摘要：关于光流法请看我之前的博客Lukas-Kanade光流法。这里介绍Horn-Schunck光流法。Horn-Schunck光流法求得的是稠密光流，需要对每一个像素计算光流值，计算量比较大。而Lucas-Kanade光流法只需计算若干点的光流，是一种稀疏光流。数学原理这里就不介绍了，直接说算法步骤。用... 阅读全文

摘要：首先列出参考文献：Additive Logistic Regression: a Statistical View of Boosting还是J. Friedman的文章。这里主要讲LogitBoost，discrete adaboost和real adaboost相对LogitBoost和gent... 阅读全文

摘要：霍夫森林是随机森林和霍夫投票在计算机视觉中的应用，可以用在物体检测，跟踪和动作识别。09年cvpr上提出霍夫森林的文章——Class-Specific Hough Forests for Object Detection关于hough变换，请看我之前的一篇博客Hough直线检测关于随机森林，请看我的... 阅读全文

摘要：Gradient Boosting Decision Tree，即梯度提升树，简称GBDT，也叫GBRT（Gradient Boosting Regression Tree），也称为Multiple Additive Regression Tree（MART），阿里貌似叫treelink。首先学习G... 阅读全文

摘要：Apriori算法是一种挖掘关联规则的频繁项集算法，其核心思想是通过候选集生成和情节的向下封闭检测两个阶段来挖掘频繁项集。概念（1）支持度（Support）：定 义为 supp(X) = occur(X) / count(D) = P(X)（有绝对支持度（个数）和相对支持度（百分比）之分）。（2）频... 阅读全文

摘要：开始用accumulate做加和，结果发现laplacian矩阵求特征值后最小的特征值不是0，这是有问题的，聚类的准确率不是很高，原因也找不到。后来一步步查，发现diag矩阵有问题，最终查到accumulate是int相加，不准确，修改后准确率增加。// spectral-cluster.cpp :... 阅读全文

摘要：参见博客Random Forest随机森林算法下面是我实现的简易版本决策树ID3Tree.h//#pragma once#ifndef ID3#define ID3#include#includeusing namespace std;#define Epsilon 0.000000001clas... 阅读全文

摘要：ISODATA算法是在k-均值算法的基础上，增加对聚类结果的“合并”和“分裂”两个操作，并设定算法运行控制参数的一种聚类算法。迭代次数会影响最终结果，迭代参数选择很重要。算法步骤如下：①初始化设定控制参数：c：预期的类数；Nc：初始聚类中心个数（可以不等于c）；TN：每一类中允许的最少样本数目（若少... 阅读全文