原创 論文筆記-迭代量化哈希ITQ

推薦一個大牛的博客:http://yongyuan.name/【這篇博文也借鑑了他的博客,建議直接看他的博文加上論文】 自己的這個就是一個論文筆記,爲了自己日後複習; 【待補充...因爲筆記太亂了 懶得整理 = = 】  

原创 機器學習-評價指標(準確率&召回率等)

引言 自己學習的筆記,防止以後忘了,文章部分引用了網上大佬的博客之類,在此謝謝給爲大佬! 準確率與召回率 上圖 圖片引用鏈接  準確率就是檢索的結果中有多少是準確的; 召回率就是數據集中要被檢索的數據有多少被檢索出來了; 綜合評價指標

原创 數學-ML&DL中遇到的各種矩陣

【持續更新中...】 參考的博客、資料在文末給出了 目錄 affinity matrix(關聯矩陣) 一句話描述 例子 鄰接矩陣  一句話描述 性質 例子 相似矩陣 基本思想 拉普拉斯矩陣   affinity matrix(關聯矩陣)

原创 論文筆記-《Top Rank Supervised Binary Coding for Visual Search》

引言 部分哈希技術使用的是縮寫,具體的見論文中的表達; 非完整的筆記... Introduction 背景知識 數據獨立 LSH,MinHash:這些基於隨機投影或排列的哈希算法,編碼後的哈希碼的長度 r>1000 纔能有良好的檢索效果

原创 論文-《Towards Optimal Binary Code Learning via Ordinal Embedding》

  Introduction 以前的哈希算法僅僅利用原始空間數據的相似度信息,本文的算法嘗試將原始空間的排序關係映射到的低緯度的漢明空間中; approach constructs a directed, unweighted ordin

原创 論文筆記-《Ordinal Constraint Binary Coding for Approximate Nearest Neighbor Search》

Introduction 前面說了很多用處不大的話【其實介紹了其他的一些哈希技術,因爲是論文筆記,不是論文翻譯所以會取捨很多】 重點: 現有的幾種排序敏感的哈希算法: Hamming distance metric learning (H

原创 JAVA反射-Annotation類(待續)

Java中提供了Annotation功能,該功能可用於類、構造方法、成員變量、方法、參數等聲明中。改功能不影響程序的運行,但是會對編譯器警告等輔助工具產生影響一、原理Annotation其實是一種接口。通過Java的反射機制相關的API來

原创 論文筆記 ——《Kernelized Locality-Sensitive Hashing for Scalable Image Search》

前言: 論文的鏈接地址沒有貼了; 最近在做視覺搜索相關的哈希技術,順便寫下自己的筆記,方便以後複習; 文章是隨筆的,所以可能會有不全的地方,所以有讀者看到不懂的地方可以去看論文原文; 博文的目錄是按照論文的目錄來記錄的; Introduc

原创 深度學習筆記-LSTM解析

這篇文章感覺寫的很簡單易懂,很想翻譯過來但是奈何水平和時間都不夠。有時間的話一定翻譯下.....中文版鏈接址:https://mp.weixin.qq.com/s/eN1j7VGe5TODHBZcqtgJIARecurrent Neura

原创 命令行菜單小程序v2.0

【網易雲課堂暱稱:JaYiFen + 《軟件工程(C編碼實踐篇)》MOOC課程作業http://mooc.study.163.com/course/USTC-1000002006 】 實驗要求(參照視頻中的具體實驗過程) 注意代碼的業

原创 Mac系統升級後eclipse菜單無法使用解決方案

系統升級到10.13後eclipse菜單無法使用,百度到大佬的解決方案特意轉載下(原帖地址在最後): 1.關閉eclipse,找到eclipse啓動程序Eclipse.app ; 2.在Eclipse.app右擊選擇“顯示包內容”;

原创 數學——假設檢驗

引言 統計推斷的一類重要問題是假設檢驗問題【另一類是區間估計】。在總體的分佈函數完全未知或者只知其形式,但不知其參數的情況。爲了推斷總體的某些未知特性,提出某些關於總體的假設。我們根據樣本對提出的假設作出是接受還是拒絕的決策。 假設檢驗

原创 梯度方法在非線形最小二乘法問題的應用

           注: 雅可比矩陣可以看成是多元函數的一階導數;黑塞矩陣可以看成是多元函數的二階導數;  

原创 ML-GMM高斯混合模型

引言 GMM理論上可以擬合出任意類型的分佈。 博客是一份筆記,詳細的講解可以看[1]   GMM GMM的應用 常用於聚類【實際上可以分爲兩步:首先隨機地在這 K 個 Component 之中選一個,每個 Component 被選中的概

原创 Mac上安裝python的libsvm模塊(anaconda環境)

下載官網下載即可,找到Download LIBSVM一欄。  http://www.csie.ntu.edu.tw/~cjlin/libsvm/  解壓到任何文件夾即可。安裝1. 打開解壓的文件夾,可以看到很多文件夾2. 用命令行 進入到