其他人脸检测方法，负样本需要的数量我不清楚，但是ADABOOST所需负样本数量非常之大。在训练层数后期，当最大误警率很低，如2*10-5次方，同时参与训练的负样本为4000时，那么需要的负样本就要2*10^8。解决的方法是自举。但自举最重要的是负样本本身的尺寸一定要足够大1000*1000。同时针对不同应用场景，我们需要不同的负样本。比如车内的人脸检测，负样本本身就要体现出车内分人脸的特性，湖水 ...
分类：
其他好文 时间：
2014-10-29 17:07:45
阅读次数：
263
给定训练集，想把这些样本分成不同的子集，即聚类，，但是这是个无标签数据集，也就是说我们再聚类的时候不能利用标签信息，所以这是一个无监督学习问题。k-means聚类算法的流程如下：1. 随机初始化聚类中心2. a. 对与每一个聚类中心，计算所有样本到该聚类中心的距离，然后选出距离该聚类中心最近的几个样...
分类：
编程语言 时间：
2014-10-28 20:02:27
阅读次数：
251
【音频】指人耳能够听到的声音频率在20HZ~20kHz之间的声波，称为音频。【採样频率】即取样频率, 指每秒钟取得声音样本的次数。採样频率越高,声音的质量也就越好,声音的还原也就越真实，但同一时候它占的资源比較多。因为人耳的分辨率非常有限,太高的频率并不能分辨出来。22050 的採样频率是经常使用的...
分类：
其他好文 时间：
2014-10-28 19:48:09
阅读次数：
242
人生如戏！！！！ 一、理论准备 输入：簇的数目k和包含n个对象的数据库。 输出：k个簇，使平方误差准则最小。 算法步骤： 1.为每个聚类确定一个初始聚类中心，这样就有K 个初始聚类中心。 2.将样本集中的样本按照最小距离原则分配到最邻近聚类 3.使用每个聚类中的样本均值作为新的聚类中心。 ...
分类：
编程语言 时间：
2014-10-27 17:32:33
阅读次数：
563
TPR=TP/P :真正率：判断对的正样本占所有正样本的比例。 Precision=TP/(TP+FP) ：判断对的正样本占判断出来的所有正样本的比例FPR=FP/N :负正率：判断错的负样本占所有负样本的比例。 Recall = TP/(TP+FN) = TP/P,就是TPR.ROC曲线：横轴是F...
分类：
其他好文 时间：
2014-10-26 22:29:59
阅读次数：
278
1.说出5种计算机可以处理的数据。数字、文本、音频、图像和视频。2.位模式的长度如何与其能表示的符号数量相关？ 若位模式的长度为n，则其能表示的符号数量为2n.3.位图方法是如何以位模式来表示一个图像的？一张图像由模拟数据组成，数据密度（色彩）因空间变化，意味着数据需要采样。样本被称为像素，换言之，...
分类：
其他好文 时间：
2014-10-26 07:59:30
阅读次数：
5982
NFS（网络文件系统）NFS原理简介NFS是一个网络文件系统，它主要的功能就是将远程主机上的某一个目录（或者文件系统）挂载在本地主机上，因此，对于本地客户端来说，这个目录就好像是自己主机上面的一个文件系统或者分区一样。这样，本地客户端访问这个目录时，实际访问的就是远..
分类：
其他好文 时间：
2014-10-26 06:51:51
阅读次数：
146
协方差的定义对于一般的分布，直接代入E(X)之类的就能够计算出来了，但真给你一个详细数值的分布，要计算协方差矩阵，依据这个公式来计算，还真不easy反应过来。网上值得參考的资料也不多，这里用一个样例说明协方差矩阵是怎么计算出来的吧。记住，X、Y是一个列向量，它表示了每种情况下每一个样本可能出现的数。...
分类：
其他好文 时间：
2014-10-24 16:22:37
阅读次数：
238
K~近邻算法是最简单的机器学习算法。工作原理就是：将新数据的每个特征与样本集中数据对应的特征进行比较，然后算法提取样本集中特征最相似的数据的分类标签。一般来说，只提取样本数据集中前K个最相似的数据。通常K不大于20，最后选择K个最相似数据中出现次数最多的分类，最为新的数据分类。
但是K~近邻算法必须保存全部的数据集，如果训练数据集很大，必须使用打量的存储空间。此外，由于必须对数据集中每个...
分类：
编程语言 时间：
2014-10-22 18:24:18
阅读次数：
192
偶然在图书馆看到的~~~~因为感觉书印刷的不错 下面是用尼康D90拍的，感觉还可以。。。。。 来自英国贵族的忠告，让中国人活生更尊贵。住什么样的房子，开什么样的车子，穿什么样的衣服，喝什么样的酒，交什么样的朋友，娶什么样的太太，过什么样的人生。尊贵人生样本，绅士生活典范...
分类：
其他好文 时间：
2014-10-22 00:57:34
阅读次数：
233
