1.绪论立体匹配是三维重建系统的关键步骤，并且作为一种非接触测量方法在工业以及科研领域具有重要的应用价值。为了完成匹配工作以及获取场景的稠密视差图，可以通过构建能量函数对应立体匹配的约束条件。复杂能量函数的全局最优解通常是NP难问题。相对于其他全局优化算法相比如模拟退火、梯度下降、动态规划等，图割算法不仅精度高，收敛速度快，并且对于光照变化、弱纹理等区域的匹配效果也比其他算法好。2.图割算法计算机视...
分类：
其他好文 时间：
2016-07-13 16:34:09
阅读次数：
209
Deep learning中的优化方法
三种常见优化算法：SGD（随机梯度下降），LBFGS（受限的BFGS），CG（共轭梯度法）。
1.SGD（随机梯度下降）
随机梯度下降(Stochastic Gradient Descent, SGD)是随机和优化相结合的产物，是一种很神奇的优化方法，属于梯度下降的一种，适用于大规模问题。
...
分类：
其他好文 时间：
2016-06-24 15:36:58
阅读次数：
629
矩阵链乘最优化算法(括号化算法)，关键要找到A[i]...A[j]矩阵链相乘做最少乘法次数（存在m[][]中）的相乘顺序，记录在矩阵s[][]中。再利用递归定义矩阵链乘算法。递归的出口是只有一个矩阵（直接返回）或者两个矩阵（返回相乘后的结果矩阵）的情况。 1 //#include"OptimalMa ...
分类：
其他好文 时间：
2016-06-18 18:24:20
阅读次数：
166
在前一篇文章中，我们给出了感知器和逻辑回归的求解，还将SVM算法的求解推导到了最后一步，在这篇文章里面，我们将给出最后一步的求解。也就是我们接下来要介绍的序列最小最优化算法。 序列最小最优化算法（SMO）： 首先回顾一下。我们使用广义拉格朗日函数，将目标函数和限制条件写到一起，然后证明了原始问题能够 ...
分类：
编程语言 时间：
2016-06-13 17:12:10
阅读次数：
1361
我们每个人都会在我们的生活或者工作中遇到各种各样的最优化问题，比如每个企业和个人都要考虑的一个问题“在一定成本下，如何使利润最大化”等。最优化方法是一种数学方法，它是研究在给定约束之下如何寻求某些因素(的量)，以使某一(或某些)指标达到最优的一些学科的总称。随着学习的深入，博主越来越发现最优化方法的重要性，学习和工作中遇到的大多问题都可以建模成一种最优化模型进行求解，比如我们现在学习的机器学习算法...
分类：
编程语言 时间：
2016-06-12 03:11:51
阅读次数：
283
SMO例子： 1 from numpy import * 2 import matplotlib 3 import matplotlib.pyplot as plt 4 5 def loadDataSet(fileName): 6 dataMat = []; labelMat = [] 7 fr = ...
分类：
编程语言 时间：
2016-06-11 00:33:08
阅读次数：
214
算法没有和图像处理直接相关， 不过对于图像分类中的模式识别相关算法， 也许会用到这个优化算法。 不过不管有没有用， 还是得一步一步学起来 算法步骤： 1.首先确定粒子个数与迭代次数。 2.对每个粒子随机初始化位置与速度。 3.采用如下公式更新每个粒子的位置与速度。 Px=Px+Pv*t; %位置更新 ...
分类：
编程语言 时间：
2016-06-06 00:46:37
阅读次数：
309
1. 概念
粒子群优化算法(PSO：Particle swarm optimization) 是一种进化计算技术（evolutionary computation）。
源于对鸟群捕食的行为研究。粒子群优化算法的基本思想：是通过群体中个体之间的协作和信息共享来寻找最优解．
PSO的优势：在于简单容易实现并且没有许多参数的调节。目前已被广泛应用于函数优化、神经网络训练、模...
分类：
编程语言 时间：
2016-05-27 11:43:51
阅读次数：
457
Gradient Descent 机器学习中很多模型的参数估计都要用到优化算法，梯度下降是其中最简单也用得最多的优化算法之一。梯度下降(Gradient Descent)[3]也被称之为最快梯度(Steepest Descent)，可用于寻找函数的局部最小值。梯度下降的思路为，函数值在梯度反方向下降 ...
分类：
其他好文 时间：
2016-05-22 19:56:18
阅读次数：
837
