文章列表
概率密度函数估计介绍
- 博客分类：
- 计算机视觉
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 ...
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 ...
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 ...
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
...
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 ...
目标检测的图像特征提取之三---LBP特征
- 博客分类：
- openCV
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 ...
目标检测的图像特征提取之二Haar特征
- 博客分类：
- openCV
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 ...
目标检测--图像特征提取之一 --HOG特征
- 博客分类：
- openCV
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 ...
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 ...
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 ...
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， ...
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 ...
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 ...
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 ...
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 ...