码迷,mamicode.com
首页 >  
搜索关键字:机器学习 降维 svd 字典学习    ( 10055个结果
支持向量机算法分析
支持向量机(SVM)是90年代中期发展起来的基于统计学习理论的一种机器学习方法,通过寻求结构化风险最小来提高学习机泛化能力,实现经验风险和置信范围的最小化,从而达到在统计样本量较少的情况下,亦能获得良好统计规律的目的。通俗来讲,它是一种二类分类模型,其基本模型定义为特征空间上的间隔最大的线性分类器....
分类:其他好文   时间:2014-07-09 23:13:30    阅读次数:439
svm中的数学和算法
支持向量机(Support Vector Machine)是Cortes和Vapnik于1995年首先提出的,它在解决小样本、非线性及高维模式识别中表现出很多特有的优势,并可以推广应用到函数拟合等其它机器学习问题中。一、数学部分1.1二维空间支持向量机的典型应用是分类,用于解决这种问题:有一些事物是...
分类:其他好文   时间:2014-07-09 15:15:57    阅读次数:235
斯坦福ML公开课笔记14——主成分分析
本篇主要介绍PCA(Principal Components Analysis, 主成分分析),也是一种降维方法,但是该方法比较直接,只需计算特征向量就可以进行降维了。本篇对应的视频是公开课的第14个视频,该视频的前半部分为因子分析模型的EM求解,已写入笔记13,本篇只是后半部分的笔记,所以内容较少。...
分类:其他好文   时间:2014-07-09 12:45:57    阅读次数:196
libsvm工具箱C++下编程实践1
机器学习,支持向量机...
分类:编程语言   时间:2014-07-08 20:27:42    阅读次数:333
检测乳腺癌细胞中的有丝分裂(3)
今天看的文章题目是《A Gamma-Gaussian Mixture Model for Detection of Mitotic Cells in Breast Cancer Histopathology Images》 原理:先分割出肿瘤区域,然后在肿瘤区域使用Gamma-Gaussian混合模型检测有丝分裂细胞,最后使用svm分类器减少检测错误。 步骤: 1、因为有丝分裂大多是发生在肿...
分类:其他好文   时间:2014-07-08 20:06:36    阅读次数:219
检测乳腺癌细胞中的有丝分裂(4)
文章题目是《Learning-based mitotic cell detection in histopathological images》 原理:分为个步骤,第一,分割出候选有丝分裂细胞;第二,利用纹理等特征检测出有丝分裂细胞。 这篇文章读起来挺简单的,都是我们所熟悉的,本文使用了两个开源工具,”ilastik”和”CellCognition” 。 1、分割出候选有丝分裂细胞 一个基...
分类:其他好文   时间:2014-07-08 14:52:28    阅读次数:239
机器学习之基于朴素贝叶斯文本分类算法
原理 在分类(classification)问题中,常常需要把一个事物分到某个类别。一个事物具有很多属性,把它的众多属性看做一个向量,即x=(x1,x2,x3,…,xn),用x这个向量来代表这个事物。类别也是有很多种,用集合Y=y1,y2,…ym表示。如果x属于y1类别,就可以给x打上y1标签,意思是说x属于y1类别。这就是所谓的分类(Classification)。 x的集合记为X,...
分类:其他好文   时间:2014-07-08 13:55:28    阅读次数:327
Kinect 开发 —— Kinect for windows SDK
开发 —— 基本的SDK和Windows 编程技巧(彩色图像视频流,深度图像视频流的采集,骨骼跟踪,音频处理,语音识别API) 深度数据,就是Kinect的精髓和灵魂,很多问题都转换为深度图像的模式识别问题 AForge.NET 是一套C#编写的Framework,提供计算机视觉,机器学习 www....
分类:Windows程序   时间:2014-07-05 17:00:05    阅读次数:947
检测乳腺癌细胞中的有丝分裂(2)
Mitosis Detection in Breast Cancer Histology Images with Deep Neural Networks...
分类:其他好文   时间:2014-07-05 10:35:21    阅读次数:418
mac osx 10.9 建立机器学习环境(python3.4)
在mac os上建立python 3.4 的机器学习 环境。...
分类:编程语言   时间:2014-07-03 13:43:04    阅读次数:190
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!