原创 模式識別學習筆記（12）——聚類
聚類對一批沒有類別標籤的樣本集，按照樣本之間的相似程度分類，相似的歸爲一類，不相似的歸爲其它類。這種分類稱爲聚類分析，也稱爲無監督分類。--聚類的質量(或結果)取決於對度量標準的選擇。--聚類結果因不同任務而不同。挑戰性問題–可伸縮性•可
2020-05-31 21:32:11
原创 開始寫博客啦！
2017年5月24日 今天開通博客啦，也宣告着碼文生活開始了！ 點贊 收藏 分享 文章舉報 Carol__Deng 發佈了19 篇原創文章 · 獲贊 5 · 訪問量 2
2020-02-22 06:46:15
原创 模式識別學習筆記（11）——線性判別函數
線性判別函數 1.1 用於分類的判別函數的參數形式已知，直接從樣本來估計判別函數的參數。 優勢：不需要有關概率密度函數的確切的參數形式。因此，屬於無參數估計。 利用樣本直接設計分類器 1、方法分類： 線性判別函數、支持向量機、fishe
2018-09-04 03:39:55
原创 模式識別學習筆記（13）——svm
SVM它有什麼優點？有什麼缺點？爲什麼要有SVM？在什麼情況下我需要用svm？考慮一個最簡單的線性分類器，在很多情況下，用線性是分不開的，如果我們有很多的feature，將其映射到高維空間，可以使其線性可分（實際上是核方法的思想）。在fe
2018-09-04 03:39:55
原创 Python學習筆記（5）——模塊
模塊 模塊是一個包含所有你定義的函數和變量的文件，其後綴名是.py。 模塊可以被別的程序引入，以使用該模塊中的函數等功能。這也是使用python標準庫的方法。 一、基礎 import sys引入python標準庫中的sys.py模塊；
2018-09-04 03:39:55
4
原创 模式識別學習筆記（8）——隱馬爾可夫模型
隱馬爾可夫模型（HMM） 轉載網址 http://blog.csdn.net/likelet/article/details/7056068 隱馬爾可夫模型 (Hidden Markov Model，HMM) 最初由 L. E. B
2018-09-04 03:39:54
原创 Python學習筆記（4）——函數
函數 一、函數的定義和調用 函數是一個能完成特定功能的代碼塊，可在程序中重複使用，減少程序的代碼量和提高程序的執行效率。 函數的定義： ---返回值不是必須的，如果沒有return語句，則Python默認返回值None --參數列
2018-09-04 03:39:54
原创 全光人臉分析
在計算機處理圖像的過程中，涉及一個基本的概念就是全光函數。它是決定空間中光線呈現形式的因素組成的一個函數，包括光譜信息、時間信息、空間信息、深度信息、亮度信息和方向信息等。如果波長固定，那就是灰度圖像；如果有多個波長，那就是彩色圖像；如果
2018-09-04 03:39:54
原创 模式識別學習筆記（5）——最大似然和貝葉斯參數估計
最大似然：得到參數確定的值 貝葉斯估計：得到參數的概率分佈 最大似然估計 貝葉斯參數估計 例題： 參考資料： 中國科學院大學碩士課《模式識別》ppt
2018-09-04 03:39:54
原创 模式識別學習筆記（2）——貝葉斯決策
貝葉斯決策理論 生成模型：一個類別一個類別進行訓練 判別模型：將多個類別的樣本放在一起分析訓練 參數模型 非參數模型：無函數形式 半參數：多個高斯函數混合而成，可表示任意分佈的密度函數 最小錯誤率決策 基於先驗概率決策，則最小錯誤率決
2018-09-04 03:39:54
原创 模式識別學習筆記（7）——期望最大法（EM）
期望最大法（EM） 期望最大算法是一種從不完全數據或有數據丟失的數據集(存在隱含變量)中求解概率模型參數的最大似然估計方法。 EM算法從被分成2個部分，E-Step和M-Step。E-Step叫做期望化步驟，M-Step爲最大化步驟。
2018-09-04 03:39:54
原创 模式識別學習筆記（1）——基本概念
模式識別學習筆記——緒論 一、從數據集D中產生訓練集S和測試集T，主要有以下方法： ——hold-out（留出法） ——cross-validation（交叉驗證法） ——bootstrapping（自助法） hold-out（留出法）
2018-09-04 03:39:54
2
原创 模式識別學習筆記（10）——距離度量
距離度量 度量會影響分類性能 metric learning（度量學習） -Parameters in metric optimized in learning (e.g., empirical risk minimization)
2018-09-04 03:39:53
1
原创 模式識別學習筆記（6）——特徵維數問題
特徵維數帶來什麼問題？ 1、計算 2、存儲 3、泛化能力，過擬合overfitting 分類錯誤率與特徵 特徵維數決定可分性 比如：3D空間完全可分，而2D和1D投影空間有重疊 但，增加特徵也可能導致分類性能更差，因爲有模型估計誤差（
2018-09-04 03:39:53
2