摘要：
图像测量和机器视觉作业： 提取图像中的直线和点的位置坐标，将其按一定顺序编码存入一文本文件，并在原图像上叠加显示出来。 下午实验了一下： 程序环境：vs2013(活动平台为x64)+opencv3.1 (活动平台也要改) 程序运行时会在程序源文件目录下生成： 1）textRecord.txt文件，记 阅读全文
posted @ 2016-12-25 18:33
ranjiewen
阅读(7699)
评论(5)
推荐(2)
摘要：
1. AR模型概念观 AR模型是一种线性预测，即已知N个数据，可由模型推出第N点前面或后面的数据（设推出P点），所以其本质类似于插值，其目的都是为了增加有效数据，只是AR模型是由N点递推，而插值是由两点（或少数几点）去推导多点，所以AR模型要比插值方法效果更好。 数字信号处理功率谱估计方法分经典功率 阅读全文
posted @ 2016-12-24 19:20
ranjiewen
阅读(7042)
评论(0)
推荐(0)
摘要：
径向基函数 在说径向基网络之前，先聊下径向基函数（Radical Basis Function，RBF）。径向基函数（Radical Basis Function，RBF）方法是Powell在1985年提出的。所谓径向基函数，其实就是某种沿径向对称的标量函数。通常定义为空间中任一点x到某一中心c之间 阅读全文
posted @ 2016-12-23 21:42
ranjiewen
阅读(2115)
评论(0)
推荐(0)
摘要：
学习过程 下面是一个典型的机器学习的过程，首先给出一个输入数据，我们的算法会通过一系列的过程得到一个估计的函数，这个函数有能力对没有见过的新数据给出一个新的估计，也被称为构建一个模型。就如同上面的线性回归函数。 线性回归 线性回归假设特征和结果满足线性关系。其实线性关系的表达能力非常强大，每个特征对 阅读全文
posted @ 2016-12-23 21:28
ranjiewen
阅读(1325)
评论(0)
推荐(0)
摘要：
【特征工程】特征选择与特征学习 特征选择（Feature Selection,FS）和特征抽取（Feature Extraction, FE）是特征工程（Feature Engineering）的两个重要的方面。 他们之间最大的区别就是是否生成新的属性。 FS仅仅对特征进行排序（Ranking）和选 阅读全文
posted @ 2016-12-23 21:06
ranjiewen
阅读(2138)
评论(0)
推荐(0)
摘要：
知道这个库已经很长的时间了，一直没有实践，以前也看过svm的理论，今天开始安装一下一直感觉有错误，结果自己傻了，根本没有错，可以直接使用。。。 libsvm参考资料： libsvm下载网址：http://www.csie.ntu.edu.tw/~cjlin/libsvm/ 我的系统环境为 Win7 阅读全文
posted @ 2016-12-23 20:15
ranjiewen
阅读(7578)
评论(0)
推荐(0)
摘要：
首先说交叉验证。交叉验证（Cross validation）是一种评估统计分析、机器学习算法对独立于训练数据的数据集的泛化能力（generalize）， 能够避免过拟合问题。交叉验证一般要尽量满足：1）训练集的比例要足够多，一般大于一半2）训练集和测试集要均匀抽样 交叉验证主要分成以下几类：1）Do 阅读全文
posted @ 2016-12-23 12:59
ranjiewen
阅读(4370)
评论(0)
推荐(0)
摘要：
K-L变换（ Karhunen-Loeve Transform）是建立在统计特性基础上的一种变换，有的文献也称为霍特林（Hotelling）变换，因他在1933年最先给出将离散信号变换成一串不相关系数的方法。K-L变换的突出优点是去相关性好，是均方误差（MSE，Mean Square Error）意 阅读全文
posted @ 2016-12-22 23:46
ranjiewen
阅读(4782)
评论(0)
推荐(0)
摘要：
1. 常用激活函数 激活函数的选择是构建神经网络过程中的重要环节，下面简要介绍常用的激活函数。 (1) 线性函数 ( Liner Function ) (2) 斜面函数 ( Ramp Function ) (3) 阈值函数 ( Threshold Function ) 以上3个激活函数都属于线性函数 阅读全文
posted @ 2016-12-21 19:43
ranjiewen
阅读(871)
评论(0)
推荐(0)
摘要：
参考：sklearn 数据集认识： 目录 载入示例数据 一个改变数据集大小的示例：数码数据集(digits datasets) 学习和预测 分类 K最近邻(KNN)分类器 训练集和测试集 分类支持向量机(SVMs) 线性支持向量机 使用核 聚类：将观测值聚合 k均值聚类 应用到图像压缩 用主成分分析 阅读全文
posted @ 2016-12-20 21:01
ranjiewen
阅读(357)
评论(0)
推荐(0)
浙公网安备 33010602011771号