- 博客(25)
- 资源 (2)
- 问答 (1)
- 收藏
- 关注
RSS订阅原创 数据思维（一）朴素的数据价值观
数据：可以电子化记录的东西都是数据。记录：通过必要的信息化技术和电子化手段。数据的商业价值 商业价值三要素 1、收入：数据产品可以为客户带来额外收入。2、支出：数据分析能为客户节省成本。3、风险：一种是风险没办法通过货币度量，独立于收入或者支出的另外一个维度。另一种是连接收入和支出的一个转化器。收入的增加往往具有很强的不确定性，但是成本却在自己的预算控制范围内，相对而言更具可控性。 政府价值 政府：一方面制定市场规则，另一方面还掌握着巨大的数据资源（公安、通信、医疗）
2020-06-21 15:54:22
855
1
原创 笔面试问题总结 （一）
陆陆续续学习的一些知识点，以及个人心得。留着日后备用。 1、vilot关键字 2、数据库的存储结构 3、tcp的三次握手及四次挥手 4、浏览器打开界面的过程（到服务器） 5、死锁 6、进程和线程 7、链表和数组 8、static关键字 9、定义在函数中和全局中的区别 10、归并排序的最差情况 11、二叉树，非递归 12、测试发红包功能 13、多态和重载的区别，代码中的应用
2017-12-25 09:03:10
381
转载 Tensorflow学习（7）用别人训练好的模型进行图像分类
谷歌在大型图像数据库ImageNet上训练好了一个Inception-v3模型，这个模型我们可以直接用来进来图像分类。 下载地址：https://storage.googleapis.com/download.tensorflow.org/models/inception_dec_2015.zip 下载完解压后，得到几个文件：其中的classify_image_graph_def.pb 文件就是
2017-11-22 20:23:02
7112
2
翻译 Tensorflow学习（6）模型的保存与恢复（saver）
将训练好的模型参数保存起来，以便以后进行验证或测试。tf里面提供模型保存的是tf.train.Saver()模块。 保存模型，首先要建立一个Saver对象：如saver=tf.train.Saver()在创建这个对象的时候，有一个参数max_to_keep经常会用到，用来设置保存模型的个数，默认是5。即max_to_keep=5，保存最近的5个模型。如果你想每训练一代（epoch)就想保存一次模型
2017-11-21 17:33:43
2808
2
转载 Tensorflow学习（5）参数和特征的提取
在tf中，参与训练的参数可用 tf.trainable_variables()提取出来，如：params=tf.trainable_variables()print("Trainable variables:-------")#循环列出参数for idx, v in enumerate(params): print("param {:3}:{:15} {}".format(idx, s
2017-11-21 14:20:13
1908
1
翻译 Tensorflow学习（4）池化层和全连接层
池化层定义在 tensorflow/python/layers/pooling.py.有最大值池化和均值池化。tf.layers.max_pooling2dmax_pooling2d( inputs, pool_size, strides, padding='valid', data_format='channels_last', name=Non
2017-11-18 20:53:59
3492
翻译 Tensorflow学习（3）参数初始化
CNN中最重要的就是参数了，包括W,b。 我们训练CNN的最终目的就是得到最好的参数，使得目标函数取得最小值。参数的初始化也同样重要，因此微调受到很多人的重视，那么tf提供了哪些初始化参数的方法呢，我们能不能自己进行初始化呢？ 所有的初始化方法都定义在tensorflow/python/ops/init_ops.py 1、tf.constant_initializer()也可以简写为tf.Con
2017-11-18 20:11:03
4759
翻译 Tensorflow学习（2）
1.0版本中的卷积函数:tf.layers.conv2dconv2d( inputs, filters, kernel_size, strides=(1, 1), padding='valid', data_format='channels_last', dilation_rate=(1, 1), activation=None,
2017-11-18 17:17:41
634
翻译 Tensorflow学习（1）
在tf1.0中，对卷积层重新进行了封装，比原来版本的卷积层有了很大的简化。一、旧版本（1.0以下）的卷积函数：tf.nn.conv2dconv2d( input, filter, strides, padding, use_cudnn_on_gpu=None, data_format=None, name=None)该函数定义在tensorf
2017-11-18 16:41:38
307
转载 动态规划DP
把多级最优化问题分解为一系列单阶问题。在不断增加过程中，不断计算当前问题最优解。#include <iostream> using namespace std; int count; void DPS(int x1,int x2,int x3,int x4,int x5) { if(x3>x4) return; for(int i=x5;i>=0;i--)
2017-09-03 11:16:19
246
转载 C++中的find（）及rfind（）
string中 find()的应用 （rfind() 类似，只是从反向查找） 原型如下： （1）size_t find (const string& str, size_t pos = 0) const; //查找对象–string类对象 （2）size_t find (const char* s, size_t pos = 0) const; //查找对象–字符串 （3）size_t
2017-08-14 17:16:16
2687
原创 C++ 单链表基本操作分析与实现
链表 链表是一种物理存储单元上非连续、非顺序的存储结构，数据元素的逻辑顺序是通过链表中的指针链接次序实现的。链表由一系列结点（链表中每一个元素称为结点）组成，结点可以在运行时动态生成。每个结点包括两个部分：一个是存储数据元素的数据域，另一个是存储下一个结点地址的指针域。 相比于线性表顺序结构，链表比较方便插入和删除操作。创建头节点 手动new一个新的Node，将Node的next置为NULL即可
2017-07-09 11:07:31
597
1
转载 windows下Composer安装
Composer 是 PHP 的一个依赖管理工具。它允许你申明项目所依赖的代码库，它会在你的项目中为你安装他们。Composer 不是一个包管理器。是的，它涉及 “packages” 和 “libraries”，但它在每个项目的基础上进行管理，在你项目的某个目录中（例如 vendor）进行安装。默认情况下它不会在全局安装任何东西。因此，这仅仅是一个依赖管理。 http://jingyan.baid
2017-07-05 17:05:16
306
转载 Windows 10如何配置本地WAMPSERVER测试环
Wampserver是Windows下的Apache+Mysql+PHP集成安装环境的简称，一款用来搭建动态网站或者服务器的开源软件，可以快速安装配置Web服务器，免去配置服务器的繁琐步骤。下面为大家介绍wampserver的安装配置过程。 http://jingyan.baidu.com/article/b0b63dbf1993f74a483070ef.html
2017-07-05 17:04:13
528
原创 C++之（pair）用法总结
pair函数： 类模板： template <class T1, class T2> struct pair 参数：class T1是第一个值的数据类型，class T2是第二个值的数据类型。 功能：pair将一对值（可以是不同的数据类型）组合成一个值，两个值可以分别用pair的两个公有函数first和second访问。 具体用法： 1、定义pair<int,string>p1;//使
2017-06-30 16:03:58
913
原创 opencv常见问题（1）Microsoft C++ 异常:cv::Exception
今天，在写程序的时候，突然报了个错误： 错误截图 想必大家遇到错误第一反应都是问度娘！ 于是乎，我顺手百度了一下，果然，遇到与此类似的问题还真不少。 0x76BBA932 处(位于 OpenCV.exe 中)有未经处理的异常: Microsoft C++ 异常: cv::Exception，位于内存位置 0x00AEEF48 处。 但是，和我一样的问题却出现在不同的程序中，这就奇
2017-06-30 15:47:36
37925
14
原创 第五章 基于形态学运算的图像变换
由于形态学的惯例是用高（白色）像素表示前景物体，用低（黑色）像素表示背景物体，我们需要对图像进行取反。在opencv中，腐蚀和膨胀由函数cv：：erode和cv：：dilate实现，用法如下：cv::Mat image=cv::imread("binary.bmp");
2016-05-06 10:13:03
480
原创 灰度阈值分割法的matlab实现
function th=thresh_md(a);%该函数实现最大方差法计算分割阈值count=imhist(a); %返回图像矩阵各个灰度等级像素个数[m,n]=size(a);N=m*n-sum(sum(find(a==0),1));L=256; %指定图像灰度等级count=count/N;%计算出各灰度出现的概率for i=2:L if count(i)~=0
2014-12-07 15:20:18
11775
原创 matlab提供的变换函数
快速傅里叶变换：1、fft2 函数该函数用于计算二维快速傅里叶变换函数。2、fftn 函数该函数用于n维傅里叶变换。3、fftshift 函数该函数是用于将变换后图像频谱中心从矩阵的原点移到矩阵的中心。4、ifft2 函数该函数用于计算图像的二维傅里叶反变换。5、ifftn 函数该函数用于计算n维傅里叶反变换。数字图像的离散余弦DCT变换：1、dct
2014-12-06 20:10:10
1160
原创 matlab提供的变换函数
快速傅里叶变换：1、fft2 函数该函数用于计算二维快速傅里叶变换函数。2、fftn 函数该函数用于n维傅里叶变换。3、fftshift 函数该函数是用于将变换后图像频谱中心从矩阵的原点移到矩阵的中心。4、ifft2 函数该函数用于计算图像的二维傅里叶反变换。5、ifftn 函数该函数用于计算n维傅里叶反变换。数字图像的离散余弦DCT变换：1、dct
2014-12-06 17:19:14
1218
原创 霍夫变换
经过边缘检测得到的图像是不连续的，可以使用链接技术将边缘像素组合成完整的边缘。霍夫变换是一个非常重要的检测间断点边界形状的方法。它通过将图像坐标的空间变换到参数空间实现直线和曲线的拟合。注意：1、由于原图像中的直线具有 一定的宽度，在实际上相当于多条参数及其接近的单像素宽直线，往往对应于参数空间中相邻的多个累加器单元。因此，每找到一个当前最大的 峰值点后，需要将该点及其附近点清零，以防
2014-12-04 15:48:46
543
原创 自适应滤波的matlab实现
function II=adp_median(I,Smax)if(Smax<=1)||(Smax/2==round(Smax/2))||(Smax~=round(Smax)) error('SMAX must be an odd integer >1.')endII=I;II(:)=0;alreadyProcessed=false(size(I));for k=3:2:Smax
2014-12-03 21:46:39
7581
原创 自适应中值滤波器
中值滤波处理椒盐噪声具有非常好的效果。但也存在弊端，没有噪声的细节也被抹去了。自适应中值滤波可以很好的保存图像的细节。算法分为两步A和BA：A1=中值减去模板内像素的最小值A2=中值减去模板内像素的最大值若A1>0且A2否则增大窗口尺度。若窗口尺寸否则输出该点灰度像素值。B：B1=该点灰度像素值减去模板内像素的最小值B2=该点灰度像素值减去模板内像素的最
2014-12-03 20:39:24
1183
原创 matlab中的小波变换
在编程时用到的，分享给大家function y=wavecopy(type,c,s,n)error(nargchk(3,4,nargin));if nargin==4 y=wavework('copy',type,c,s,n);else y=wavework('cope',type,c,s);end
2014-12-03 16:53:22
808
原创 小波变换
小波变换将一维时域函数映射到 二维“时间-尺度”域上，因此，f（t）在小波基上的展开具有多分辨率的特征。f=imread('huidu.gif');imshow(f);[c,s]=wavefast(f,1,'sym4');figure;wave2gray(c,s,-6);%利用小波工具箱的函数显示变换后灰度图[nc,y]=wavecut('a',c,s);figure;wave2gr
2014-12-03 09:33:24
646
c++界面编程，窗口界面的使用
2015-10-04
TA创建的收藏夹 TA关注的收藏夹
TA关注的人