最近在一些机器视觉群中的一些小伙伴们多次问到opencv是否集成了LBP算法,据我了解opencv没有单独的LBP特征描述算法实现,都是和一些应用结合,如人脸识别,检测等,这些都是一些论文的研究成果,针对于特定的应用,这对于想将LBP特征描述用到自己的应用中的伙伴来说,或许不太方便。opencv也没有一个单独的特征描述这样的一个module,这或许限制了使用opencv的灵活性,而且个人体会视觉问
前一段时间做了一个数字识别的小系统,基于BP神经网络算法的,用MFC做的交互。在实现过程中也试着去找一些源码,总体上来讲,这些源码的可移植性都不好,多数将交互部分和核心算法代码杂糅在一起,这样不仅代码阅读困难,而且重要的是核心算法不具备可移植性。设计模式,设计模式的重要性啊!于是自己将BP神经网络的核心算法用标准C++实现,这样可移植性就有保证的,然后在核心算法上实现基于不同GUI库的交互(MFC
回归 1)多元线性回归 (1)模型建立多元线性回归讨论的的是变量y与非随机变量x1……xm之间的关系,假设他们具有线性关系,于是有模型:y =b0 + b1x1 + …… + bmxm+ e这里的e~N(0,a2),b0,……,bn,a2都是未知数。上式矩阵表达式为:y =xb + e对于一组样本(x00……x0m,y0)……(xn0……xnm,yn)观测值,这时对每个观测值有
A few months ago, one of my friends asked me for a favor that he wanted me to help him out with his digital recognition project. Fortunately, I had decided to go further for a master degree and I had
机器学习有着丰富的理论,分为有监督学习和无监督学习,有监督学习包括分类和回归,无监督学习包括聚类等。各种机器学习算法的基本思想都不难理解(这里的基本思想我的理解是各个算法的模型建立),而难点在于对于模型的求解,这里边有着优美的理论还有一些技巧,如SVM,EM,CART,AdaBoost,RF等。这些算法都是一些专家学者历经数年乃至十数年的研究成果,要想将它们都研究透彻确实是一项大工程,多数算法深入下去都是一本书,因此这里旨在从理解及应用的角度对这些经典的机器学习算法进行review。
9. 运算符重载运算符只是一种语法上的方便,也就是另外一种函数的调用方式,这种函数调用的参数不在()中,而是在运算符的附近,由编译器决定调用哪个运算符函数。例如使用+做floating-point运算,编译器调用浮点运算的加法运算(一般插入内联代码,或浮点运算处理命令)。如果用+运算整形和浮点型,编译器调用一个特殊函数将int
断断续续的学习C++编程已经有一年多的历史了,在学习了一些基本的语法后,基本可以使用C++语言编程,也拿这个语言参加比赛实现了比较复杂的算法。当时很得意,觉得C++语言也就那么回事,殊不知在大三实习面试的过程中,大部分面试在考察对C++的理解和编程实践方面都会问看了C++方面的哪些书籍,很多都会问有没有看过Thinking in C++,还会考察对STL的理解,如容器,迭代器,算法等。而这些都是我没注意过的,备受打击的我决定要仔细研读Thinking in C++。当我在Internet上搜索Thinking in C++时,我才发现大家这本书的评价非常高,这更坚定了我读这本书的决心。随着对这本书的深入,我才发现作为一个计算机专业的学生,我以前对编程语言的理解是多么的肤浅。这本书让我明白对编程语言的理解最起码要从编译器的角度来思考,只有从编译器的角度来思考自己编写的程序了,自己的编程技艺才算真正的入了门。但是要记住对编程语言的熟练掌握也仅仅是掌握了一种使用工具的技能,而算法才是一切的灵魂。
在某些情况下,需要处理很大的整数,它无法在计算机中精确的表述和处理。若要精确的表示大整数,就必须使用软件的方法来实现大整数的运算。最常用的解决大整数运算的方法是使用一个二重循环,其算法时间复杂度为O(m*n)(其中m,n分别为两个大整数的长度);而选用分治方法则可以将算法时间复杂度降到O(n^(log3))(两个大整数的长度同为n)。但分治方法的算法实现较为复杂,针对这个问题,本文借助标准C++实现了分治方法求解大整数乘法的算法。
将一个浮点数据转换成字符串,看似简单的一个问题却涉及到许多计算机的基础知识,如浮点数在计算机中的表示方式、计算机计算精度以及计算溢出等问题。
聚类主要有两个准则和一个思想。两个准则是:类内距离最小,类间距离最大;一个思想是:EM(Estimation andMaximization)思想。类内距离最小准则表现在如K-均值法、模糊C-均值法(fussy c-means,FCM)等算法中;类间距离最大准则则表现在分层聚类算法中。
尽管有很多高效简单的码位倒置算法,但它们理解起来都比较困难,针对这种情况,提出一种“循环移位”的码为倒置算法,该算法直观容易理解,而且也同样高效。
Copyright © 2005-2025 51CTO.COM 版权所有 京ICP证060544号