最近一段时间，正在学习机器学习与模式识别，为了验证算法，仍然用了之前做过的项目的一些图片作为数据采集的样本，进行数据采集。前段时间，做了一个花生籽粒的识别程序，是基于SVM+HOG的，这次则是采用朴素贝叶斯来进行识别。采集了20个品种，每个品种50个样本，共1K个数据。
朴素贝叶斯分类器(Naive Bayes Classifier,或 NBC)发源于古典数学理论，有着坚实的数学基础，以及稳...
分类：
其他好文 时间：
2015-01-27 20:25:03
阅读次数：
224
早在大二时，导师做过一个花生品种识别的程序，但当时用于品种识别的特征是自定义特征；而我的当初的本科毕业设计则是基于SVM + HOG的人脸识别；在后来的工作学习中，又用到了HOG特征，想着是不是之前的花生品种的识别也能用Hog特征进行识别；正所谓学以致用，也能巩固下刚刚所学的知识；所谓的Hog特征与...
分类：
其他好文 时间：
2015-01-27 20:17:18
阅读次数：
315
看商务智能软件数据挖掘方面的算法理论时经常感觉一些公式的推导过程如天书一般,例如看svm的数学证明,EM算法..,感觉知识跳跃比较大,那么数据挖掘系统的学习过程是怎么样?磨刀不误砍柴工。在学习数据挖掘之前应该明白几点：数据挖掘目前在中国的尚未流行开，犹如屠龙之技。数据初期的准备通常占整个数据挖掘项目...
分类：
其他好文 时间：
2015-01-25 13:49:01
阅读次数：
142
最近在看RCNN和微软的SPP-net，其中涉及到Non-Maximum Suppression，论文中没具体展开，我就研究下了代码，这里做一个简单的总结。
假设从一个图像中得到了2000region proposals，通过在RCNN和SPP-net之后我们会得到2000*4096的一个特征矩阵，然后通过N的SVM来判断每一个region属于N的类的scores。其中，SVM的权重矩阵...
分类：
其他好文 时间：
2015-01-24 16:02:57
阅读次数：
184
1、HOG特征： 方向梯度直方图（Histogram of Oriented Gradient, HOG）特征是一种在计算机视觉和图像处理中用来进行物体检測的特征描写叙述子。它通过计算和统计图像局部区域的梯度方向直方图来构成特征。Hog特征结合SVM分类器已经被广泛应用于图像识别中，尤其在行人检測中...
分类：
其他好文 时间：
2015-01-23 18:09:51
阅读次数：
230
本文适合于对SVM基本概念有一点了解的童鞋。 SVM基本概念： 最大边缘平面——基本原理：结构风险最小化 分类器的泛化误差 支持向量 问题描述： 请对一下数据，利用svm对其进行分类。 最终任务： 找到最优超平面 图1 看到这张...
分类：
其他好文 时间：
2015-01-23 17:57:17
阅读次数：
301
matlab练习程序（HOG方向梯度直方图）http://www.cnblogs.com/tiandsp/archive/2013/05/24/3097503.htmlHOG（Histogram of Oriented Gradient）方向梯度直方图，主要用来提取图像特征，最常用的是结合svm进行...
分类：
其他好文 时间：
2015-01-21 19:45:49
阅读次数：
251
感谢林智仁教授，转载请注明出处（一）准备工作LibSVM是什么？就我的理解而言，LibSVM是一套工具箱，用来实现SVM的基础功能。它是开源的，可以深挖，玩转之后可以借鉴、打散、整合到自己的工程里。同时，它又非常“初学者向”，它将SVM集成化、黑箱化，对于很多不希望深入研究SVM，但是又需要使用SV...
分类：
其他好文 时间：
2015-01-20 21:52:29
阅读次数：
255
早在大二时，导师做过一个花生品种识别的程序，但当时用于品种识别的特征是自定义特征；而我的当初的本科毕业设计则是基于SVM + HOG的人脸识别；在后来的工作学习中，又用到了HOG特征，想着是不是之前的花生品种的识别也能用Hog特征进行识别；正所谓学以致用，也能巩固下刚刚所学的知识；
所谓的Hog特征与SVM网上资料一大堆，而且讲解得非常详细，在这里不在做过多的讲解；
本程序的开发环境，...
分类：
其他好文 时间：
2015-01-19 22:45:29
阅读次数：
223
本文是stanford大学课程：Convolutional Neural Networks for Visual Recognition 的一些笔记与第一次作业。主要内容为简单（多类）分类器的实现：KNN, SVM, softmax。softmax与SVM的一点区别，其中一张PPT说明：KNN部分框...
分类：
编程语言 时间：
2015-01-18 02:01:23
阅读次数：
1137
