Lyndon_zheng-CSDN博客

原创 Ubuntu16.04+matlab2014a+anaconda2+OpenCV3.1+caffe安装

本次安装caffe是在新的笔记本上，感觉与之前在台式机上的安装还是有一定的区别。加之是在新的ubuntu16.04系统上安装的，可参考教程较少。而且其中添加了不少库，修改的一些错误，难免会有遗漏。如果发现本文未提及错误，欢迎一起讨论学习。另外，看到有的人说安装了半个多月，多次重装，希望有问题还是先把问题查清楚，不要盲目重装系统;其次，安装的时候最好记录自己安装的过程和内容，避免遗漏和重复，出问题了

2016-06-28 20:38:06 12809 3

原创 linux下使用github和git

一、git基本环境配置1、先去www.github.com上注册新的账号 2、本机安装git. 命令行输入以下命令，安装完成之后，通过git命令，可以直接查看git相关命令。sudo apt-get install gitgit相关命令查看; 3、给本机注册SSH，之所以用SSH钥匙，主要是为了验证更换代码版本的人，是该账号对应的管理者。具体设置步骤参看官网安装步骤。这一步设置严格安装

2016-01-20 16:52:49 671

原创 Python基础介绍

本文主要从以下几个方面简单介绍Python。1、基本数据类型（整型、浮点型、布尔值和字符串）2、容器（列表、词典、集合和元组）3、基本语句（条件语句和循环语句）4、函数和类

2016-01-07 22:44:12 742

原创机器学习(7)——支持向量机（三）：线性支持向量机和软间隔最大化

前两章讨论支持向量机时，假设了数据最终是能完全被分开，即数据在原始特征空间或映射到高维特征空间之后能够完全正确分类。但是，这样绝对的分类存在一个明显的问题，如果模型中存在异常点，即使高维映射之后，能够完全正确分类，也可能导致模型复杂度过高，模型过拟合。虽然训练出来的模型能够在训练集上表现很好，但其泛化能力会很差。如下图所示，明显蓝色框标记的两个白色点和两个红色点都是异常点，如果通过硬间隔SVM我

2015-12-29 22:47:45 5416

转载成为深度学习专家的七个步骤

PS：早上看到的一篇不错的原文，因为自己也正在进行这些学习研究，一路走来，觉得总结不错。本想要翻译出来的，发现有人这么做了，就直接转过来，一方面是给自己更多资源，另一方面是希望分享给更多的人。原文作者：Ankit Agarwal译者：Angulia Chao原文链接：https://www.linkedin.com/pulse/7-steps-bec

2015-12-15 20:40:00 2924

原创机器学习（7）——支持向量机（二）：线性可分支持向量机到非线性支持向量机

线性可分支持向量机回顾前面总结了线性可分支持向量机，知道了支持向量机的最终目的就是通过“间隔最大化” 得到最优分类器，能够使最难区分的样本点得到最大的分类确信度，而这些难区分的样本就是支持向量。还是如下图所示，超平面H1H_1 和 H2H_2 支撑着中间的决策边界，且到达决策边界的距离相等，都是最大几何间隔。而这两个超平面H1H_1 和 H2H_2 必定会有一些样本点，不然中间的间隔还可以继续扩

2015-12-08 23:04:33 5866

原创机器学习(7)——支持向量机（一）：从感知机到线性可分支持向量机

前言支持向量机(support vector machine)本来是最早接触的机器学习算法，最初自己写的的机器视觉论文也用到了SVM，但和神经网络一样，一直觉得它是比较复杂的机器学习方法，需要深入的学习和研究。因此先是系统推导了李航的《机器学习》，之后学习Andrew Ng的机器学习课程，并看了july、pluskid等人的技术博客。也不能说自己精通了，只能算是学习笔记，总结一些自己能掌握的东西。

2015-12-06 00:26:09 3897

原创机器学习（6）——从线性回归到逻辑斯特回归

Linear Regression在学习李航《统计学习方法》的逻辑斯特回归时，正好coursera上相应的线性回归和逻辑斯特回归都学习完成，在此就一起进行总结，其中图片多来自coursera课程上。线性回归是机器学习中很好理解的一种算法。我们以常见的房屋销售为例来进行简单分析：假设我们统计的一个房屋销售的数据如下：在此，我们从单一变量谈起，直观上比较容易理解。训练集定义为{(x(1)

2015-11-18 20:02:25 4679

原创机器学习（5）——决策树（下）算法实现

Decision tree在机器学习（5）——决策树（上）原理中介绍了决策树的生成和剪枝原理。介绍了CART,ID3，C4.5等算法的算法流程，其中CART算法可以实现回归和分类，是基于基尼不纯度实现的，这里并未实现。这里主要实现了ID3和C4.5算法，是基于信息熵的，在本处因为没有涉及剪枝，他们最终得到的结果都是一样的。我们先来看ID3的整个算法框架（C4.5也基本类似，不同之处是特征选取的区别）

2015-11-03 15:43:46 1875

原创机器学习（5）——决策树（上）原理

Decision tree决策树是机器学习中一种基本的分类和回归算法，是依托于策略抉择而建立起来的树。其主要优点是模型具有可读性，分类速度快，易于理解。决策树的思想主要来源于Quinlan在1986年提出的ID3算法和1993年提出的C4.5算法，以及有Breiman等人在1984年提出的CART算法。由于本章内容较多，将分两篇介绍决策树的原理和算法实现。

2015-11-03 14:31:10 9090 1

原创机器学习笔记（4）——朴素贝叶斯

Naive Bayes朴素贝叶斯网络是贝叶斯分类器的一种，贝叶斯分类算法是统计学的一种分类方法，利用概率论和统计知识进行分类。其原理是利用贝叶斯公式根据样本的先验概率来计算其后验概率（即样本属于某一类的概率），然后选择具有最大后验概率的类作为该对象所属的类别。朴素贝叶斯分类以概率论为基础，有坚实的数学基础，以及稳定的分类效率，其优点是算法简单，在数据较少的情况下仍然准确。理论上朴素贝叶斯分类有最小的

2015-10-22 22:47:35 1451

原创机器学习笔记（3）——K近邻法

K-nearest neighbor（KNN）kk近邻法一种基本的分类与回归方法，原理和实现都比较直观。其输入为样本的特征向量，输出为样本的类别，可以进行多类别分类。k近邻法是通过统计与未知样本最近点的训练样本的类别来投票决定未知样本的类别，不具有显式的学习过程。kk近邻法主要包含有kk值选择，距离度量以及分类决策规则三部分。1.kk近邻模型距离度量特征空间中两个样本的距离是两个样本的相似程度的反映

2015-10-19 15:09:29 1159

原创机器学习笔记（2）——感知机

Perceptron（感知机）感知机是二分类的线性分类器,属于判别模型。由Rosenblatt在1957年提出，是神经网络和支持向量机（SVM）的基础。感知机本身相当于神经网络中的一个神经元，只能进行简单的线性分类。感知机的学习目标是通过训练数据得到线性划分的超平面。为此，引入基于分类误差的损失函数，利用梯度下降法对损失函数进行极小化，来求解感知机模型。

2015-10-17 14:31:49 1161

原创机器学习笔记（1）

1、机器学习的主要任务是通过样本的特征进行分类，一般有两套独立的样本集：训练数据和测试数据。其中特征和属性通常是训练集样本的列，是独立测得结果，而测试数据集在测试阶段只输入特征，通过分类器来进行类别的标记，并与真值比较，得到分类器的精度。2、机器学习跟模式识别、统计学习、数据挖掘、计算机视觉、语音识别和自然语言处理等领域有深刻的联系。从研究内容来说，机器学习与模式识别、统计学习、数据挖掘有很大

2015-04-21 11:11:46 1143

转载一文读懂机器学习，大数据/自然语言处理/算法全有了……

本文摘自微信程序员平台，是看到的机器学习入门的不错资料，原文连接已不可知，在此就不添加了。一文读懂机器学习，大数据/自然语言处理/算法全有了……2015-01-06计算机的潜意识数盟【数盟倡导“数据创造价值”，致力于打造最卓越的数据科学交流平台，为企业、个人提供最卓越的服务】在进入正题前，我想读者心中可能会有一个疑惑：机器学习有什么重要性，以至于要阅读完这篇非

2015-04-20 11:46:55 1227

原创图像基本知识整理（3）——图像的正交变换

变换是将一个域的特征变换到另一个域，可能使在一个域不突出的特征在另一个域突出。这有助于对有用信号的提取与应用。一、傅里叶变换傅里叶变换是一种将时域信号转换到频域的方式，其在图像处理和分析方面有很多优势。对于一幅图像，图像中灰度变化缓慢的区域对应于较低的频率，而灰度变化较快的区域对应高频信息。因此，在频域图像中能量主要集中在低频部分，只有小部分的能量在高频部分。这一点在直观上也比较好理解

2015-01-27 22:16:48 22079

原创图像基本知识整理（2）——图像几何变换

一、图像平移图像平移是指将图像中的所有像素点按指定方向平移的一种变换。只改变图像在屏幕上的位置，图像本身不变。其实质是一种坐标变换。1、基本原理设图像中某点的原始坐标为(x)，平移量分别为Xset和Yset的距离，平移后的点为，则平移后的坐标关系为：二、图像旋转图像的旋转是图像校准，图像识别常用的一种技术。其本质是以图像的中心为原点，将图像上的所有的点都旋转相同的角度。

2015-01-24 22:42:09 1371

原创创建基于opencv库的MFC多文档图像处理框架

一、学习参考文件1、《学习OpenCV》参考书，用OpenCV对图像进行基本的打开，保存等处理。2、《MFC多文档中OpenCV处理图像打开和保存》，http://blog.csdn.net/abcjennifer/article/details/7313711二、环境搭建1、安装VS2013和OpenCV库详细参见：http://blog.csdn.net/lvhao

2014-12-02 17:11:03 2462

原创视觉显著性发展与现状——本科毕业设计总结

一、Koch与Ullman的早期研究工作（1985）实验室：http://www.klab.caltech.edu/研究方向：实验室属于计算机神经系统，研究主要分为三个领域：Biophysics（基于神经计算的仿生物机制），Vsion（基于仿生物的视觉注意机制），Consciousness（大脑活动与意识之间的联系）C. Koch and S. Ullman . Shifts in s

2014-11-17 09:37:05 8471 2