简介 自2007年发布以来，scikit-learn已经成为Python重要的机器学习库了。scikit-learn简称sklearn，支持包括分类、回归、降维和聚类四大机器学习算法。还包含了特征提取、数据处理和模型评估三大模块。 sklearn是Scipy的扩展，建立在NumPy和matplotl ...
分类：
其他好文 时间：
2016-08-11 00:56:07
阅读次数：
367
深度学习在过去几年，由于卷积神经网络的特征提取能力让这个算法又火了一下，其实在很多年以前早就有所出现，但是由于深度学习的计算复杂度问题，一直没有被广泛应用。 一般的，卷积层的计算形式为： 其中、x分别表示当前卷积层中第j个特征、前一层的第i个特征；k表示当前层的第j个特征与前一层的第i个特征之间的卷 ...
分类：
编程语言 时间：
2016-08-06 01:45:17
阅读次数：
330
最近微博上有人发起投票那篇论文是自己最受益匪浅的论文，不少人说是lowe的这篇介绍SIFT的论文。确实，在图像特征识别领域，SIFT的出现是具有重大意义的，SIFT特征以其稳定的存在，较高的区分度推进了诸多领域的发展，比如识别和配准。上一篇文章，解析了SIFT特征提取的第一步高斯金字塔的构建，并详细... ...
分类：
其他好文 时间：
2016-08-04 01:32:03
阅读次数：
541
SIFT(Scale-Invariant Feature Transform，尺度不变特征转换)在目标识别、图像配准领域具有广泛的应用，下面按照SIFT特征的算法流程对其进行简要介绍对SIFT特征做简要介绍。 高斯金字塔是SIFT特征提取的第一步，之后特征空间中极值点的确定，都是基于高斯金字塔，因此 ...
分类：
其他好文 时间：
2016-08-04 01:24:16
阅读次数：
403
本文以下内容来自读论文以后认为有价值的地方，论文来自：convolutional Neural Networks Applied to House Numbers Digit Classification 。 对于房门号的数字识别问题，文中提出的方法是基于卷积神经网络的，卷积神经网络集特征提取与目标... ...
分类：
移动开发 时间：
2016-07-15 13:08:22
阅读次数：
207
在视觉/图像识别中，一个关键问题就是:如何得到内在的特征表示(internal representation of feature).在传统的方法中,人们都是通过一个手工设计的特征提取器(hand crafted feature)来得到需要的特征,然后把特征输入给分类器. 而现在在解决的问题是: 一... ...
分类：
其他好文 时间：
2016-07-14 02:15:08
阅读次数：
131
原文链接：http://www.cnblogs.com/cfantaisie/archive/2011/06/14/2080917.html 主要步骤 1)、尺度空间的生成； 2)、检测尺度空间极值点； 3)、精确定位极值点； 4)、为每个关键点指定方向参数； 5)、关键点描述子的生成。 L(x,y... ...
分类：
编程语言 时间：
2016-07-13 13:55:11
阅读次数：
245
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测的特征描述子。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，尤其在行人检测中获得 ...
分类：
其他好文 时间：
2016-07-04 21:58:04
阅读次数：
329
上一篇博文详细介绍了如何使用Spark Python进行数据处理和特征提取，本系列从本文开始，将陆续介绍用Spark Python对机器学习模型进行详细的探讨。
推荐引擎或许是最为大众所知的一种机器学习模型。人们或许并不知道它确切是什么,但在使用Amazon、Netflix、YouTube、Twitter、LinkedIn和Facebook这些流行站点的时候,可能已经接触过了。推荐是这些网站...
分类：
编程语言 时间：
2016-06-28 20:38:43
阅读次数：
535
特征提取与处理
上一章案例中的解释变量都是数值，比如匹萨的直接。而很多机器学习问题需要研究的对象可能是分类变量、文字甚至图像。本章，我们介绍提取这些变量特征的方法。这些技术是数据处理的前提——序列化，更是机器学习的基础，影响到本书的所有章节。
分类变量特征提取
许多机器学习问题都有分类的、标记的变量，不是连续的。例如...
分类：
其他好文 时间：
2016-06-24 15:24:43
阅读次数：
7876
