码迷,mamicode.com
首页 >  
搜索关键字:模式识别    ( 621个结果
SVM+HOG特征训练分类器
#1,概念 在机器学习领域,支持向量机SVM(Support Vector Machine)是一个有监督的学习模型,通常用来进行模式识别、分类、以及回归分析。 SVM的主要思想可以概括为两点:⑴它是针对线性可分情况进行分析,对于线性不可分的情况,通过使用非线性映射算法将低维输入空间线性不可分的样本转 ...
分类:其他好文   时间:2016-07-20 09:02:02    阅读次数:469
百度云+AI,人工智能走进场景应用时代
人工智能,未来已来。近日,百度创始人兼CEO李彦宏现身巴黎Viva科技大会,表示多数的服务都已经基于人工智能。人工智能作为互联网的“水电煤”,以图像识别为例,早已成功融入百度云服务。人工智能+百度云的垂直应用,意味着百度云已占据人工智能的场景先机。图片作为百度云上..
分类:其他好文   时间:2016-07-15 13:55:04    阅读次数:170
卷积神经网络总结
一. CNN的生物原理,应用以及优点 CNN根据人眼睛视觉神经的局部感受野特点设计,广泛应用在图像图像,模式识别,机器视觉和语音识别中,它对图像平移、缩放、旋转等的变形具有高度不变性。总之,CNN的核心思想是将局部感受野,权值共享,时间或空间子采样这三种思想结合起来获得了某种程度的平移、缩放、旋转不 ...
分类:其他好文   时间:2016-07-07 06:10:09    阅读次数:475
剑指offer面试题31连续子数组的最大和
一、题目描述 HZ偶尔会拿些专业问题来忽悠那些非计算机专业的同学。今天测试组开完会后,他又发话了:在古老的一维模式识别中,常常需要计算连续子向量的最大和,当向量全为正数的时候,问题很好解决。但是,如果向量中包含负数,是否应该包含某个负数,并期望旁边的正数会弥补它呢?例如:{6,-3,-2,7,-15 ...
分类:编程语言   时间:2016-07-05 11:59:17    阅读次数:178
【论文笔记】Spatial Transformer Networks
卷积神经网络(CNN)已经被证明能够训练一个能力强大的分类模型,但与传统的模式识别方法类似,它也会受到数据在空间上多样性的影响。这篇Paper提出了一种叫做空间变换网络(Spatial Transform Networks, STN),该网络不需要关键点的标定,能够根据分类或者其它任务自适应地将数据进行空间变换和对齐(包括平移、缩放、旋转以及其它几何变换等)。...
分类:Web程序   时间:2016-07-03 19:29:42    阅读次数:510
碑文书法汉字拆分
废话不多说,先上图: 此程序的主要目的,就是将碑文图片上的汉字截取出来,并且将文字周围多余边距去除,完成此后模式识别的先前准备工作。 用的是opencv的库,在处理噪音和二值化处理的时候方便一点。 其中涉及了一些在是使用opencv可能遇到的问题,比如矩形轮廓怎么画,用opencv提取出轮廓之后,怎 ...
分类:其他好文   时间:2016-06-23 22:03:58    阅读次数:182
模式识别(Pattern Recognition)学习笔记(三十五)-- K-L变换与PCA
K-L变换的理论知识 K-L变换是除了PCA外的另一种常用的特征提取方法,它有很多种形式,最基本的形式跟PCA类似,它跟PCA的不同在于,PCA是一种无监督的特征变换,而K-L变换能够考虑到不同的分类信息,实现有监督的特征提取。 根据随机过程中的KL展开理论,将随机过程描述为无数个正交函数的线性组合,而在模式识别问题中,通常可以将一个样本看成是随机向量的某一次实现结果,所以假设有一d维随机向量...
分类:其他好文   时间:2016-06-23 18:55:45    阅读次数:277
模式识别(Pattern Recognition)学习笔记(二十九)--决策树的剪枝
在有限的样本下,如果决策树生长得很大,树枝很多,那么就有可能导致有限样本中对采样的偶然性或噪声比较敏感,导致过学习,从而范化能力差。        首先来看一幅图,如图: 上图是一次测试中用ID3算法得到的有关决策树的大小与在训练数据和测试数据上的正确率的关系,不难看出,出现了过学习,如果样本不足够多,随着决策树达到一定规模大小,训练数据上的正确率会不断增加,而在测试数据上的正确率不增...
分类:其他好文   时间:2016-06-21 08:04:48    阅读次数:211
模式识别(Pattern Recognition)学习笔记(三十)--随机森林(Random Forest)
引言        模式识别是一门基于数据的学科,因此所有的模式识别问题都会面临的同一个问题就是数据的随机性问题。模式识别中每个方法的实现都是基于一个特定的数据样本集的,但是这个样本集只是所有可能的样本中的一次随机抽样,毕竟在我们的生活实际中存在着万物众生,多到我们数也数不清,甚至计算机都无法统计的清,而我们搜集到的充其量只是其中很小很小的一部分,这也是为什么机器学习中缺少的只是数据,只要有足够...
分类:其他好文   时间:2016-06-21 07:56:40    阅读次数:160
模式识别(Pattern Recognition)学习笔记(三十一)-- 线性回归
1.监督学习 回归算法通常用在监督学习中的学习算法,所以在讲回归之前,先来说说监督学习。 我们已经学习了很多的分类器设计方方法,如感知器、SVM等,他们的共同特点都是,根据给定的带有类别标签的样本,训练学习机器,然后使得机器能够对新来的无标签样本进行正确分类,像这种就属于监督模式识别,对学习机器来说就是监督学习。 举个栗子,就拿老师们讲课最喜欢用的预测房价的例子,图形表示监督学习的过程如下:...
分类:其他好文   时间:2016-06-17 17:22:37    阅读次数:231
621条   上一页 1 ... 24 25 26 27 28 ... 63 下一页
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!