原创 libSVM多類別概率輸出的一個坑
在libsvm模型進行預測時predict返回的三個參數分別爲： -predicted_label：第一個返回值 nx1，表示樣本的預測類標號； -accuracy：第二個返回值，1×1，表示分類的正確率； -prob_estim
2020-06-19 19:16:43
原创 從雙目競爭到立體圖像質量評價-Full-reference quality assessment of stereopairs accounting for rivalry論文介紹
這篇文章說的是《Full-reference quality assessment of stereopairs accounting for rivalry》，是立體圖像質量評價比較經典的一篇文章。 首先雙目圖像肯定比單目圖像在
2020-06-19 10:50:47
原创 無參密度估計：KDE和KNN
無參密度估計：KDE和KNN 最大似然估計和貝葉斯估計應用於數據的密度函數形式已知但參數未知的情況，然而並非所有的情況下數據的密度函數的形式是已知的。針對於這種情況，我們可以選擇一些無參密度估計方法。 直觀上，我們對於概率密度的理
2020-06-19 10:50:47
8
原创 傅里葉變換基礎
傅里葉變換基礎 直觀理解 在如上圖所示的三維座標系中，向量v的座標可以分解爲向量v與三個基向量的內積： a=v⋅e1b=v⋅e2c=v⋅e3 a=\mathbf{v} \cdot \mathbf{e}_{1} \quad b=\
2020-03-26 22:39:58
原创 統計參數估計
統計參數估計 在進行統計決策時，我們假設後驗概率是已知的，這往往不現實。在有些情況下，我們假設數據近似服從某種分佈(最常見的如高斯分佈)，估計數據的分佈參數。 最大似然估計 我們一般假設所觀測到的變量是最有可能出現的，因此，直觀上
2020-02-21 13:00:00
原创 統計參數估計
統計參數估計 在進行統計決策時，我們假設後驗概率是已知的，這往往不現實。在有些情況下，我們假設數據近似服從某種分佈(最常見的如高斯分佈)，估計數據的分佈參數。 最大似然估計 我們一般假設所觀測到的變量是最有可能出現的，因此，直觀上
2020-02-21 13:00:00
原创 GMM模型和EM算法
GMM模型和EM算法 高斯混合模型GMM 上圖的分佈很難用一個高斯分佈進行模擬。觀察上圖，大致可以看見6個分佈。將6個高斯分佈線性加到一起就組成了能描述上圖的高斯混合分佈。 混高斯合分佈的概率密度函數如下： p(x∣θ)=∑j=
2020-02-21 12:59:59
原创 貝葉斯決策(Bayesian Decision Theory)
貝葉斯決策 學習了一個學期的模式識別課程，老師講的很好，深入淺出，無奈我腦子不夠用沒有理解到其中精髓，現在整理了一下聽課筆記，以備以後需要時翻閱。這篇文章記錄的是貝葉斯決策，其中包括最大後驗、最大似然和貝葉斯決策的直觀理解和數學理
2020-02-21 12:59:57