵义在于，更高的层次能捕捉图像中更大的范围和区域；1. feature map依然是 feature map... 阅读全文
posted @ 2016-11-02 16:25
未雨愁眸
阅读(304)
评论(0)
推荐(0)
摘要：
卷积神经网络模型的历史演化： 0. 核心思想two main ideas： use only local features在不同位置上使用同样的特征；池化层的涵义在于，更高的层次能捕捉图像中更大的范围和区域；1. feature map依然是 feature map... 阅读全文
posted @ 2016-11-02 16:25
未雨愁眸
阅读(473)
评论(0)
推荐(0)
摘要：
feature learning：也叫 representation learning，表示学习；deep learning：deep structural learning，deep machine learning； hierarchical neuron： ne... 阅读全文
posted @ 2016-11-02 15:33
未雨愁眸
阅读(335)
评论(0)
推荐(0)
摘要：
feature learning：也叫 representation learning，表示学习；deep learning：deep structural learning，deep machine learning； hierarchical neuron： ne... 阅读全文
posted @ 2016-11-02 15:33
未雨愁眸
阅读(182)
评论(0)
推荐(0)
摘要：
neurally-inspiredbiologically-inspired1. CNN：biologically-inspiredCNN（Convolutional Neural Networks）是受生物学启发（biologically-inspired）的多层感... 阅读全文
posted @ 2016-11-02 15:14
未雨愁眸
阅读(224)
评论(0)
推荐(0)
摘要：
neurally-inspiredbiologically-inspired1. CNN：biologically-inspiredCNN（Convolutional Neural Networks）是受生物学启发（biologically-inspired）的多层感... 阅读全文
posted @ 2016-11-02 15:14
未雨愁眸
阅读(170)
评论(0)
推荐(0)
摘要：
Tensor Flow 是一个采用数据流图（data flow graphs），用于数值计算的开源软件库。节点（Nodes）在图中表示数学操作，图中的线（edges）则表示在节点间相互联系的多维数据数组，即张量（tensor）。这是谷歌开源的一个强大的做深度学习的软... 阅读全文
posted @ 2016-11-02 14:20
未雨愁眸
阅读(349)
评论(0)
推荐(0)
摘要：
从特征学习（Feature Learning）的观点来看，神经网络尤其是深度神经网络（也即是深度学习）是十分强大的特征学习方法。例如就可将 Autoencode 视为一种特征降维的方法。也正因如此，在经过深度学习模型（ANN、CNN、RNN、LSTM等模型）的训练之后... 阅读全文
posted @ 2016-11-02 11:21
未雨愁眸
阅读(1837)
评论(0)
推荐(0)
摘要：
从特征学习（Feature Learning）的观点来看，神经网络尤其是深度神经网络（也即是深度学习）是十分强大的特征学习方法。例如就可将 Autoencode 视为一种特征降维的方法。也正因如此，在经过深度学习模型（ANN、CNN、RNN、LSTM等模型）的训练之后... 阅读全文
posted @ 2016-11-02 11:21
未雨愁眸
阅读(335)
评论(0)
推荐(0)
摘要：
0. 参数的指定learning_rate：η=0.01λ2⇒ℓ2：0.0001 λ1⇒ℓ1：0.00（这种其实仅要求的是 ℓ2 约束） n_epochs（迭代的次数）：1000batch_size = 20n_hidden = 500（n_in = 28*28=78... 阅读全文
posted @ 2016-11-02 11:07
未雨愁眸
阅读(388)
评论(0)
推荐(0)
摘要：
0. 参数的指定learning_rate：η=0.01λ2⇒ℓ2：0.0001 λ1⇒ℓ1：0.00（这种其实仅要求的是 ℓ2 约束） n_epochs（迭代的次数）：1000batch_size = 20n_hidden = 500（n_in = 28*28=78... 阅读全文
posted @ 2016-11-02 11:07
未雨愁眸
阅读(323)
评论(0)
推荐(0)
摘要：
衡量两幅图像的相似度： SNR/PSNRSSIM1. SNR vs PSNRabout SNR 和 PSNRMSE：mean squared error ∑x=1Nx∑y=1Ny(f(x,y)−f^(x,y))2NxNy f(x,y)：表示原始的信号/图像；f^(x,... 阅读全文
posted @ 2016-11-02 10:36
未雨愁眸
阅读(1334)
评论(0)
推荐(0)
摘要：
衡量两幅图像的相似度： SNR/PSNRSSIM1. SNR vs PSNRabout SNR 和 PSNRMSE：mean squared error ∑x=1Nx∑y=1Ny(f(x,y)−f^(x,y))2NxNy f(x,y)：表示原始的信号/图像；f^(x,... 阅读全文
posted @ 2016-11-02 10:36
未雨愁眸
阅读(916)
评论(0)
推荐(0)
浙公网安备 33010602011771号