- 博客(39)
- 资源 (12)
- 收藏
- 关注
RSS订阅原创 未能从程序集“Oracle.ManagedDataAccess”加载 “OracleInternal.Common.ConfigBaseClass”
使用VS2015做项目的过程中一直使用的服务器上的oracle数据库，后来想学习一下oracle，就在本机安装了oracle。可没想到本来运行好好的项目，现在不能运行了。项目是使用的Abp框架，当运行到DbContext的构造函数时，报如下错误：打开来看，为{"未能从程序集“Oracle.ManagedDataAccess, Version=4.121.2.0, Culture=neu
2017-08-21 17:33:05
2974
原创 Abp项目InternalServerError，SimpleStringCipher.Decrypt()找不到
3.Method not found: 'System.String Abp.Runtime.Security.SimpleStringCipher.Decrypt(System.String, System.String, Byte[])'原因：官方解释：我们已经修改了v2.0中的SimpleStringCipher，它不是向后兼容的，一些开发人员在解密在v2.0之前被加密的文本
2017-07-28 15:41:57
1406
1
转载 分类算法之朴素贝叶斯分类(Naive Bayesian classification)
1.1、摘要 贝叶斯分类是一类分类算法的总称，这类算法均以贝叶斯定理为基础，故统称为贝叶斯分类。本文作为分类算法的第一篇，将首先介绍分类问题，对分类问题进行一个正式的定义。然后，介绍贝叶斯分类算法的基础——贝叶斯定理。最后，通过实例讨论贝叶斯分类中最简单的一种：朴素贝叶斯分类。1.2、分类问题综述 对于分类问题，其实谁都不会陌生，说我们每个人每天都在执行分类操作一点
2016-09-28 11:06:43
581
转载 朴素贝叶斯分类器的应用
源地址：http://www.ruanyifeng.com/blog/2013/12/naive_bayes_classifier.html作者： 阮一峰日期： 2013年12月16日生活中很多场合需要用到分类，比如新闻分类、病人分类等等。本文介绍朴素贝叶斯分类器（Naive Bayes classifier），它是一种简单有效的常用分类算法。一、病
2016-09-28 11:04:26
335
转载 KNN与K-Means的区别
原地址：http://www.tuicool.com/articles/qamYZvKNN(K-Nearest Neighbor)介绍Wikipedia上的 KNN词条 中有一个比较经典的图如下： KNN的算法过程是是这样的：从上图中我们可以看到，图中的数据集是良好的数据，即都打好了label，一类是蓝色的正方形，一类是红色的三角形，那个绿色的圆形是我们待分
2016-09-27 11:05:25
4294
原创 运动检测ViBe算法python实现
运动物体检测一般分为背景建模和运动物体分析两步。即构建不包含运动物体的背景模型。然后将新的视频帧和背景模型对比，找出其中的运动物体。目前比较好的背景建模算法有两种：1)文章（Zivkovic Z. (2004) Improved adaptive Gausianmixture model for backgroundsubtraction, Proceedings of ICPR 2004,
2016-07-02 17:30:11
11720
82
转载 C++下caffe使用教程
源地址：http://www.ucshare.top/thread-110-1-1.html如何在C++程序中调用Caffe做图像分类？caffe本身就是用c++实现的，python和matlab才是额外的接口。c++使用caffe只需#include相应的头文件，按照API文档写就是了。另外，可以参考./tools/caffe.cpp或者extract_feature
2016-01-19 09:21:10
18418
4
原创 opencv利用calcCovarMatrix函数求协方差矩阵存在的问题
今天用到opencv求解矩阵的协方差矩阵，无意中发现一个问题，不知是什么原因void displayMat(Mat& mat){ for (int i = 0;i<mat.rows;i++) { for (int j = 0;j<mat.cols ;j++) { printf("%f ",mat.at(i,j)); } printf("\n
2015-11-25 20:42:14
3359
1
转载 Gaussian Mixture Model
源地址：http://blog.pluskid.org/?p=39上一次我们谈到了用 k-means 进行聚类的方法，这次我们来说一下另一个很流行的算法：Gaussian Mixture Model (GMM)。事实上，GMM 和 k-means 很像，不过 GMM 是学习出一些概率密度函数来（所以 GMM 除了用在 clustering 上之外，还经常被用于 density estima
2015-10-19 14:30:19
864
转载 从最大似然估计法到EM算法
源地址：http://www.cnblogs.com/GuoJiaSheng/p/3966812.html?utm_source=tuicool什么是最大似然估计？ 问题：给定一组观察数据还有一个参数待定的模型，如何来估计这个未知参数呢？ 观察数据（x1，y1）......(xn,yn) 待定模型参数为θ，模型为f（x;θ）。这时候可以借助观察数据来估计这个θ。
2015-10-15 11:17:37
4030
转载 Caffe学习笔记3-Layer的相关学习
LayerLayer是所有层的基类，在Layer的基础上衍生出来的有5种Layers：data_layerneuron_layerloss_layercommon_layervision_layer它们都有对应的[.hpp .cpp]文件声明和实现了各个类的接口。下面一个一个地讲这5个Layer。data_layer先看data_layer.hpp中头文件调用情况：
2015-09-07 15:43:11
3825
转载 Caffe学习笔记2-Caffe的三级结构(Blobs,Layers,Nets)
根据Caffe官方文档介绍，caffe大致可以分为三层结构blob，layer，net。数据的保存，交换以及操作都是以blob的形式进行的，layer是模型和计算的基础，net整和并连接layer。BlobsBlob是Caffe的基本数据结构，具有CPU和GPU之间同步的能力,它是4维的数组(Num, Channels, Height, Width)。设Blob数据维度为 number
2015-09-07 15:27:16
3979
转载 Caffe学习笔记1-安装以及代码结构
安装按照官网教程安装，我在 OS X 10.9 和 Ubuntu 14.04 上面都安装成功了。主要麻烦在于 glog gflags gtest 这几个依赖项是google上面的需要翻墙。由于我用Mac没有CUDA，所以安装时需要设置 CPU_ONLY := 1。如果不是干净的系统，安装还是有点麻烦的比如我在OS X 10.9上面，简直不是一般的麻烦，OS X 10.9 默认的编译器是
2015-09-07 15:19:46
1025
转载 浅谈流形学习
原地址：http://blog.pluskid.org/?p=533总觉得即使是“浅谈”两个字，还是让这个标题有些过大了，更何况我自己也才刚刚接触这么一个领域。不过懒得想其他标题了，想起来要扯一下这个话题，也是因为和朋友聊起我自己最近在做的方向。Manifold Learning 或者仅仅 Manifold 本身通常就听起来颇有些深奥的感觉，不过如果并不是想要进行严格的理论推导的话，也可以
2015-08-26 15:58:38
728
1
转载 隐马尔可夫模型（HMM）攻略
隐马尔可夫模型 (Hidden Markov Model，HMM) 最初由 L. E. Baum 和其它一些学者发表在一系列的统计学论文中，随后在语言识别，自然语言处理以及生物信息等领域体现了很大的价值。平时，经常能接触到涉及 HMM 的相关文章，一直没有仔细研究过，都是蜻蜓点水，因此，想花一点时间梳理下，加深理解，在此特别感谢 52nlp 对 HMM 的详细介绍。 考虑下面交通灯的例子
2015-06-12 14:39:09
1078
转载 浅谈deep stacking network --- 一种比较实用的deep learning算法
原地址：http://www.dataguru.cn/article-3361-1.html摘要: deep stacking network 是 Li Deng 提出的一种判别模型。现在的应用主要在于CTR IR和语言以及图像的分类和回归。分享一下组会的讲稿。附组会的ppthttp://vdisk.weibo.com/s/zfic-IP2yag
2015-06-08 16:28:08
4663
1
转载 卷积神经网络算法的一个实现
原地址：http://www.cnblogs.com/fengfenggirl前言 从理解卷积神经到实现它，前后花了一个月时间，现在也还有一些地方没有理解透彻，CNN还是有一定难度的，不是看哪个的博客和一两篇论文就明白了，主要还是靠自己去专研，阅读推荐列表在末尾的参考文献。目前实现的CNN在MINIT数据集上效果还不错，但是还有一些bug，因为最近比较忙，先把之前做的总结一下，以后再
2015-05-30 10:10:50
10721
2
转载 BING : Binarized Normed Gradients for Objectness Estimation at 300fps 论文笔记
这篇CVPR2014的论文与之前那篇Boosting Binary Keypoint Detection一样，都是利用二进制来加速计算。不过这篇并不是做特征，而是去找图中的Object。它主要有两大亮点。第一个亮点是发现了在固定窗口的大小下，物体与背景的梯度模式有所不同。如图1所示。图1（a）中绿框代表背景，红框代表物体。如果把这些框都resize成固定大小，比如8X8，然后求出8X8这些块中每个
2015-05-29 10:34:15
678
1
转载 目标检测的图像特征提取之LBP特征
原地址：http://blog.csdn.net/zouxy09/article/details/7929531LBP（Local Binary Pattern，局部二值模式）是一种用来描述图像局部纹理特征的算子；它具有旋转不变性和灰度不变性等显著的优点。它是首先由T. Ojala, M.Pietikäinen, 和 D. Harwood 在1994年提出，用于纹理特征提取。而
2015-05-26 09:27:42
679
转载 SIFT特征详细描述
一、介绍特征的检测和匹配在许多计算机视觉应用中是一个重要的组成部分，例如无缝拼接，三维重建等。其中兴趣点特征是很重要的一类特征，而目前应用最广泛的兴趣点特征检测方法就是SIFT检测算法，该检测算法所得到的特征点不仅在位置上能够稳定识别，而且具有尺度不变性和旋转不变性。由于各大论坛以及该论文作者都只是给出matlab的实现算法，并未给出C++的版本，而且由于在SIFT的实现过程中有很多参数设置和
2015-04-21 10:06:42
1237
转载 机器学习入门：线性回归及梯度下降
源地址：http://blog.csdn.net/xiazdong/article/details/7950084本文会讲到：(1)线性回归的定义(2)单变量线性回归(3)cost function：评价线性回归是否拟合训练集的方法(4)梯度下降：解决线性回归的方法之一(5)feature scaling：加快梯度下降执行速度的方法(6)多变量线性回归
2015-03-02 09:37:27
541
转载 C实现的泛型栈
原地址：http://blog.csdn.net/xiepansq1204/article/details/20128019typedef struct{void *elems; //栈底指针int loglen; //已经使用的长度int alloclen; //已经申请的长度int elemSize; //单个元素的长度}
2015-01-20 11:23:33
519
转载 深入浅出的讲解傅里叶变换（二）
原地址：http://www.elecfans.com/engineer/blog/20140529344449.html 上一篇文章发出来之后，为了掐死我，大家真是很下工夫啊，有拿给姐姐看的，有拿给妹妹看的，还有拿给女朋友看的，就是为了听到一句“完全看不懂啊”。幸亏我留了个心眼，不然就真的像标题配图那样了。我的文章题目是，如果看了这篇文章你“还”不懂就过来掐死我，潜台
2015-01-13 20:20:45
745
转载 深入浅出的讲解傅里叶变换（一）
我保证这篇文章和你以前看过的所有文章都不同，这是12年还在果壳的时候写的，但是当时没有来得及写完就出国了……于是拖了两年，嗯，我是拖延症患者…… 这篇文章的核心思想就是： 要让读者在不看任何数学公式的情况下理解傅里叶分析。 傅里叶分析不仅仅是一个数学工具，更是一种可以彻底颠覆一个人以前世界观的思维模式。但不幸的是，傅里叶分析的公式看起来太复杂了，所以很多大一新生上来就懵圈并从此对
2015-01-13 19:57:18
563
转载 支持向量机通俗导论（理解SVM的三层境界）
原地址：http://blog.csdn.net/v_july_v/article/details/7624837支持向量机通俗导论（理解SVM的三层境界）作者：July ；致谢：pluskid、白石、JerryLead。出处：结构之法算法之道blog。前言 动笔写这个支持向量机(support vector machine)是费了不少劲和困难的，原因很简
2014-12-30 12:19:44
723
转载 线性判别分析（Linear Discriminant Analysis）
原地址：http://www.cnblogs.com/jerrylead/archive/2011/04/21/2024384.html1. 问题 之前我们讨论的PCA、ICA也好，对样本数据来言，可以是没有类别标签y的。回想我们做回归时，如果特征太多，那么会产生不相关特征引入、过度拟合等问题。我们可以使用PCA来降维，但PCA没有将类别标签考虑进去，属于无监督的。
2014-12-29 16:17:04
638
转载 Deep Learning（深度学习）Convolutional Neural Networks卷积神经网络
原地址：http://blog.csdn.net/zouxy09/article/details/87815439.5、Convolutional Neural Networks卷积神经网络 卷积神经网络是人工神经网络的一种，已成为当前语音分析和图像识别领域的研究热点。它的权值共享网络结构使之更类似于生物神经网络，降低了网络模型的复杂度，减少了权值的数量。该优点在网
2014-12-27 19:23:47
2421
转载 从自联想神经网络到深度神经网络
原地址：http://blog.csdn.net/celerychen2009/article/details/9079715深度神经网路已经在语音识别，图像识别等领域取得前所未有的成功。本人在多年之前也曾接触过神经网络。本系列文章主要记录自己对深度神经网络的一些学习心得。第六篇，简要描述深度神经网络模型。1. 自联
2014-12-27 19:21:07
902
转载 Deep Learning（深度学习）Deep Learning的常用模型或者方法（二）
原地址：http://blog.csdn.net/zouxy09/article/details/87813969.3、Restricted Boltzmann Machine (RBM)限制波尔兹曼机 假设有一个二部图，每一层的节点之间没有链接，一层是可视层，即输入数据层（v)，一层是隐藏层(h)，如果假设所有的节点都是随机二值变量节点（只能取0或者1值），同时假设全
2014-12-27 19:17:35
702
转载 Deep Learning（深度学习）Deep Learning的常用模型或者方法（一）
原地址：http://blog.csdn.net/zouxy09/article/details/8775524九、Deep Learning的常用模型或者方法9.1、AutoEncoder自动编码器 Deep Learning最简单的一种方法是利用人工神经网络的特点，人工神经网络（ANN）本身就是具有层次结构的系统，如果给定一个神经网络，我们假设其输出与输入
2014-12-27 19:12:33
1196
转载 Deep Learning（深度学习）Deep Learning的基本思想
原地址：http://blog.csdn.net/zouxy09/article/details/8775518好了，到了这一步，终于可以聊到Deep learning了。上面我们聊到为什么会有Deep learning（让机器自动学习良好的特征，而免去人工选取过程。还有参考人的分层视觉处理系统），我们得到一个结论就是Deep learning需要多层来获得更抽象的特征表达。那么多
2014-12-27 19:09:32
1149
转载 Deep Learning（深度学习）关于特征
原地址：http://blog.csdn.net/zouxy09/article/details/8775488因为我们要学习的是特征的表达，那么关于特征，或者说关于这个层级特征，我们需要了解地更深入点。所以在说Deep Learning之前，我们有必要再啰嗦下特征（呵呵，实际上是看到那么好的对特征的解释，不放在这里有点可惜，所以就塞到这了）。 四、关于特征
2014-12-27 19:05:14
9452
转载 从线性分类器到卷积神经网络
原地址：http://zhangliliang.com/2014/06/14/from-lr-to-cnn/前言本文大致分成两大部分，第一部分尝试将本文涉及的分类器统一到神经元类模型中，第二部分阐述卷积神经网络（CNN）的发展简述和目前的相关工作。本文涉及的分类器（分类方法）有：线性回归逻辑回归（即神经元模型）神经网络（NN）支持向量机（SVM）卷积神经网络（CNN
2014-12-09 16:36:30
16876
转载 对线性回归、逻辑回归、各种回归的概念学习
源地址：http://blog.csdn.net/viewcode/article/details/8794401回归问题的条件/前提：1） 收集的数据2） 假设的模型，即一个函数，这个函数里含有未知的参数，通过学习，可以估计出参数。然后利用这个模型去预测/分类新的数据。1. 线性回归假设 特征 和 结果 都满足线性。即不大于一次方。这个是针对 收集的数据而
2014-12-09 16:13:21
648
转载 主题模型-LDA浅析
原地址：http://blog.csdn.net/huagong_adu/article/details/7937616（一）LDA作用 传统判断两个文档相似性的方法是通过查看两个文档共同出现的单词的多少，如TF-IDF等，这种方法没有考虑到文字背后的语义关联，可能在两个文档共同出现的单词很少甚至没有，但两个文档是相似的。 举个例子，有两个句子分别如
2014-12-05 08:57:36
471
转载 Dirichlet Process and Hierarchical Dirichlet Process
原地址：http://hi.baidu.com/zentopus/item/46a622f5ef13e4c5a835a28e 在这篇文章里，我会初步地介绍Dirichlet Process以及Hierarchical Dirichlet Process，不过仅仅局限于模型本身，并不涉及其inference和具体的application。 首先，我将简单地
2014-12-04 10:38:24
612
转载 利用Java生成静态HMTL页面
原地址：http://www.cnblogs.com/JemBai/archive/2009/12/11/1621770.html有时候需要生成静态的HTML页面以减小数据库与服务器的压力和负担，于是在网络上一阵狂搜，找到几篇相当不错的文章和一些相当有用的资料。为了方便，我整理在自己的BLOG，以供参考！在接下来的应用中，我自己想到另一种解决方案，就是通过Ajax + Struts
2014-12-04 10:25:37
494
转载 特征选择方法之信息增益
前文提到过，除了开方检验（CHI）以外，信息增益（IG，Information Gain）也是很有效的特征选择方法。但凡是特征选择，总是在将特征的重要程度量化之后再进行选择，而如何量化特征的重要性，就成了各种方法间最大的不同。开方检验中使用特征与类别间的关联性来进行这个量化，关联性越强，特征得分越高，该特征越应该被保留。在信息增益中，重要性的衡量标准就是看特征能够为分类系统带来多少信息，带来的
2014-11-24 13:28:49
490
转载 特征选择算法之开方检验
前文提到过，除了分类算法以外，为分类文本作处理的特征提取算法也对最终效果有巨大影响，而特征提取算法又分为特征选择和特征抽取两大类，其中特征选择算法有互信息，文档频率，信息增益，开方检验等等十数种，这次先介绍特征选择算法中效果比较好的开方检验方法。大家应该还记得，开方检验其实是数理统计中一种常用的检验两个变量独立性的方法。（什么？你是文史类专业的学生，没有学过数理统计？那你做什么文本分类？在这捣
2014-11-24 13:13:33
391
FatJar0.0.32(支持Eclipse Luna、Mars)
2018-09-03
JNA.zip（jna.jar）
2013-05-23
XNA4.0学习指南
2013-05-18
css经典教程.pdf
2013-05-18
Java_JNI_编程进阶.pdf
2013-05-18
jintellitype-1.3.8
2013-03-08
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人