原创 PCA(主成分分析)--- 從最小平方誤差角度分析

本文承接上一篇文章,描述瞭如何衝最小距離平方誤差的角度來理解PCA的構造過程。 摘至:http://www.cnblogs.com/jerrylead/archive/2011/04/18/2020216.html     作者:Jer

原创 python新版本的print使用

在3.0裏print是個函數,我們通過輸入help命令來獲取當前print的使用方法: >>>help(print) Help on built-in function print in module builtins: print

原创 dodo:人臉識別方法個人見解(包括稀疏表示方法的理解)

dodo:人臉識別方法個人見解 科院網站 http://www.cbsr.ia.ac.cn/Li%20Group/publicationsCH.htmlgoogl

原创 PCA(主成分分析)--- 從最大方差角度分析

    本文轉載至  http://www.cnblogs.com/jerrylead/archive/2011/04/18/2020209.html     作者:JerryLead     PCA也叫做Principal fact

原创 coding...plan

Part1:最近準備入手一個開源項目源碼.... 候選名單: 1.redis(主要學習Nosql技術) 2.sqlite 3.lighthttp 與此同時將介入mysql的數據庫學習..JS學習... ================

原创 Ubuntu下打開chrome提示 Your profile could not be opened correctly

文章轉載至:http://hi.baidu.com/liang_zuokui/item/ebf4e9ca8ffc83180bd93a29 按照提示錯誤的字面意思:出現這種問題是配置問題,解決方法如下: 1.先關閉chrome瀏覽器

原创 (redis)adlist.h/adlist.c理解

版權最終解釋權歸Leonjhan所有,要引述麻煩添加下作者博客leonjhan,thanks~ /**********************************  Part1:adlist.h  ******************

原创 Lua5.2新版本可變長參數操作

在Version5.2 Lua的版本中,取消了默認的arg表操作函數( ... )可變長參數的操作 以前的: local function test( ... ) num = arg.n return num

原创 一種計算兩個不同樣本集相似度的方法:Mahalanobis距離

      由印度統計學家馬哈拉諾比斯(P. C. Mahalanobis)提出的,表示數據的協方差距離。它是一種有效的計算兩個未知樣本集的相似度的方法。與傳統的歐式距離不同的是它考慮到各種特性之間的聯繫。      在n維空間內的兩個點

原创 (SRC)基於稀疏表示的人臉識別

本文轉至: http://blog.csdn.net/xiaoshengforever/article/details/14002843 博主:xiaoshengforever 本文主要記錄自己在學習稀疏表示在人臉識別中的應用

原创 ubuntu下python問題集合

1.版本問題: Ubuntu系統下自帶python2.7和3.3的版本,輸入python,按下tab鍵就能發現, 通常我們可以鍵入python或者python3.3進入不同的版本,但是這樣使用起來有些不方便: 解決方法(刪除用戶目錄下py

原创 redis之基本安裝篇

      首先自己從網站下載文件。。解壓。。直接一個make install等基本命令操作先不提了,我redis放的目錄是/home/leonjh

原创 Ubuntu小技巧

1.隱藏左側的任務欄: All Settings -> Appearance -> Behavior -> Auto-hide the Launcher 2.快速啓動主文件夾Home、瀏覽器 因爲在左側的任務欄,Home處於第一個圖標,使

原创 MIT人工智能實驗室:如何做研究

麻省理工學院人工智能實驗室AI Working Paper 316   作者:人工智能實驗室全體研究生   編輯:David Chapman      版本:1.3  1988年9月   譯者:柳泉波 北京師範大學信息學院2000級博士生

原创 稀疏表示—L1範數理解

文章轉摘至:http://blog.sina.com.cn/s/blog_47108d1d0100h6oj.html,作者描述了稀疏的L1範數,對於怎麼解這個L1範式的MP和OMP和其他的求解方法,本博客有篇提到了OM和MAP方法,鏈接