机器学习 机器学习的目的是把数据转换成信息。 机器学习通过从数据里提取规则或模式来把数据转成信息。 人脸识别 人脸识别通过级联分类器对特征的分级筛选来确定是否是人脸。 每个节点的正确识别率很高，但正确拒绝率很低。 任一节点判断没有人脸特征则结束运算，宣布不是人脸。 全部节点通过，则宣布是人脸。 工业上，常用人脸识别技术来识别物体。 对图片进行识别...
Content 1 引言 2 维数灾难与过拟和 3 怎样避免维数灾难 4 总结 1 引言 本文章讨论的话题是“curse of dimension”，即维数灾难，并解释在分类它的重要性，在下面的章节我会对这个概念做一个直观的解释，并清晰的描述一个由维数灾难引起的过度拟合的问题。 下面不如正题，考虑我们有一堆猫和狗的图片，现在要做一个分类器，它可以把猫和狗...
简介：来自Rational Edge：在 UML 2 中，作为新结构图类型的最重要实例，类图可以在整个软件开发生命周期中，被分析师，业务建模人员，开发者和测试者使用的。本文提供了全面的介绍。 这是关于统一建模语言、即UML 里采用的基本图的一系列文章的一部分。在我 先前关于序列图的文章 里，我把重点从 UML 1.4 版，转移到 OMG的采用UML 2....
人脸检测属于计算机视觉的范畴，早期人们的主要研究方向是人脸识别，即根据人脸来识别人物的身份，后来在复杂背景下的人脸检测需求越来越大，人脸检测也逐渐作为一个单独的研究方向发展起来。 目前人脸检测的方法主要有两大类：基于知识和基于统计。 基于知识的方法：主要利用先验知识将人脸看作器官特征的组合，根据眼睛、眉毛、嘴巴、鼻子等器官的特征以及相互之间的几何位置关系来...
BadNets:识别机器学习模型供应链中的漏洞摘要 基于深度学习的技术已经在各种各样的识别和分类任务上取得了最先进的性能。然而，这些网络通常训练起来非常昂贵，需要在许多gpu上进行数周的计算;因此，许多用户将培训过程外包给云，或者依赖于预先培训的模型，这些模型随后会针对特定的任务进行微调。 在本文中，我们展示了外包训练引入了新的安全风险:攻击者可以创建一个...
机器学习： 伪代码实现：LR、梯度下降、最小二乘、KNN、Kmeans; 基本知识：1）监督与非监督区别；2）L1L2区别；3）生成模型和判别模型区别 算法的优缺点以及相应解决方案：k-means, KNN, apriori 算法原理：LR、KNN、k-means、apriori、ID3（C45,CART）、SVM、神经网络，协同过滤，em算法 常见问题：...
0、什么是数据不平衡问题 在机器学习的分类问题中，不同类别的样本数据量存在差异。在某些场景，比如网页点击率预估(网页点击率低)，购物推荐(浏览产生的购买少)，信用卡欺诈，网络攻击识别等，这种差异可能会较大。传统的学习算法，对不同类别的数据一视同仁地处理，会产生在多数类样本效果较好，但是在少数类样本上效果差的问题。而在上述的四种场景中，我们更关注的是少数类的...
在之前的决策树到集成学习里我们说了决策树和集成学习的基本概念（用了adaboost昨晚集成学习的例子），其后我们分别学习了决策树分类原理和adaboost原理和实现， 上两篇我们学习了cart（决策分类树），决策分类树也是决策树的一种，也是很强大的分类器，但是cart的深度太深，我们可以指定cart的深度使得cart变成强一点的弱分类器。 在决策树到集成学...
以下是对《学习OpenCV》一书知识框架的简单梳理 转自：http://blog.chinaunix.net/uid-8402201-id-2899695.html 一、基础操作 1. 数据类型 数据结构了解 图像相关：cvArr cvMat IplImage 数据数组的维数， 与数据的通道数 见P46 (76) 2. 常见的矩阵操作熟悉 3. 数据的保...
原文链接：http://blog.csdn.net/gjy095/article/details/9243153 上一篇文章，不是很详细，这一篇解释的清晰些，请访问原始链接。 Rtrees介绍！参考链接：http://docs.opencv.org/modules/ml/doc/random_trees.html Opencv提供了几种分类器，例程里通过字...