原创 支持向量機 三:序列最小最優化算法---SMO

一、SMO的背景介紹 序列最小最優化算法(sequential minimal optimization,SMO)於1998年被John Platt發明,是一種用於解決支持向量機訓練期間出現的二次規劃問題的算法。在SMO之前也有一

原创 支持向量機 一 :線性支持向量機介紹

一、SVM簡介 支持向量機(suport vector mechine,SVM)主要用於解決二分類問題。這裏簡單介紹一下線性SVM,希望能對SVM的入門者有所幫助。 SVM是如何對樣本對進行分類的呢?假設我們有一組數據集D={(x

原创 支持向量機 二 :非線性支持向量機

如果您還未了解 線性向量機,建議首先閱讀 《支持向量機 一:線性支持向量機》 一、爲什麼要用非線性支持向量機? 線性支持向量機不香嗎?爲什麼還要用非線性支持向量機? 線性支持向量機香是香,但並不適合大多數數據集啊。比如下圖這個數據

原创 SimpleITK的使用介紹

文章目錄1. 物理空間上的圖像2. 像素值類型3. 圖像製造4. 基礎圖像屬性命令(Meta-Data)5. 訪問像素和切片6. 圖像操作7. SimpleITK、Numpy的索引區別8. SimpleITK2Numpy和Nump

原创 Image 常用命令整理

im=Image.open(path) 讀取圖片 im.show() 顯示一張圖片 im.save() 保存圖片 Image.new(mode,size,color) 創建新圖片 Image.nblend

原创 使用圖像解釋矩陣特徵向量與特徵值

特徵值矩陣與特徵向量矩陣 矩陣AAA的維度爲n×n,則矩陣AAA與特徵向量vvv特徵值λ\lambdaλ之間的關係是:Av=λvAv=\lambda vAv=λv 通過計算,我們可以求取AAA的一系列特徵向量組成的特徵矩陣V=[v

原创 skimage常用命令整理

scikit-image各模塊與主要功能 子模塊名稱 主要實現功能 io 讀取、保存和顯示圖片和視頻 data 提供一些測試圖片和樣本數據 color 顏色空間變換 filters 圖像增強、邊緣檢測、排