其他

           這裡接著前面的介紹來繼續介紹貝葉斯方法。         3. 模型比較與奧卡姆剃刀         3.1 再訪拼字糾正        介紹了貝葉斯拼字糾正之後，接下來的一個自然而然的問題就來了：“為什嗎？”為什麼要用貝葉斯公式？為什麼貝葉斯公式在這裡可以用？我們可以很容易地領會為什麼貝葉斯公式用在前面介紹的那個男生女生長褲裙子的問題裡是正確的。但為什麼這樣？       

        最近遇到一個多分類的問題，在網上查了些有關SVM的資料，這篇日誌是來自：http://wenku.baidu.com/view/81c3e210f18583d0496459f0.html  自己寫代碼實現了下，感覺很好使，作為一個學習的例子，放在自己的部落格裡，供以後查閱使用。#include "stdafx.h"#include "cv.h"#include "highgui.h"#include "ml.h"#include <TIME.H>#include

         本文的主要內容來自2009 Advanced Video and Signal Based Surveillance會議的一篇論文“Real-Time Moving Object Detection for Video Surveillance”，要看原文內容請參考文後給出的連結。申明二點：① 本文是根據提到的論文翻譯過來的，但不完全與原文相同；②代碼實現部分，在detect函數部分，邏輯有問題，沒達到預期的要求，勿吐槽。廢話少說，下面開始來介紹該論文。     

一、Qt工程的建立（單一個情況：嵌入式開發時建立的gui）1.開啟Qtcreator，creator 一個new project2.選擇qt c++ project 中的qt project gui app3.起個名字，選擇路徑（最好不要有中文路徑）並next3.到選擇基類的時候（base class），選擇qwidget，因為要建一個視窗4.接著next和finish就可以了5.在右上方附近的filter

Part Ⅰ環境:1)VS2010目錄：E:\Program Files (x86)\Microsoft Visual Studio 10.02)VS的Qt外掛程式（qt-vs-addin-1.1.11-opensource.exe）3)Qt for vs2010 （qt-win-opensource-4.8.4-vs2010.exe）目錄：E:\cpp\Qt\4.8.4Part Ⅱ1.開啟VS2010中的 Visual Studio

首先要明確在沒有安裝OpenCV的電腦上，要運行基於OpenCV庫的程式，有兩種方法：一、將OpenCv安裝目錄下的bin目錄下的*.dll檔案與應用程式一起打包發布。二、將OpenCV庫原始碼載入到工程中和應用程式一起編譯，也就是說最後產生的可執行檔可以單獨運行，不需要OpenCV的動態連結程式庫。下面將詳細介紹這種方法。 首先要確定程式使用了OpenCV的哪些庫函數，一般來說，cv、cxcore和highgui是必需的，為簡化說明，下面將只編譯這三個庫，如果有使用其它庫，同樣也要加入。系統內

Navneet Dalal的OLT工作流程描述由opencviv » 2010-01-23 4:23Navneet Dalal在以下網站提供了INRIA Object Detection and Localization Toolkithttp://pascal.inrialpes.fr/soft/olt/Wilson Suryajaya Leoputra提供了它的windows版本http://www.computing.edu.au/~12482661/hog.html需要　Copy

使用工具：vs2010+opencv2.4.3讀視頻、將視頻前後幀映像像素值相減、將差值映像轉化為灰階圖並二值化（閾值為25）、之後進行中值濾波、將幀號寫入濾波後的映像並把每幀儲存、播放處理後的視訊框架以及原始視訊框架、在當前檔案夾下產生處理後的視頻檔案。#include "stdafx.h"#include <opencv2/highgui/highgui.hpp>#include <opencv2/imgproc/imgproc.hpp>#include

例如txt文本中的資料如下 1 2 3 4 5 6 7 8.....                                         3 4 5 6 7 8 99....                                         ................寫入動態二維數組的代碼下：#include<iostream>#include<fstream>using namespace std;int main() { int

任務要求用SVM求解一個三類分類問題，實驗資料為“鳶尾屬植物資料集”，核函數為徑向基核函數（RBF），誤差評測標準為K折交叉確認誤差。二．實驗方案1． 用quadprog函數實現C-SVC來進行分類#此前在首頁部分顯示#——quadprog是matlab中一個求解二次規劃的函數，通過適當的參數設定，可以利用quadprog函數實現C-SVC2． 用matlab內建的SVM工具包來實現分類——matlab2006版本中整合了SVM工具包，可以通過調用工具包中的svmtrain和svmclassif

1、MODIS 1B資料下載 L1B資料：http://ladsweb.nascom.nasa.gov/data/search.html 開啟網頁，選中需要的資料來源類型 注意：其中，MOD03資料是用於對1KM,QKM,HKM資料進行幾何糾正所用。別忘記下載。其中，日期類型為：月/日/年 時:分:秒其中，網頁中顯示的時間為UTC時間，換算為北京時間為：UTC時間=北京時間-8小時。因此，要獲得1月16日的資料則範圍為：01/15/2003/ 16:00:00~01/16/2003/ 16:00

本文由LeftNotEasy發佈於http://leftnoteasy.cnblogs.com一、線性分類器：    首先給出一個非常非常簡單的分類問題（線性可分），我們要用一條直線，將中黑色的點和白色的點分開，很顯然，圖上的這條直線就是我們要求的直線之一（可以有無數條這樣的直線）    假如說，我們令黑色的點 = -1， 白色的點 =  +1，直線f(x) = w.x + b，這兒的x、w是向量，其實寫成這種形式也是等價的f(x) = w1x1 + w2x2 … + wnxn + b,

        本文根據M. Lucia等人的論文“A self-Organizing approach to background subtraction for visual surveillance applications ”結合自己的理解而成，如果對論文感興趣的，將在後面給出相應的連結下載，有問題歡迎交流。另轉載請註明出處：http://blog.csdn.net/kezunhai。        在改論文中，作者提出了一種基於自組織神經網路（self-Organizing

        遞迴作為一種程式設計中使用頻繁的思想和方法，熟話說就是自己調用自己，不僅方便靈活，而且可以簡化代碼。遞迴的實現在很大程度上歸功於棧的機制，因為函數在每次執行時都從棧上獲得了它的形參的私人副本和局部變數，這些變數位於棧的不同位置，在函數執行過程中，函數原來的形參和變數不會受到幹擾，所以遞迴能夠正確的執行並得到預期的結果。一般來說，遞迴需要有邊界條件、遞迴前進段和遞迴返回段。當邊界條件不滿足時，遞迴前進；當邊界條件滿足時，遞迴返回。      

      近來，因為在項目中遇到跟蹤的難題，沒事翻看opencv2.4.5裡的相關源碼查閱，偶然發現在opencv的contrib檔案夾下實現了多種目標跟蹤演算法，包括featuretracker、hybridtracker和detection_based_tracker等。由於是改代碼是放置於contrib檔案夾下，所以不能直接調用（除非自己重新編譯）。對原始碼進行了提取，單還是有錯，歡迎同道之人下載下來一起找錯，相互交流。     首先附上main函數裡的相關代碼：Rect box(0,0

在影像處理中經常會遇到判斷兩個矩形是否相交，以及相交的比例的情況，下面是來自TLD演算法中源碼的求法：float bbOverlap(const BoundingBox& box1,const BoundingBox& box2){ if (box1.x > box2.x+box2.width) { return 0.0; } if (box1.y > box2.y+box2.height) { return 0.0; } if

      近來，有不少人諮詢我關於VIBE演算法的問題，而且對於有些細節問題懵懵懂懂，索要源碼類的，考慮這個演算法的應用以及很多人對此有比較深的興趣，遂將其放在部落格上供大家學習。該版本的代碼是在學校的時候寫的，裡面也加入了一些其他的後處理內容，儘管還有不足，但是對於加深對VIBE演算法的理解肯定有一定協助。另外，由於最新版本的代碼在公司電腦上，不便提供。關於理論方面的請參考下面二篇文章：1）VIBE-A powerful random technique to estimatie the

                  機率論只不過是把常識用數學公式表達了出來。                                                                                                     ——拉普拉斯              0. 前言       

在LINUX下進行網路編程，我們可以使用LINUX提供的統一的通訊端介面。但是這種方法牽涉到太多的結構體，比如IP地址，連接埠轉換等，不熟練的人往往容易犯這樣那樣的錯誤。QT中提供的SOCKET完全使用了類的封裝機制，使使用者不需要接觸底層的各種結構體操作。而且它採用QT本身的signal-slot機制，使編寫的程式更容易理解。 QT中共提供四個與套按字相關的類，分別是： QServerSocket：TCP-based serverQSocket:              Buffered