1、HOG特征： 方向梯度直方图（Histogram of Oriented Gradient, HOG）特征是一种在计算机视觉和图像处理中用来进行物体检測的特征描写叙述子。它通过计算和统计图像局部区域的梯度方向直方图来构成特征。Hog特征结合SVM分类器已经被广泛应用于图像识别中，尤其在行人检測中...
分类：
其他好文 时间：
2014-08-15 17:37:09
阅读次数：
257
CCIE学习笔记之端到端QOSClass-map默认行为match-allMatchprotocolhttpmime“*/audio/*”Matchprotocolhttpmime“*/video/*”//分类器寻找特殊类型的音频和视频mime流量Matchprotocolhttp“*.jpg|*.jpeg”//匹配图片流量注：MIME类型就是设定某种扩展名的文件用一种应用程序来..
分类：
其他好文 时间：
2014-08-13 15:07:27
阅读次数：
1818
自我学习就是把稀疏自编码器与Softmax回归分类器串联起来。
稀疏编码器是用来无监督学习的，使用无标签数据。
Softmax回归分类器是有监督学习，使用标签数据。
实际生活中，我们能轻松获得大量无标签数据（如从网上随机下载海量图片）
难以获得大量有标签数据（有标签的数据库通常不会太大，而且很贵）
如果我们手头上只有少量标签数据，但是有大量的无标签数据，这是就可以采用自我...
分类：
其他好文 时间：
2014-08-13 13:03:36
阅读次数：
493
今天整理资料时，发现了在学校时做的这个实验，当时整个过程过重偏向依赖分类器方面，而又很难对分类器本身性能进行一定程度的改良，所以最后没有选用这个方案，估计以后也不会接触这类机器学习的东西了，希望它对刚入门的人有点用。
SVM比较适合高维数据的二分类，本来准备对语音特征直接用SVM进行二分类，但是发现样本数据比较多，训练的2天都没有出收敛，最后想用VQ聚类的方法先抽取出具有代...
分类：
其他好文 时间：
2014-08-12 13:35:54
阅读次数：
306
今天整理资料时，发现了在学校时做的这个实验，当时整个过程过重偏向依赖分类器方面，而自己又很难对分类器性能进行一定程度的改良，所以最后没有选用这个方案，估计以后也不会接触这类机器学习的东西了，希望它对刚入门的人有点用。 SVM比较适合高维数据的二分类，本来准备对语音特征直接用SVM进行二分类，但是发....
分类：
其他好文 时间：
2014-08-12 12:53:24
阅读次数：
210
首先来说明一下bootstraps：可以把它认为是一种有放回的抽样方法。bagging：boostraps aggregating（汇总）boosting：Adaboot （Adaptive Boosting）提示方法提升（boosting）：在分类问题中，通过改变训练样本的权重，学习多个分类器，并...
分类：
其他好文 时间：
2014-08-11 23:55:33
阅读次数：
422
矢量化编程就是用矢量运算取代所有的显式for循环。
上一节所用的是512*512*10的数据集很小，我们取的patch很小（8*8），学来的特征很少（25），而我又注释掉了梯度校验（偷懒），所以程序用了1分钟就跑完了（i5处理器）。
但实际上我们遇到的问题规模比这个打太多了，稍微大一点的数据集比如说MNIST，这个数据库是另外一个更大的手写体数据库NIST的子集，包含60000个训练例子...
分类：
其他好文 时间：
2014-08-11 12:10:22
阅读次数：
323
1：简单概念描述
假设现在有一些数据点，我们用一条直线对这些点进行拟合(改线称为最佳拟合直线)，这个拟合过程就称为回归。训练分类器就是为了寻找最佳拟合参数，使用的是最优化算法。
基于sigmoid函数分类：logistic回归想要的函数能够接受所有的输入然后预测出类别。这个函数就是sigmoid函数，它也像一个阶跃函数。其公式如下：
其中： z = w0x0+w1x1+….+wnxn,w...
分类：
其他好文 时间：
2014-08-10 13:04:00
阅读次数：
308
hog&svm的方法已经非常经典，广泛使用在多种行业，并且集成在了硬件中。应该说作为运动检测的一种重要方法，使用的情况还是非常广泛的。（opencv自带的分类器）intmain(){Mat src = imread("1.png");HOGDescriptor hog;//HOG特征检测器hog.s...
分类：
其他好文 时间：
2014-08-10 12:44:30
阅读次数：
234
京东评论情感分类器（基于bag-of-words模型）...
分类：
其他好文 时间：
2014-08-08 21:29:46
阅读次数：
572
