这是个06年的老文章了，但是很多地方还是值得看一看的. 一、概要 主要讲了CNN的Feedforward Pass和 Backpropagation Pass，关键是卷积层和polling层的BP推导讲解。 二、经典BP算法 前向传播需要注意的是数据归一化，对训练数据进行归一化到 0 均值和单位方差 ...
分类：
Web程序 时间：
2016-07-06 13:16:07
阅读次数：
240
L1正则化和L2正则化的区别：L1起截断作用，L2起缩放作用（不让参数θ过大） 数据和特征处理 数据清洗 正负样本不平衡的处理方法：上采样，下采样，修改损失函数 数值型特征：幅度调整，归一化，离散化 类别型特征：one-hot 编码 组合特征 文本特征中的TF-IDF:TF(t)=(t在当前文中出现 ...
分类：
其他好文 时间：
2016-06-29 20:40:42
阅读次数：
501
一、概述
本文提出了一种改进的基于背景减法的运动目标检测算法，该算法能自适应地对背景进行初始化和实时更新，并能有效克服光照等外界条件变化对运动目标检测的影响。
二、算法介绍
基于背景减法的视频运动目标检测主要包括预处理、背景建模、目标检测和后处理四个步骤。本文的算法流程如图 1 所示，算法中的预处理是对每一帧图像都进行去噪和亮度归一化处理，以抑制光照突变和噪声的影响...
分类：
其他好文 时间：
2016-06-24 15:23:52
阅读次数：
339
利用OSSIM收集分析远程apache日志（视频教程）环境：OSSIMServer：192.168.11.228日志搜集器HttpServer：192.168.11.15日志发生器通过设置192.168.11.15机器上的rsyslog转发到192.168.11.228实现日志收集，利用apache插件归一化处理并入库分析。时长：约14分钟浏览地址：http:/..
分类：
Web程序 时间：
2016-06-20 22:29:34
阅读次数：
278
朴素贝叶斯： 有以下几个地方需要注意： 1. 如果给出的特征向量长度可能不同，这是需要归一化为通长度的向量（这里以文本分类为例），比如说是句子单词的话，则长度为整个词汇量的长度，对应位置是该单词出现的次数。 2. 计算公式如下： 其中一项条件概率可以通过朴素贝叶斯条件独立展开。要注意一点就是的计算方 ...
分类：
编程语言 时间：
2016-06-10 13:47:56
阅读次数：
353
下面深入浅出讲一下Butterworth原理及其代码编写。 1. 首先考虑一个归一化的低通滤波器（截止频率是1），其幅度公式如下： 当n->∞时，得到一个理想的低通滤波反馈: ω＜1时，增益为1；ω＞1时，增益为1；ω=1时，增益为0.707。如下图所示： 将s=jω带入上式得： 根据以下三个公式 ... ...
分类：
其他好文 时间：
2016-06-03 23:00:15
阅读次数：
631
这一节，谈一谈如何对图像进行平滑，也可以叫做模糊。平滑图像的主要目的是减少噪声，这样采用平滑图像来降低噪声是是非常常见的预处理方法。
1.归一化滤波平滑-Homogeneous Smoothing
2.高斯滤波平滑-Gaussian Smoothing
3.中值滤波平滑-Median Smoothing
4.双边滤波平滑-Bilateral Smoothing
平滑是通过滑动...
分类：
其他好文 时间：
2016-06-02 14:08:36
阅读次数：
429
对于CNN输入的数据，常见的有三种处理方式： 1.Mean subtraction. 将数据的每一维特征都减去平均值。在numpy 中 X -= np.mean(X, axis = 0) 2.Normalization 归一化数据，使数据在相同尺度。 在numpy 中 X /= np.std(X, ...
分类：
其他好文 时间：
2016-05-27 14:34:36
阅读次数：
834
一个简单的例子！环境：CentOS6.5Hadoop集群、Hive、R、RHive，具体安装及调试方法见博客内文档。 KNN算法步骤：需对所有样本点（已知分类+未知分类）进行归一化处理。然后，对未知分类的数据集中的每个样本点依次执行以下操作：1、计算已知类别数据集中的点与当前点（未知分类）的距离。2 ...
分类：
编程语言 时间：
2016-05-25 12:48:06
阅读次数：
151
