SVM1.概述SVM全称Support_Vector_Machine,即支持向量机，是机器学习中的一种监督学习分类算法，一般用于二分类问题。对于线性可分的二分类问题，SVM可以直接求解，对于非线性可分问题，其也可以通过核函数将低维映射到高维空间从而转变为线性可分。对于多分类问题，SVM经过适当的转换，也能加以解决。相对于传统的分类算法如logistic回归，k近邻法，决策树，感知机，高斯判别分析法(...
分类：
其他好文 时间：
2015-05-25 10:12:27
阅读次数：
183
Write a SQL query to rank scores. If there is a tie between two scores, both should have the same ranking. Note that after a tie, the next ranking number should be the next consecutive integer value. ...
分类：
数据库 时间：
2015-05-24 08:53:01
阅读次数：
186
最近研究了支持向量机(Support Vector Machine，SVM)和人工神经网络(Artifical Neural Network，ANN)等模式识别理论，结合一些书籍和网上的资料，将两种思想运用到车辆的车牌识别算法中。车辆识别结合了多种图像处理技术，如视频监控、图像检测、图像分割和光学字符识别。...
分类：
其他好文 时间：
2015-05-22 19:17:06
阅读次数：
1086
2014上海邀请赛 教训在于平时要保持一种”对一些特殊测试数据的灵敏的嗅觉“
分类：
其他好文 时间：
2015-05-20 20:05:23
阅读次数：
101
1.radial basis function RBF表示某种距离，$\mu_m$为中心点，相当于将点$x$到中心点的某种距离作为特征转换 Output方法可以根据需求任意选取（比如使用SVM，logistic regression等） 关键在于：中心点选取，距离函数选择2.使用kmean选取中心点...
分类：
Web程序 时间：
2015-05-20 12:40:38
阅读次数：
312
题目传送门 1 /* 2 题意：表达式转换 3 模拟：题目不难，也好理解题意，就是有坑！具体的看测试样例。。。 4 */ 5 #include 6 #include 7 #include 8 #include 9 #include 10 #include ...
分类：
其他好文 时间：
2015-05-19 18:29:02
阅读次数：
180
支持向量机通俗导论（理解SVM的三层境界）：http://blog.csdn.net/v_july_v/article/details/7624837斯坦福机器学习课程笔记：http://www.cnblogs.com/jerrylead/tag/Machine%20Learning/斯坦福大学机器...
分类：
其他好文 时间：
2015-05-19 00:28:44
阅读次数：
168
KVM安装部署：安装kvm虚拟机首先需要查看物理机的cpu是否支持虚拟化:[root@localhost~]#cat/proc/cpuinfo|egrep‘vmx|svm‘找到flags部分，如果其中输出有VMX或SVM，即表明支持虚拟化技术。如果物理机的cpu支持安装虚拟机，那么开始安装虚拟环境，如下：yum-ygroupinstall"Virtua..
分类：
其他好文 时间：
2015-05-18 20:59:10
阅读次数：
309
前面两篇总结了线性支持向量机模型，总体来说，就是在样本输入空间下对每个维度进行线性组合之后使用符号函数判别最终的类别。第一个是理想情况下的线性可分SVM，这是第二个的近似线性可分SVM的基础。而且也是一种递进关系，是为了从数学抽象化的理想模型到现实情形的一种推广，但它们终究是一种线性模型，对于更复杂的现实情形有时候依然会难以描述，需要使用非线性模型去描述。非线性SVM由于现实问题的复杂性，导致训练的...
分类：
其他好文 时间：
2015-05-17 23:36:18
阅读次数：
163
人脸识别是一项实用的技术。但是这种技术总是感觉非常神秘，在sklearn中看到了人脸识别的example，代码网址如下：
http://scikit-learn.org/0.13/auto_examples/applications/face_recognition.html#example-applications-face-recognition-py
首先介绍一些PCA和SVM的功能...
分类：
编程语言 时间：
2015-05-16 12:03:24
阅读次数：
732
