码迷,mamicode.com
首页 >  
搜索关键字:模式识别    ( 621个结果
Restricted Boltzmann Machines(RBM限制玻尔兹曼机)
稍后补上Restricted Boltzmann Machines的东西,其实Boltzmann Machines搞懂了,Restricted Boltzmann Machines很简单的,就是加了几个限制条件而已。 计划再写一篇将DBN的,感觉只要Boltzmann Machines搞懂了,其他的都不是什么难题。...
分类:其他好文   时间:2014-05-14 15:04:53    阅读次数:239
特征选择(四)-分散度
度量类别可分离性的量主要有: 欧氏距离(正态分布,协方差相等,且为单位阵) 是最简单的一种描述方法。它把两个类别中心之间的欧式距离作为两个不同类别间不相似性的度量。 马氏(Mahalanobis)距离(正态分布,协方差相等) 它用来描述两个具有相同的协方差矩阵C,不同的期望值和的类别之间的不相似性,具体表达式是: Mahalanobis距离...
分类:其他好文   时间:2014-05-13 09:08:38    阅读次数:337
特征选择(三)-K-L变换
上一讲说到,各个特征(各个分量)对分类来说,其重要性当然是不同的。 舍去不重要的分量,这就是降维。   聚类变换认为:重要的分量就是能让变换后类内距离小的分量。 类内距离小,意味着抱团抱得紧。   但是,抱团抱得紧,真的就一定容易分类么? 如图1所示,根据聚类变换的原则,我们要留下方差小的分量,把方差大(波动大)的分量丢掉,所以两个椭圆都要向y轴投影,这样悲剧了,两个重叠在一起,根本...
分类:其他好文   时间:2014-05-11 20:17:34    阅读次数:313
模式识别: 线性分类器
一、实验目的和要求 目的: 了解线性分类器,对分类器的参数做一定的了解,理解参数设置对算法的影响。要求: 1. 产生两类样本2. 采用线性分类器生成出两类样本的分类面3. 对比线性分类器的性能,对比参数设置的结果二、实验环境、内容和方法 环境:windows 7,matlab R2010a内容:通过...
分类:其他好文   时间:2014-05-10 02:54:04    阅读次数:599
图像检索之EMD距离(Earth Mover's Distance)
在理解EMD距离模型时,需要先对《运筹学》中运输问题,做一下...
分类:其他好文   时间:2014-05-09 22:21:40    阅读次数:606
基于直方图的图像二值化算法实现
图像二值化的目的是最大限度的将图象中感兴趣的部分保留下来,在很多情况下,也是进行图像分析、特征提取与模式识别之前的必要的图像预处理过程。在过去年里受到国内外学者的广泛关注,产生了数以百计的阈值选取方法,但如同其他图像分割算法一样,没有一个现有方法对各种各样的图像都能得到令人满意的结果。在分类方法中,基于直方图的二值算法都从不同的科学层次提出了各自的实施方案,并且这类方法都有着一些共同的特点:简单、算法容易实现和执行速度快。...
分类:其他好文   时间:2014-05-02 21:25:11    阅读次数:405
20140501
我买的书或借的 没看的计算机方面: 深入浅出MFC vc++深入详解 算法入门 算法入门训练指南 大话数据结构 C++ 第6版本图像处理与机器视觉: 机器视觉 张广军 数字图像处理疑难解析 图像处理与计算机视觉算法应用 opencv2 图像配准技术模式识别: 机器学习实战 模式分类 神经网络设计 斯...
分类:其他好文   时间:2014-05-02 20:00:42    阅读次数:323
模式识别系统
有两种基本的模式识别方法,即统计模式识别和结构(句法)模式识别方法,与此相应的模式识别系统都是由两个过程(设计与实现)组成。“设计”是指用一定数量的样本进行分类器的设计,“实现”是指用所设计的分类器对待识别的样本进行分类决策。基于统计的模式识别方法的系统主要由以下几部分组成:信息获取,预处理,特征提...
分类:其他好文   时间:2014-05-01 14:36:48    阅读次数:586
MapReduce--Logistic Regression (逻辑回归)
MapReduce--Logistic Regression...
分类:其他好文   时间:2014-04-30 22:37:39    阅读次数:830
线性鉴别分析(LDA)之二分类问题
线性鉴别分析二分类问题...
分类:其他好文   时间:2014-04-29 13:26:22    阅读次数:273
621条   上一页 1 ... 60 61 62 63 下一页
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!