~华仔的博客

本文是将参照二维Harris角点检测改进而来，目的是在三维点云中检测出关键点。 1、计算Harris算子 为了计算导数，我们将二次曲面拟合到以下点上变换点的集合。利用最小平方法，我们找到一个抛物线的形式。 我们选择了一个只有6个项的二次曲面，因为它代表一个抛物线。也就是说，如果我们需要一个带有二次项的两个变量的函数，它是最佳选择。增加更多的项意味着可以拟合一个更复杂的曲面。然而，更复杂的曲面在域的某些点上没有定义好的导数。此外，我们需要一个简单的表达式来应用导数。由于我们对点v中的导数感兴趣，我们

余弦相似度 可以用于计算两篇文章的相似情况。 步骤： 一、每篇文章各取出若干个关键词，合并成一个集合 二、计算每篇文章对于这个集合中的词的词频 三、生成两篇文章各自的词频向量；生成两篇文章各自的词频向量 四、计算两个向量的余弦相似度，值越大就表示越相似。计算两个向量的余弦相似度，值越大就表示越相似。 ...

TF-IDF算法 某个词的TF-IDF值就越大，说明该词对文章的重要性越高，越有可能成为关键词。 TF（Term Frequency）词频 IDF（Inverse Document Frequency）逆文档频率 IDF大小与一个词的常见程度成反比 TF-IDF的计算 ...

https://blog.csdn.net/sinat_31425585/article/details/81748360 下面这篇总结的很好 https://blog.csdn.net/u013468614/article/details/103273933

ICA算法： https://www.cnblogs.com/jerrylead/archive/2011/04/19/2021071.html https://blog.csdn.net/ctyqy2015301200079/article/details/86705869#font_face_3__font_37 https://blog.csdn.net/sinat_36219858/...

SVM（支持向量机）(Support Vector Machines) 解决问题：分类 回归 SVM分类问题目标：寻找区分两类的超平面（hyper plane）,使边际（margin）最大 推导 转化为凸优化问题 5凸优化问题 #广义拉格朗日乘子法 #Karush-Kuhn-Tucker最优化条件（KKT条件） 拉格朗日乘子法的一种推广，可以处理有不...

4主成分分析PCA（Principal Component Analysis）-降维算法 #例子：有多个特征值 #通过PCA后 #降维分析 找到数据最重要的方向（方差最大的方向） #第一个主成分就是从数据差异性最大（方差最大）的方向提取出来的，第二个主成分则来自于数据差异性次大的方向，并且要与第一个主成分方向正交 #线性回归和PCA的区别 PCA算法步骤： ...

20190619 1聚类算法 #分类和聚类区别 分类是有标签的，聚类是没有的 2K-MEANS #算法接受参数k,然后将实现输入的n个数据对象划分为k个聚类以便使得所获得的聚类满足：同一聚类中的对象相似度较高；不同聚类中的对象相似度较小。 例：k=3 就将对象聚类成三个类别 #算法设计思想：以空间中k个点为中心进行聚类，对最靠近他们的对象归类。通过迭代地方法，逐次更新各聚类中心的值，...

20190609 1一元线性回归：一个自变量一个因变量 #两个变量的关系用一条直线来模拟 #如果包含两个以上的自变量，则称为多元回归分析 2最小二乘法，就是代价函数的定义 3相关系数：衡量线性相关性的强弱（越接近1越接近线性关系） 4决定系数 注：y(带一个小帽子的是)预测值 5梯度下降法（利用求到的梯度不断改变两个参数的值） #首先初始化θ0，θ1 #不断改变θ0，θ...

6贝叶斯算法（分类） 已知：P(X|H)，求P(H|X) #通过抽样来获得先验概率 #贝叶斯例子 #如果有多个特征的情况下会使得统计量巨大，n个特征，需要计算2n-1次 #解决办法：朴素贝叶斯（假设：特征X1,X2,X3……之间都是相互独立的） #贝叶斯模型 #多项式模型 #伯努利模型 #混合模型 #高斯模型 ...

20190616 1集成学习 集成学习就是组合多个学习器，最后可以得到一个更好的学习器 #集成学习算法 #装袋（bagging）：个体学习器之间不存在强依赖关系 #随机森林（Random Forest） #提升（boosting）：个体学习器之间存在强依赖关系 #Stacking 2bagging 是一种有放回抽样 ...

3决策树 决策树比较适合分析离散数据，如果是连续数据要先转成离散数据再做分析 ID3算法，C4.5，CART算法 4信息熵（用于度量不确定性） 5连续变量处理 对变量进行切分 6C4.5算法 7CART算法 #例子：分别计算他们的Gini系数增益，取Gini系数增益值最大的属性作为决策树的根节点属性。 #根节点的Gini系数： #根据是否有房进行划分...

20190615 1KNN（分类）K近邻算法 （K一般取单数） #选取所有已知类别的实例作为参照选择参数K #计算位置实例与所有已知实例的距离 #选择最近K个已知实例 #根据少数服从多数的投票法则，让位置实例归类为K个最邻近样本中最多数的类别 2算法缺点 3 kd-tree ...

20190612 1感知机 以下是为了运算方便 2感知机学习规则 #感知机学习规则例子 #感知机收敛条件 误差小于某个预先设定的较小的值 两次迭代之间的权值变化已经很小 设定最大迭代次数，当迭代超过最大次数就停止 3线性神经网络 线性神经网络在结构上与感知器非常相似，只是激活函数不同 在模型训练时把原来的sign函数改成了purelin函数：y=x 4BP神...