原创 Hadoop全分佈環境配置過程

一、安裝Linux操作系統 安裝過程略,安裝完後對系統做一下更新:$sudo apt-get update 二、修改機器名,並與IP地址綁定 每當Ubuntu安裝成功時,我們的機器名都默認爲:ubuntu ,但爲了以後集羣中能夠容易分辨各

原创 Hadoop簡介

古代,人們用牛來拉重物,當一頭牛拉不動一根圓木時,他們不曾想過培育更大更壯的牛,而是使用多頭牛。同樣,我們也不需要嘗試開發超級計算機,而應試着結合使用更多計算機系統。 一、什麼是Hadoop 大數據目前很火!是的,當今我們正處於大數據

原创 雙攝像頭三維重建

雙攝像頭三維重建報告 寫在前面:文章中公式不全的或其他有錯誤的的地方還請大家給予意見更改,轉載請註明出處,版權所有,翻版必究! 一、攝像機成像模型 1.1 針孔攝像機模型 在此模型中,光線是從很遠的物體發射過來,通過一

原创 查找之散列查找(哈希表)

本學習筆記部分內容來自網易雲課堂浙江大學數據結構課程,謝謝! 1、散列表(哈希表) 已知的幾種查找方法: 順序查找  O(N) 二分查找(靜態查找)  O(logN) 二叉搜索樹      O(h)  h爲二叉樹高度   (動態查找:有插

原创 卷積神經網絡CNN

本文學習筆記的部分內容參考zouxy09的博客,謝謝!http://blog.csdn.net/zouxy09/article/details/8775360 什麼是卷積 卷積如果改名爲“加權平均積”,就會很好理解了。卷積的離散形式就

原创 圖之表示和遍歷

學習筆記!!!!! 一、什麼是圖(Graphy)? 表示“多對多”的關係,包含一組頂點(V表示頂點集合)和一組邊(E表示邊的集合)。 邊是頂點對:(v,w)屬於E,其中v,w屬於V 有向邊<v,w>表示從v指向w的邊,不考慮重邊和自迴路。

原创 圖像稀疏編碼表示

注:本文學習自CVPR《Linear Spatial Pyramid Matching Using Sparse Coding for Image Classification》、《Image classification By non

原创 Spark簡介

詳細內容參照Spark官網:http://spark.apache.org/ Spark相關項目: Spark SQL 、Spark Streaming 、Machine Learning 、GraphX 1、Spark SQL :用Sp

原创 基於Hadoop的分佈並行加法的實現

1、搭建好Hadoop環境,包括JDK的安裝、Hadoop的安裝及文件配置、SSH通信的配置、eclipse Java開發環境的配置(具體安裝見最後附件Hadoop安裝配置)。 2、本環境配置是在ubuntu下建立了三臺虛擬機,一臺爲ma

原创 牛頓迭代法及最小二乘法

1、牛頓迭代法 牛頓迭代法法是一種計算近似根算法,對於給定的複雜函數f(x),常用來求該函數在給定初始值x0附近的近似根。該算法很簡單,就是一個迭代的過程: 迭代終止條件可設爲: matlab代碼實現: function y=mu

原创 梯度下降法

梯度下降法是一種最優化算法,常用來優化參數,通常也稱爲最速下降法。 梯度下降法是一般分爲如下兩步: 1)首先對參數θ賦值,這個值可以是隨機的,也可以讓θ是一個全零的向量; 2)改變θ的值,使得J(θ)按梯度下降的方向進行減少。 以一個線性

原创 卷積神經網絡(CNN)的訓練及代碼實現

本文部分內容來自zouxy09的博客,謝謝!http://blog.csdn.net/zouxy09/article/details/9993371 以及斯坦福大學深度學習教程:http://ufldl.stanford.edu/wiki

原创 排序之冒泡排序、插入排序及希爾排序

1、冒泡排序 基本思想:對於每一趟的排序,從第一個數開始,依次比較前一個數與後一個數的大小。 如果前一個數比後一個數大,則進行交換。這樣一輪過後,最大的數將會出現在最末位的位置。 第二輪則去掉最後一個數,對前n-1個數再按照上面的步驟找出

原创 邏輯迴歸分類器(Logistic Regression Classifier)

Logistic regression (邏輯迴歸)是當前業界比較常用的機器學習方法,用於估計某種事物的可能性,也用來進行分類。 在分類的情形下,經過學習之後的LR分類器其實就是一組權值w0,w1,...,wm. 當輸入測試樣本集中的測試

原创 空間金字塔方法表示圖像

注:本學習筆記是自己的理解,如有錯誤的地方,請大家指正,共同學習進步。 本文學習自CVPR論文《Discriminative Spatial Pyramid》、《Discriminative Spatial Saliency for Im