08 2015 档案

只有注册用户登录后才能阅读该文。
posted @ 2015-08-30 22:35 莫小 阅读(129) 评论(2) 推荐(0)
摘要:A geometric interpretation of the covariance matrixhttp://www.visiondummy.com/2014/04/geometric-interpretation-covariance-matrix/译文:http://demo.netfou... 阅读全文
posted @ 2015-08-25 17:55 莫小 阅读(32979) 评论(1) 推荐(7)
摘要:选取N幅同类目标物体的二维图像,并用上一篇博文的方法标注轮廓点,这样就得到训练样本集: 由于图像中目标物体的形状和位置存在较大偏差,因此所得到的数据并不具有仿射不变性,需要对其进行归一化处理。这里采用Procrustes分析方法对样本集中的所有形状集合进行归一化。形状和位置的载体还是样本点的空... 阅读全文
posted @ 2015-08-20 16:57 莫小 阅读(21904) 评论(0) 推荐(1)
摘要:翻译来自:http://news.csdn.net/article_preview.html?preview=1&reload=1&arcid=2825492摘要:本文解释了回归分析及其优势,重点总结了应该掌握的线性回归、逻辑回归、多项式回归、逐步回归、岭回归、套索回归、ElasticNet回归等七... 阅读全文
posted @ 2015-08-15 18:37 莫小 阅读(2016) 评论(0) 推荐(1)
摘要:一、简介 PCA(Principal Components Analysis)即主成分分析,是图像处理中经常用到的降维方法,大家知道,我们在处理有关数字图像处理方面的问题时,比如经常用的图像的查询问题,在一个几万或者几百万甚至更大的数据库中查询一幅相近的图像。这时,我们通常的方法是对图像库中的图... 阅读全文
posted @ 2015-08-12 10:58 莫小 阅读(14091) 评论(0) 推荐(1)