利li香的博客
利li香 · 共 19 篇文章
概率密度函数估计介绍
在贝叶斯分类器设计之中,需要在类的先验概率和类条件概率密度均已知的情况下,按照一定的决策规则确定判别函数和决策面。但是,在实际应用中,类条件概率密度通常是未知的。那么,当先验概率和类条件概率密度都未知或者其中之一未知的情况下,该如何来进行类别判断呢?其实,只要我们能收集到一定数量的样本,根据统计学的知识,我们是可以从样本集来推断总体概率分布的。一般来说,有以下几种方法可以解决这个问题: 一、监督参数估计:样本所属的类别及类条件总体概率密度函数的形式为已知,而表示概率密度函数的某些参数是未知的。例如,只知道样本所属总体分布形式为正态分布,而正态分布的参数u,6^2是未知的,监督参数估计的目的就…
2015-12-24 16:21 · 计算机视觉 · 评论(0)
贝叶斯公式
假设w1,w2,...,wn是各种可能的类别,则P(wi)是人们事先对各种类别出现可能性大小的估计,称之为先验概率。P(x|wi)是在当前类别为wi的前提下,特征向量(或者特征值)x出现的概率,P(x|wi)为wi关于x的似然函数,也成为类条件概率密度函数,表明类别状态为w时的x的概率密度函数。在上述定义下,贝叶斯公式可以写成一下形式: P(wi|x)=P(x|wi)*P(wi)/P(x) 其中:P(x)=sum(P(x|wj)P(wj) (其中 j=1,...,n) 上式计算结果 P(wi|x)称之为后验概率,即贝叶斯公式实质上是通过观察特征向量x把状态的先验概率P(wi)转换为状态的后验…
2015-12-24 15:34 · 计算机视觉 · 评论(0)
目标跟踪之模板匹配
模板匹配TemplateMatching是在图像中寻找目标的方法之一。基本原理就是在一副图像中寻找和模板图像patch最相似的区域。 在opencv中有对应的函数可以调用: void matchTemplate(const Mat& image,const Mat& templ,Mat& result,int method); 该函数的功能为,在输入原图像image中滑动框,寻找各个位置与模板图像templ的相似度,并将结果保存在结果矩阵result中,该矩阵的每一个点的亮度表示与模板temple的匹配程度,然后可以通过函数minMaxLocal定位矩阵result中的最大值(该函数也可以确…
2015-12-23 20:04 · 计算机视觉 · 评论(0)
Deep Leaning (深度学习)学习笔记二
一、关于特征 特征是机器学习的原材料,对最终模型的影响是毋庸置疑的。如果数据被很好的表达成了特征,通常线性模型就能达到满意的精度,那么对于特征,我们需要考虑什么呢? 1.1、特征表示的粒度 学习算法在一个什么粒度上的特征表示,才能发挥作用?就一个图片来说,像素级的特征根本没有价值。例如一辆摩托车,从像素级别,根本得不到任何信息,其无法进行摩托车和非摩托车区分。而如果特征是一个具有结构性(或者说有含义)的时候,比如是否具有车把手,是否具有车轮,就很容易把摩托车和非摩托车区分,学习算法才能发挥作用。 1.2、 初级(浅层)特征表示 既然像素级的特征表示方法没有作用,那怎样的表示才有用呢? 199…
2015-10-07 19:07 · openCV · 评论(0)
Deep Leaning (深度学习)学习笔记一
机器学习步骤 例如图像识别、语音识别、自然语言理解、天气预测、基因表达等。目前我们通过机器学习去解决这些问题的思路都是这样的(以视觉感知为例): Low-level sensing -->Preprocessing -->Feature extract -->Feature selection -->Inference;prediction;recognition 从开始的通过传感器(例如CMOS)来获得数据,然后经过预处理、特征提取、特征选择,再到推理、预测或者识别。最后一个部分,也就是机器学习的部分,绝大部分的工作是在这方面做得。而中间这三个部分,概括起来就是特征表达。良好的特征表达,对…
2015-10-07 16:07 · openCV · 评论(0)
目标检测的图像特征提取之三---LBP特征
LBP(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。 LBP特征描述 原始的LBP算子定义为3*3的窗口内,以窗口中心像素为阈值,将相邻的8个像素灰度值与其进行比较,若周围像素值大于中心像素值,则该像素点的位置被标记为1,否则为0.这样,3*3领域内的8个点经比较可产生8位二进制数,即得到该窗口中心像素点LBP值,并用这个值来反映该区域的纹理信息。(见LBP特征计算.jpg) LBP的改进版本 1)圆形LBP算子 基本的LBP算子的最大缺陷就是只覆盖了一个固定半径范围内的小区域,这显然不能满足不同尺寸…
2015-09-24 15:05 · openCV · 评论(0)
目标检测的图像特征提取之二Haar特征
Haar-like特征 分为三类:边缘特征、线性特征、中心特征和对角线特征,组合成特征模板。特征模板内有白色和黑色两种矩形,并定义该模板的特征值为白色矩形像素和减去黑色矩形像素和。haar特征反映的是图像的灰度变化情况。如脸部的一些特征能由矩形特征简单描述,如:眼睛要比脸颊颜色要深,鼻梁两侧比鼻梁颜色要深,嘴巴比周围颜色要深。矩形特征只对一些简单的图形结构,如边缘、线段较敏感,所以只能描述特定走向(水平、垂直、对角)的结构。(见矩形模板图.jpg)对于图中A、B、D这类特征,特征数值计算公式为:v=Sum白-Sum黑,而对于C来说,计算公式为:v=sum白-2*sum黑(矩形区域中像素数目要…
2015-09-24 10:54 · openCV · 评论(0)
目标检测--图像特征提取之一 --HOG特征
HOG特征:方向梯度直方图(Histogram of oriented Gradient) 1.主要思想:在一副图像中,局部目标的表象和形状能够被梯度或边缘的方向密度分布很好 的描述。(本质:梯度的统计信息,而梯度主要存在于边缘的地方)。 2.优点:能够保持图像几何和光学形变的不变性(因为这两种形变只出现在更大的空间领域 上,而HOG是在图像的局部方格单元上操作) 3.算法流程:HOG特征提取方法就是将一个image(你要检测的目标或者扫描窗口): 1)灰度化 2)采用Gamma矫正法对输入图像进行颜色空间的标准化(归一化);目的是调节图像的对比度,降低图像局部的阴影和光照变化所造成的影响,…
2015-09-21 16:08 · openCV · 评论(0)
我对Hashtable的理解
一、哈希表的定义: 哈希表也叫散列表,是根据关键码值直接进行访问的数据结构,也就是说,它通过把关键码值映射到表中一个位置来访问记录,以加快查找的速度。这个映射函数叫做散列函数,存放记录的数组叫做散列表。 二、哈希表的优势: 数据结构中,有个时间算法复杂度O(n)的概念来衡量某种算法在时间效率上的优劣。哈希表的理想算法复杂度为O(1),也就是说利用哈希表查找某个值,系统所使用的时间在理想情况下为定值,这就是它的优势。那么哈希表是如何做到这一点的呢? 三、哈希表是如何发挥优势的: 我们定义一个很大的有序数组,想要得到位于该数组第n个位置的值,它的算法复杂度为O(1)。哈希表利用哈希函数将需要存储…
2012-10-26 14:36 · 评论(0)
网络画图板
这是我做网络画图板的思路: 关键点: 1.普通画图板: 图形上:比如说直线和矩形,都有一定的共同点:形状和颜色,可以用定义一个抽象类Shape,让各种形状去继承--完成 2.对于drawListener 这个类来说,它需要从主界面上得到 画布来画各种形状 , 这时它需要点击单选按钮,所以它要得到点击哪一个单选按钮的命令,就需要传入ButtonGroup 每个形状创建对象都为sh,这样方便保存 , 在主界面上能画一些简单的图形,要做的是给每个图形添加颜色 3.接下来的工作是要完成重绘,就是在界面大小改变时也能保存画布上自己画的形状 4.接下来看怎么传输的 Shape抽象类里面保存在一个队列里面…
2012-10-26 14:14 · 评论(0)
我对客户机与服务器的理解
服务器:只是一个媒介,将所有的客户机连接到一起,它只起到传递消息的作用 客户机:也就是用户端,通过服务器实现与其他用户聊天等 简单的服务器和客户机 一对一 多人聊天室 同时启动多个客户机 需要注意的一点是,一旦服务器与客户机连接之后,两者之间是平等的,也就是说,读写消息流都一样 例如:有四个人 甲 乙 丙 丁 四个人 假设 甲是服务器 乙 丙 丁 三人是客户机(也就是用户) 如果乙 丙 丁 三人想互相联系,可以这样: 首先 乙 丙 丁 都先联系上甲 即 甲服务器方 创建连接对象即打开一个端口,循环等待监听 乙 丙 丁的连接进入 乙 丙 丁 客户机方创建连接端口Socket 其中传入参数服务器…
2012-07-12 11:56 · 评论(0)
哈弗曼压缩
哈弗曼压缩的原理在这就不多说了,相信大家都了解(不了解的看有关资料),在这只讨论一下哈弗曼压缩步骤: 哈夫曼压缩: 1.读文件,统计文件中每个字节出现的次数,并用一个数组来保存 2.把数组中的每一个下标作为节点的元素(即为读取到的字节),下标对应的元素作为节点元素出现的次数, 构造节点优先队列 3.根据节点优先队列构建哈树 4.得到每个叶节点(即为字节)的编码 5.读文件,得到有序字符串 6.将有序字符串保存到字节数组中 7.将字节数组中的字节写入到文件当中 压缩:例如,获得了文件中的所有字节的字符串 1.如文件中:abbcccddddeeeee 假设文件是a.txt; 2.读文件,将读到的…
2012-05-19 13:00 · 评论(0)
小游戏
总结: 游戏:碧奇公主历险记 设计步骤:1 实现初界面 首先把每个界面的图片给ps下来(除了前面两页之外,把图片p成一个整体会方便很多),然后通过下面代码来实前两个界面: public class GameFrame extends JFrame{ //主函数方法 public static void main(String args[]){ //由类创建对象 GameFrame gf=new GameFrame(); //对象窗体初始化 gf.initGameFrame(); } //对象窗体初始化的方法 public void initGameFrame(){ //设置标题和大小 thi…
2012-04-11 23:32 · 评论(0)
弹球碰撞界面
以前做画图板和五子棋敲代码一点思路都没有,在老师的引导下,最近在做弹球碰撞界 时,一步一步从简单到复杂来做,渐渐理出了思绪,真正理解了程序和代码之间的区别,就像胡总说的,代码不会,方法不会这都不要紧,关键是要有自己的思路,自己的想法,如果自己有好的想法,这样就可以跟着自己的思路去寻找自己需要的方法。。。 对于一个初学者来说,怎样做一个界面,首先列一个步骤,从1,2,3到。。。,一步一步完成,这样就会思路清晰很多 对于这次弹球碰撞界面: 步骤如下: 第一:画一个窗体界面,里面有按钮、中间面板、中间边框及画布 第二:能够画不留痕迹的多个小球,注意这里用到了动作监听器,及创建线程小球类及在动作监听…
2012-03-06 21:44 · 评论(0)
画图板感受
DrawFrame(画图板)和DrawListener(画板监听器)的联系: 对于画图板: 1.首先画图板里面要有监听按钮组和画布的监听器所以: 创建一个监听器对象:DrawListener dlis=new DrawListener(group,g); //完成对按钮组和画布的监听 //因为在画布面板里画图,所以将监听器安装在画布面板上 drawpanel.addMouseListener(dlis); 2.在画图板里面对按钮进行添加,因为有很多按钮,所以先定义一个字符串数组 String s={"0","1","2","3","4","5","6","7","8","9","10","1…
2012-03-02 23:06 · 评论(0)