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(393)
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(508)
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(1753)
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(136)
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(128)
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(251)
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(845)
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(231)
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(215)
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(165)
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(288)
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(238)
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(146)
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(1141)
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(3662)
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(303)
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(472)
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(333)
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(178)
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(221)
评论(0)
推荐(0)
浙公网安备 33010602011771号