其他

2011.3.25 bag of words中結果的圖形化以及用訓練結果做測試。先來看看opencv2.2中svm的使用，還是以（1）中的例子來看。  //init資料 float fdata[25]={0.608,-1.590,0.235,3.949,-2.249,2.704,-2.473,0.672,0.262,1.072,-1.773,0.537,3.240,2.400,-2.499,2.608,-3.458,0.257,2.569,1.415,1.410,-2.653,1.396,3.2

這個周末我一直在做一個有關於圖形裝置介面的程式，其畫面是一個旋轉的五角星，旋轉的過程中顏色也跟著變化（在這裡謝謝同星哥和三多的提示，沒有他們的提示就不會有最佳化版）。    建立一個新的AppWizard項目，命名為FPstar3,選擇Single Document，其他都選用預設屬性，單擊Finish完成組建應用程式的步驟。進入之後，選擇View->ClassWizard->Message Maps->Class

Deep Learning論文筆記之（八）Deep Learning最新綜述zouxy09@qq.comhttp://blog.csdn.net/zouxy09       

裝置驅動程式INF檔案的處理過程當Windows發現有USB裝置串連時，其裝置管理員會把系統所有的INF檔案中的資料和該USB裝置的裝置資訊或介面資訊進行比較，已找到與之匹配的INF檔案。對於Windows

感覺數學似乎總是不夠的。這些日子為瞭解決research中的一些問題，又在圖書館捧起了數學的教科書。從大學到現在，課堂上學的和自學的數學其實不算少了，可是在研究的過程中總是

  主要內容翻譯自learning opencv 2.0  機器學習的目的是把資料轉換成資訊。。。。通過從資料從擷取規則或模式做到。這個過程叫做學習  如果資料是已標記的叫監督學習，如果未標記叫做無監督學習。  如果用一個名稱來標記資料，我們要做的是分類。如果用一個數值來標記資料，我們要做的是迴歸。  Supervised learning also comes in shades of gray:（這話翻譯不來）  

Dahua Lin早在幾年前就已經冒尖出來了，現在在MIT攻讀博士學位，前途不可限量。他總是有無窮的精力，學習，同時幾篇幾篇的寫paper，幾萬行幾萬行的寫code，幾萬字幾萬字的寫blog。。他紮實的數學功底和相關知識的功底，以及深睿的洞察和理解問題的能力，註定他將在machine learning和computer vision等相關領域取得大量的成果，甚至是突破性的成果。期待他在這些領域做出貢獻，為人類知識寶庫添磚加瓦。註： Applied Multivariate

系統內容設定在編寫USB裝置驅動程式時，開發人員需要使用下列軟體： 1、 Microsoft Visual C++。 2、 SDK（Software Development Kit，軟體開發套件），它是可選的。 3、 DDK（Driver Development Kit，驅動開發套件）。 Visual

 （寫在前面）昨天說寫個機器學習書單，那今天就寫一個吧。這個書單主要是入門用的，很基礎，適合大二、大三的孩子們看看；當然你要是大四或者大四以上沒看過機器學習也適用。無論是研究智能還是做其他事情，機器學習都是必須的。你看GFW都用機器學習了，咱是不是也得科普一下。 （全文結構）其實，我想了想，學一門學科，列出一堆書，評論來評論去的，其實對初學者用處不大；他都不知道這些是啥，你就開始一頓評論，只能空留一堆冷線而已。那我就首先說說機器學習都是幹些啥的？它有哪些基本內容吧。 （這貨是幹啥的？）機器學習，

BUILD工具       BUILD工具是建立裝置驅動程式的主要工具，它從單個NMAKE概念出發，可以成批編譯各種目標源檔案。簡單的說，BUILD工具知識建立在NMAKE基礎上的一個串連程式，它使用makefile檔案來啟用NMAKE，以執行真正的比一工作，併產生一個或多個BUILD產品，如自由版本或檢查版本的裝置驅動程式。是BUILD工具的操作過程。BUILD工具的操作過程      

    第一次接觸sift是在一年前了。當時急於搞畢業論文，覺得sift太難理解。換到神經網路上了。現在回過頭來，發現sift的資料還是一樣的稀少，還好有代碼，研究sift人倒是多了很多了。。決定再花點時間琢磨看看。參考的代碼為sifttutorial（matlab代碼）和一個c#代碼gkp。    首先就是要搞清楚尺度空間理論，Tony Lindeberg【1994】 在他的論文中有詳細的介紹，我沒有耐心看完。所以還是不很懂。其中有句話是這麼說的“The main result we

  2011.3.11opencv2.2中有很多新方法的例子，裡面的bagOfWords 例子給出了使用pascal voc庫的詳細例子。 2011.3.14   今天在看bag of words的例子，發現執行錯誤，featuredetector：：create返回空  而且無法step in 這個函數，後來發現，返回空是因為內建的bag of words

不需要CxImage這樣的第三方擴充庫微軟的GDI+也可以轉換的CImage mmage; HWND hWnd = ::GetDesktopWindow();//獲得螢幕的HWND. HDC hScreenDC = ::GetDC(hWnd); //獲得螢幕的HDC. HDC MemDC = ::CreateCompatibleDC(hScreenDC); RECT rect;

關於這兩個曲線的概念可以看wikihttp://en.wikipedia.org/wiki/ROC_curve  rochttp://en.wikipedia.org/wiki/Precision_and_recall precision recall 翻譯為召回，或者叫做查全率，我理解叫做調出率更好。ap就是平均正確率，average precision，還有map，mean

Hibernate的描述檔案可以是一個properties屬性檔案，也可以是一個xml檔案。下面講一下Hibernate.cfg.xml的配置。配置格式如下：1. 配置資料來源在Hibernate.cfg.xml中既可以配置JDBC，也可以配置JNDI。在本小節中講述資料來源如何配置。hibernate.cfg.xml<?xml version="1.0" encoding="UTF-8"?><!DOCTYPE hibernate-configuration PUBLIC"-/

這兩天在研究透明表單，總算略有小成。網上大部分文章都是介紹到把表單弄透明就沒有下文。其實表單透明並不難，難就難在透明的表單上還要放控制項。今天我就把表單透明一直到控制項不透明怎麼製作一塊給寫了吧。     先截張圖誘惑下你們，如果你沒興趣就沒必要再看下文了，有興趣的話就繼續往下看吧^_^！     看好了，這是XP系統，未裝.net。我的Photoshop學的不太好，把玻璃片弄的太透了些，如果你們有好的美術，再加上這種技術，肯定會如魚得水。下面就來詳細說說它的製作過程吧：     第

  在做漢字 驗證碼識別時用warpAffine做了個映像旋轉，發現有點問題。仔細看了下這個函數的說明，如下：//! warps the image using affine transformationCV_EXPORTS_W void warpAffine( const Mat& src, CV_OUT Mat& dst,                            const Mat& M, Size dsize,                     

訊號處理和模式識別方面的 matlab toolbox如果你做wavelet，ica，pca，svm，kernel等方法，希望下面的工具對你有協助。Signal Processing (Top)Filter Design with Motorola DSP56Khttp://www.ee.ryerson.ca:8080/~mzeytin/dfp/index.htmlChange Detection and Adaptive Filtering Toolboxhttp://www.sigmoid.

Lecun的cnn引起了我很大的興趣，從今天開始看Lecun的論文，並把實踐結果發布在這裡。20100419 Generalization and Network Design Strategies 論文看完了，搞清楚了裡面描述的5中網路結構.BP規則部分的推導，需要看其他的書。以前看的《神經網路設計》中文版中講的很清楚，當時也看懂了。這兩天看下。準備實現這5種網路。20100422網上下了個cnn的源碼，對mnist訓練速度好慢。已經2個星期了。還沒訓練好。這幾天在看on

350 完全二叉樹的定義：若設二叉樹的高度為h，除第 h 層外，其它各層 (1～h-1) 的結點數都達到最大個數，第 h 層從右向左連續缺若干結點，這就是完全二叉樹。 可以算出，這棵二叉樹共十層，1-9層的節點個數為2^9-1=511個,所以最後一層的節點個數為700-511=189個,189div2=95,那麼倒數第二層的葉結點個數即是2^(9-1)-95=161個 所以所有的葉結點個數即為:189+161=350個