OpenCV 2.4+ C++ SVM介绍
分类器 分类器是一种计算机程序。 他的设计目标是在通过学习后，可自动将数据分到已知类别。 平面线性分类器 一个简单的分类问题，如图有一些圆圈和一些正方形，如何找一条最优的直线将他们分开？ 我们可以找到很多种方法画出这条直线，但怎样的直线才是最优的呢？ 距离样本太近的直线 ...
原文：OpenCV 2.4+ C++ SVM线性不可分处理
目的 实际事物模型中，并非所有东西都是线性可分的。 需要寻找一种方法对线性不可分数据进行划分。 原理 上一篇文章，我们推导出对于线性可分数据，最佳划分超平面应满足： 现在我们想引入一些东西，来表示那些被错分的数据点 比如噪点 ，对划分的影响。 如何来表示这些影响呢 被错分的点，离自己应当存在的区域越远，就代表了，这个点 错 得越严重。 所以我们引入，为对应样本离同类区域的距离。 接下来的问题是，如 ...
2012-11-26 09:49 0 5093 推荐指数：
相关推荐
OpenCV 2.4+ C++ 平滑处理
原理 平滑也称模糊, 是一项简单且使用频率很高的图像处理方法。 平滑处理时需要用到一个滤波器。 最常用的滤波器是线性滤波器，线性滤波处理的输出像素值（例如：）是输入像素值（例如：）的加权平均： 称为核, 它仅仅是一个加权系数。 均值平滑 下面是一个使用blur函数的均值 ...
OpenCV 2.4+ C++ SVM文字识别
预备知识 下面两个都不是必备知识，但是如果你想了解更多内容，可参考这两篇文章。 OpenCV 2.4+ C++ SVM介绍 OpenCV 2.4+ C++ SVM线性不可分处理 SVM划分的意义 到此，我们已经对SVM有一定的了解了。可是这有什么用呢？回到上一篇文章结果图 ...
SVM（三），支持向量机，线性不可分和核函数
3.1 线性不可以分 我们之前讨论的情况都是建立在样例线性可分的假设上，当样例线性不可分时，我们可以尝试使用核函数来将特征映射到高维，这样很可能就可分了。然而，映射后我们也不能100%保证可分。那怎么办呢，我们需要将模型进行调整，以保证在不可分的情况下，也能够尽可能地找出分隔超平面 ...
SVM（三），支持向量机，线性不可分和核函数
3.1 线性不可以分 我们之前讨论的情况都是建立在样例线性可分的假设上，当样例线性不可分时，我们可以尝试使用核函数来将特征映射到高维，这样很可能就可分了。然而，映射后我们也不能100%保证可分。那怎么办呢，我们需要将模型进行调整，以保证在不可分的情况下，也能够尽可能地找出分隔超平面 ...
线性可分 与线性不可分
http://blog.csdn.net/u013300875/article/details/44081067 很多机器学习分类算法，比如支持向量机（svm），假设数据是要线性可分。 如果数据不是线性可分的，我们就必须要采用一些特殊的方法，比如svm的核技巧把数据转换到更高的维度上，在那个高 ...
OpenCV 2.4+ C++ 人脸识别
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。 ...
OpenCV 2.4+ C++ 行人检测
HOG特征描述 首先我们来了解一下HOG特征描述子。 HOG特征描述子（HOG descriptors）是由Navneet Dalal和 Bill Triggs在2005年的一篇介绍行人检测方法的 ...