原创 機器學習-boosting

boosting和隨機森林在內部使用了決策樹,所以繼承了樹的很多有用性質。 在監督學習領域,有一種想法就是從很多弱分類器重學習得到一個強分類器。boosting算法,也叫AdaBoosting。 注: Boosting意爲加

原创 人臉識別技術大總結

感謝原博主:http://www.cnblogs.com/sciencefans/p/4394861.html 搞了一年人臉識別,尋思着記錄點什麼,於是想寫這麼個系列,介紹人臉識別的四大塊:Face detection, alignm

原创 機器學習-二叉決策樹

對於分類迴歸樹,算法的要點是給樹的每個結點定義一個衡量標準。比如,當我們擬合一個函數的時候,我們使用真實值和預測值的差的平方和,這就是衡量標準。算法的目的是使差的平方和最小。對於分類問題,我們定義一個度量,使得當一個結點的大多數值都屬於同

原创 四叉樹

四叉樹索引的基本思想是將地理空間遞歸劃分爲不同層次的樹結構。它將已知範圍的空間等分成四個相等的子空間,如此遞歸下去,直至樹的層次達到一定深度或者滿足某種要求後停止分割。四叉樹的結構比較簡單,並且當空間數據對象分佈比較均勻時,具有比較高的空

原创 一道程序初始化順序題目引起的討論

遇到了一個題目,題目就相當於下面的代碼。本人那個時候答對了,也就沒有細細品味。 今天朋友正好也遇到了,他用Java寫的時候代碼如下: package com.nowcoder; /* * @decription: */ publ

原创 opencv feature2D模塊(二)

ORB特徵提取 ORB是ORiented Brief的簡稱,是brief算法的改進版本。ORB是在2011年《ORB:an efficient alternative to SIFT or SURF》文章中被提出。我們首先認識

原创 機器學習開端

機器學習算法中經常出現“有時候”能用,但又不能完全與要求一致。需要指出哪些地方出了問題並解決問題。首先介紹一些重要的規律:大量數據比少量數據好;好的特徵比好的算法那更重要。如果選擇的特徵好,最大化他們的獨立性,最小化他們在不同環境

原创 Python環境配置

1、首先訪問http://www.python.org/download/去下載最新的python版本。   2、安裝下載包,一路next。   3、爲計算機添加安裝目錄搭到環境變量,如圖把python的安裝目錄添加到p

原创 .NET MVC4+EF環境構建

使用 VS2012 + SQLServer 2008 採用 MVC4.0架構,數據庫通過EF進行搭建。 通過在網上下載的例子,進行修改,得到自己的一些經驗。。。 1、EF EF的好處就是能夠 Code First(個人理解,就是常規的方

原创 機器學習-車牌識別框架學習

之前學習了一個GitHub開源的框架,GitHub地址爲: https://github.com/liuruoze/EasyPR 希望通過此篇博客詳細闡述如何一步步實現車牌的識別過程。 車牌識別分成了兩個部分,首先是車牌的定

原创 OpenCV人臉識別facerec

人臉辨認 從OpenCV2.4開始,加入了新的類FaceRecognizer,我們可使用它便捷地進行人臉辨認實驗。其源代碼可以在OpenCV中的opencvmodulescontribdocfacerecsrc下找到。  目前支持的算

原创 機器學習-人臉檢測和Haar分類器

Haar分類器是一個基於樹的分類器,它建立了boost篩選式級聯分類器。可以使用OpenCV中的“人臉”檢測器來檢測“基本剛性的”物體(臉,汽車,自行車,人體)。通過成千上萬的物體各個角度的訓練圖像,訓練出新的分類器、這個技術被用

原创 機器學習-隨機森林

OpenCV包含隨機森林(random forest)類,隨機森林可以通過收集很多樹的子節點對各個類別的投票,然後選擇獲得最多投票的類別作爲判斷結果。通過計算“森林”的所有子節點上的值的平均值來解決迴歸問題。隨機森林包含隨機選擇的一些決策

原创 樸素貝葉斯分類

我們開始討論OpenCV的機器學習庫,首先學習一個監督學習分類器NormalBayesClassifier,叫做正態貝葉斯分類器或者樸素貝葉斯分類器。它假設所有的特徵之間相互獨立,雖然這種假設不太符合實際,但是在實際運用中,發現這

原创 R tree

R樹在數據庫等領域做出的功績是非常顯著的。它很好的解決了在高維空間搜索等問題。舉個R樹在現實領域中能夠解決的例子吧:查找20英里以內所有的餐廳。如果沒有R樹你會怎麼解決?一般情況下我們會把餐廳的座標(x,y)分爲兩個字段存放在數據庫中,