普通网友

图像处理-机器学习一些科普材料汇集 - 持续更新中_拔剑-浆糊的传说_新浪博客...

图像处理-机器学习-SLAM基础知识汇集（更新中）
--by zxg519 at sina.com

1.适用于机器学习的矩阵求导推导技巧

1.矩阵求导术（上）-- 非常好

https://zhuanlan.zhihu.com/p/24709748

2.矩阵求导术（下）-- 非常好

https://zhuanlan.zhihu.com/p/24863977

3.维基百科矩阵求导

https://en.wikipedia.org/wiki/Matrix_calculus

4.矩阵求导（英文版）

http://www.econ.ku.dk/metrics/Econometrics2_05_II/LectureNotes/matrixdiff.pdf

http://www.personal.rdg.ac.uk/~sis01xh/teaching/CY4C9/ANN3.pdf

5.机器学习中的矩阵求导（微盘资源，极好！！！）

https://pan.baidu.com/s/1dFsyp7z?errno=0&errmsg=Auth Login Sucess&&bduss=&ssnerror=0

6.公式列表（注意，本文第四个公式错误，错误很多）

http://www.cnblogs.com/huashiyiqike/p/3568922.html

2.图像基础

1.图像增强

http://blog.csdn.net/app_12062011/article/details/18601501

2.白平衡

http://blog.csdn.net/app_12062011/article/details/18791365

3.霍夫变换

http://blog.csdn.net/app_12062011/article/details/11307053

4.伽马校正

http://blog.csdn.net/app_12062011/article/details/23209423

5.颜色空间

http://blog.csdn.net/app_12062011/article/details/23352879

6.OpenCV之图像平滑处理

http://blog.csdn.net/app_12062011/article/details/25166057

7. 何谓补色

http://blog.csdn.net/app_12062011/article/details/25661707

8. 图像分辨率

http://blog.csdn.net/app_12062011/article/details/26159781

9. 高斯滤波及其加速 **

http://blog.csdn.net/app_12062011/article/details/27082049

10.形态学变换

http://blog.csdn.net/app_12062011/article/details/27351043

http://blog.csdn.net/app_12062011/article/details/39577609

11.YCbCr空间中进行色彩调整的方法

http://blog.csdn.net/app_12062011/article/details/27657063

12.灰度变换和空域滤波

http://blog.csdn.net/app_12062011/article/details/39367229

http://blog.csdn.net/app_12062011/article/details/42417839

13.图像分割

http://blog.csdn.net/app_12062011/article/details/40003361

14.系统学习数字图像处理之形态学分析补充（灰度级处理）

http://blog.csdn.net/app_12062011/article/details/41281645

15.系统学习数字图像处理之描绘子**

http://blog.csdn.net/app_12062011/article/details/41847323

16.图像压缩

http://blog.csdn.net/app_12062011/article/details/42469941

17.OpenCV系统学习************

http://blog.csdn.net/app_12062011/article/details/42845307

18.关于OpenCV使用遇到的问题集（多数为转载）**

http://blog.csdn.net/app_12062011/article/details/44561447

19.常用的图像特征

http://blog.sina.com.cn/s/blog_7241dd0f0100p0ox.html

http://blog.csdn.net/app_12062011/article/details/50129891

3.系统学习机器学习

1.系统学习机器学习之距离的度量（一）--常见距离

http://blog.csdn.net/app_12062011/article/details/51760433

2.系统学习机器学习之半参数方法

http://blog.csdn.net/app_12062011/article/details/50350428

3.系统学习机器学习之非参数方法

http://blog.csdn.net/app_12062011/article/details/50351144

4.系统学习机器学习之参数方法（一）

http://blog.csdn.net/app_12062011/article/details/50310649

5.系统学习机器学习之参数方法（二）

http://blog.csdn.net/app_12062011/article/details/47275217

6.系统学习机器学习之参数方法（三）

http://blog.csdn.net/app_12062011/article/details/50540429

7.系统学习机器学习之误差理论

http://blog.csdn.net/app_12062011/article/details/50577717

8.系统学习机器学习之线性判别式（一）

http://blog.csdn.net/app_12062011/article/details/50357669

9.系统学习机器学习之线性判别式（二）

http://blog.csdn.net/app_12062011/article/details/50540415

10.系统学习机器学习之正则化（一）

http://blog.csdn.net/app_12062011/article/details/51605714

11.系统学习机器学习之正则化（二）

http://blog.csdn.net/app_12062011/article/details/51611612

12.系统学习机器学习之决策树

http://blog.csdn.net/app_12062011/article/details/50351152

13.系统学习机器学习之SVM(一)

http://blog.csdn.net/app_12062011/article/details/50385522

14.系统学习机器学习之SVM(二)

http://blog.csdn.net/app_12062011/article/details/50536369

15.系统学习机器学习之SVM(三)--Liblinear,LibSVM使用整理，总结

http://blog.csdn.net/app_12062011/article/details/50614989

16.系统学习机器学习之SVM(四)--SVM算法总结

http://blog.csdn.net/app_12062011/article/details/51605535

17.系统学习机器学习之维度归约

http://blog.csdn.net/app_12062011/article/details/50349477

18.系统学习机器学习之神经网络（一）--MLP及局部模型,RBF综述

http://blog.csdn.net/app_12062011/article/details/50379410

19.系统学习机器学习之监督学习

http://blog.csdn.net/app_12062011/article/details/50208913

20.系统学习机器学习之模型诊断与调试

http://blog.csdn.net/app_12062011/article/details/50634996

21.系统学习机器学习之增强学习(未完待续)

http://blog.csdn.net/app_12062011/article/details/50673060

22.系统学习机器学习之系统认识

http://blog.csdn.net/app_12062011/article/details/50207375

23.系统学习机器学习之随机场(一)--HMM

http://blog.csdn.net/app_12062011/article/details/50408664

24.系统学习机器学习之组合多分类器

http://blog.csdn.net/app_12062011/article/details/50424776

25.系统学习机器学习之算法评估

http://blog.csdn.net/app_12062011/article/details/50425009

26.SVM学习总结***

http://blog.csdn.net/myarrow/article/details/51261971

4.机器学习（未完）

机器学习（一）综述

http://blog.csdn.net/vickygu9/article/details/54612438

机器学习（二）-决策树

http://blog.csdn.net/VickyGu9/article/details/54612923

5.机器学习

0.机器学习之零：机器学习十大经典算法

http://blog.csdn.net/soaringlee_fighting/article/details/52625867

1.机器学习之一：logistic回归分析(含Matlab代码)

http://blog.csdn.net/soaringlee_fighting/article/details/52571484

2.机器学习之二：K-近邻算法（KNN）

http://blog.csdn.net/soaringlee_fighting/article/details/52618591

3.机器学习之三：贝叶斯分类器

http://blog.csdn.net/soaringlee_fighting/article/details/52619153

4.机器学习之四：SVM简介

http://blog.csdn.net/soaringlee_fighting/article/details/52639942

http://blog.csdn.net/misscoder/article/details/51094624

5.机器学习之五：随机森林算法及其Python实现

http://blog.csdn.net/soaringlee_fighting/article/details/52641935

6.机器学习之六：神经网络

http://blog.csdn.net/soaringlee_fighting/article/details/52740110

7.有趣的机器学习：最简明入门指南

https://my.oschina.net/leejun2005/blog/264027

http://blog.csdn.net/berguiliu/article/details/25680765

6.神经网络学习笔记

0.神经网络学习笔记（〇）：神经网络的理解（MLP RBF RBM DBN DBM CNN 整理学习）

http://blog.csdn.net/s_sunnyy/article/details/67638768

1.神经网络学习笔记（一）

http://blog.csdn.net/qq_18515405/article/details/41014801

2.神经网络学习笔记（二）

http://blog.csdn.net/qq_18515405/article/details/41045479

3.神经网络学习笔记（三）

http://blog.csdn.net/qq_18515405/article/details/41080359

4.神经网络学习笔记（四）

http://blog.csdn.net/qq_18515405/article/details/41121675

5.神经网络学习笔记（五）:感知机

http://blog.csdn.net/qq_18515405/article/details/41243783

6.神经网络学习笔记（六）:感知机收敛定理

http://blog.csdn.net/qq_18515405/article/details/41248335

7.神经网络学习笔记（七）：线性回归模型（上）

http://blog.csdn.net/qq_18515405/article/details/41314765

8.神经网络学习笔记（八）:线性回归模型（下）

http://blog.csdn.net/qq_18515405/article/details/41725663

9.神经网络学习笔记（九）:多层感知机（上）

http://blog.csdn.net/qq_18515405/article/details/42027947

10.神经网络学习笔记（十）:多层感知机（中）--BP算法

http://blog.csdn.net/qq_18515405/article/details/42077453

11.神经网络学习笔记（十一）:多层感知机（下）

http://blog.csdn.net/qq_18515405/article/details/42102207

12.神经网络学习笔记（十二）:异或问题

http://blog.csdn.net/qq_18515405/article/details/42123697

13.机器学习--BP神经网络的C++实现（非常简单，但是最容易理解）

http://blog.csdn.net/chaoshengmingyue/article/details/51599160

14. BP人工神经网络的C++实现

http://blog.csdn.net/luxiaoxun/article/details/7649945

http://blog.csdn.net/xuanwo11/article/details/54233512

http://blog.csdn.net/asd8705/article/details/43461715

http://blog.csdn.net/AP1005834/article/details/52951501

7.系统学习机器学习之神经网络

1.系统学习机器学习之神经网络（一）--MLP及局部模型,RBF综述

http://blog.csdn.net/app_12062011/article/details/50379410

2.系统学习机器学习之神经网络（二） --MLP实现及源码分析

http://blog.csdn.net/app_12062011/article/details/53420510

http://blog.csdn.net/zhaocj/article/details/52747924

3.系统学习机器学习之神经网络（三）--GA神经网络与小波神经网络WNN

http://blog.csdn.net/app_12062011/article/details/54286138

4.系统学习机器学习之神经网络（四） --SOM

http://blog.csdn.net/app_12062011/article/details/53462563

http://blog.csdn.net/xbinworld/article/details/50818803

5.系统学习机器学习之神经网络（五） --ART

http://blog.csdn.net/app_12062011/article/details/53463372

http://blog.csdn.net/lg1259156776/article/details/47780695?ticket=ST-86810-0pIYIAWVt6D75CfTmo6O-passport.csdn.Net

6.系统学习机器学习之神经网络（六） --GrossBerg网络

http://blog.csdn.net/app_12062011/article/details/54286906

http://m.blog.csdn.net/article/details?id=52574264

7.系统学习机器学习之神经网络（七） --CPN

http://blog.csdn.net/app_12062011/article/details/54286906

8.系统学习机器学习之神经网络（八） --ADALINE网络

http://blog.csdn.net/app_12062011/article/details/54287394

9.系统学习机器学习之神经网络（九） --Hopfield网络

http://blog.csdn.net/app_12062011/article/details/54290484

10.系统学习机器学习之神经网络（十） --BAM网络

http://blog.csdn.net/app_12062011/article/details/54290757

11.系统学习机器学习之神经网络（十一） --TDNN

http://blog.csdn.net/app_12062011/article/details/53433736

12.系统学习机器学习之神经网络（十二） --人工神经网络总结

http://blog.csdn.net/app_12062011/article/details/54290982

http://blog.csdn.net/fengbingchun/article/details/50274471

8.Deep Learning（深度学习）学习笔记

1.Deep Learning（深度学习）学习笔记整理系列之（一）

http://blog.csdn.net/zouxy09/article/details/8775360

2.Deep Learning（深度学习）学习笔记整理系列之（二）

http://blog.csdn.net/zouxy09/article/details/8775488

3.Deep Learning（深度学习）学习笔记整理系列之（三）

http://blog.csdn.net/zouxy09/article/details/8775518

4.Deep Learning（深度学习）学习笔记整理系列之（四）

http://blog.csdn.net/zouxy09/article/details/8775524

5.Deep Learning（深度学习）学习笔记整理系列之（五）

http://blog.csdn.net/zouxy09/article/details/8777094

6.Deep Learning（深度学习）学习笔记整理系列之（六）

http://blog.csdn.net/zouxy09/article/details/8781396

7.Deep Learning（深度学习）学习笔记整理系列之（七）

http://blog.csdn.net/zouxy09/article/details/8781543

8.Deep Learning（深度学习）学习笔记整理系列之（八）

http://blog.csdn.net/zouxy09/article/details/8782018

9.Deep Learning论文笔记

1.Deep Learning论文笔记之（一）K-means特征学习

http://blog.csdn.net/zouxy09/article/details/9982495

2.Deep Learning论文笔记之（二）Sparse Filtering稀疏滤波

http://blog.csdn.net/zouxy09/article/details/9982859

3.Deep Learning论文笔记之（三）单层非监督学习网络分析

http://blog.csdn.net/zouxy09/article/details/9983399

4.Deep Learning论文笔记之（四）CNN卷积神经网络推导和实现

http://blog.csdn.net/zouxy09/article/details/9993371

5.Deep Learning论文笔记之（五）CNN卷积神经网络代码理解

http://blog.csdn.net/zouxy09/article/details/9993743

6.Deep Learning论文笔记之（六）Multi-Stage多级架构分析

http://blog.csdn.net/zouxy09/article/details/10007237

7.Deep Learning论文笔记之（七）深度网络高层特征可视化

http://blog.csdn.net/zouxy09/article/details/10012747

8.Deep Learning论文笔记之（八）Deep Learning最新综述 (2013年）

http://blog.csdn.net/zouxy09/article/details/10077055

10.系统学习深度学习

1.系统学习深度学习（一）——深度学习与神经网络关系

http://blog.csdn.net/app_12062011/article/details/54311945

2.系统学习深度学习（二）——自编码器，DA算法，SDA，稀疏自编码器

http://blog.csdn.net/app_12062011/article/details/54312880

3.系统学习深度学习（三）——RBM及DBN

http://blog.csdn.net/app_12062011/article/details/54313082

4.系统学习深度学习（四）——CNN原理，推导及实现源码分析

http://blog.csdn.net/app_12062011/article/details/54374893

5.系统学习深度学习（五）——递归神经网络原理，实现及应用

http://blog.csdn.net/app_12062011/article/details/54406225

6.系统学习深度学习（六）——LSTM总结

http://blog.csdn.net/app_12062011/article/details/54424986

7.系统学习深度学习（七）——主流深度学习开源框架对比

http://blog.csdn.net/app_12062011/article/details/54691945

8.系统学习深度学习（八）——损失函数

http://blog.csdn.net/app_12062011/article/details/56276228

9.系统学习深度学习（九）——激活函数总结

http://blog.csdn.net/app_12062011/article/details/56277622

10.系统学习深度学习（十）——优化算法

http://blog.csdn.net/app_12062011/article/details/56280154

11.系统学习深度学习（十一）——dropout, dropconect

http://blog.csdn.net/app_12062011/article/details/57075459

12.系统学习深度学习（十二）——池化

http://blog.csdn.net/app_12062011/article/details/57075538

13.系统学习深度学习（十三）——Batch Normalization

http://blog.csdn.net/app_12062011/article/details/57083447

14.系统学习深度学习（十四）——权重初始化Xavier

http://blog.csdn.net/app_12062011/article/details/57956920

15.系统学习深度学习（十五）——AlexNet译文

http://blog.csdn.net/app_12062011/article/details/59480658

16.系统学习深度学习（十六）——Overfeat

http://blog.csdn.net/app_12062011/article/details/60956357

17.系统学习深度学习（十七）——VGG模型

http://blog.csdn.net/app_12062011/article/details/60962978

18.系统学习深度学习（十八）——NIN模型

http://blog.csdn.net/app_12062011/article/details/62041254

19.系统学习深度学习（十九）——GoogLeNetV1,V2,V3

http://blog.csdn.net/app_12062011/article/details/62216987

20.系统学习深度学习（二十）——ResNet,DenseNet,以及残差家族

http://blog.csdn.net/app_12062011/article/details/62221296

21.系统学习深度学习（二十一）——GoogLeNetV4与Inception-ResNet V1,V2

http://blog.csdn.net/app_12062011/article/details/62423307

22.系统学习深度学习（二十二）——CNN经典模型总结

http://blog.csdn.net/app_12062011/article/details/62886113

23.系统学习深度学习（二十三）——SqueezeNet

http://blog.csdn.net/app_12062011/article/details/64122961

24.系统学习深度学习（二十四）——WRN

http://blog.csdn.net/app_12062011/article/details/64125729

25.系统学习深度学习（二十五）——CNN调优总结

http://blog.csdn.net/app_12062011/article/details/64439627

26.系统学习深度学习（二十六）——R-CNN

http://blog.csdn.net/app_12062011/article/details/67632620

27.系统学习深度学习（二十七）——SPPNet

http://blog.csdn.net/app_12062011/article/details/67633231

28.系统学习深度学习（二十八）——Fast R-CNN

http://blog.csdn.net/app_12062011/article/details/67636174

29.系统学习深度学习（二十九）——Faster R-CNN

http://blog.csdn.net/app_12062011/article/details/67638161

30.系统学习深度学习（三十）——BiLSTM

http://blog.csdn.net/app_12062011/article/details/76837680

31.系统学习深度学习（三十一）——CTC

http://blog.csdn.net/app_12062011/article/details/76886954

32.系统学习深度学习（三十二）——YOLOs

http://blog.csdn.net/app_12062011/article/details/77554288

33.系统学习深度学习（三十三）——SSD

http://blog.csdn.net/app_12062011/article/details/77922174

34.系统学习深度学习（三十四）——ConvNets目标检测概述

http://blog.csdn.net/app_12062011/article/details/77936715

35．系统学习深度学习（三十五）——DenseBox

http://blog.csdn.net/app_12062011/article/details/77941343

36.系统学习深度学习（三十六）——G-CNN

http://blog.csdn.net/app_12062011/article/details/77941452

37.系统学习深度学习（三十七）——MultiPathNet

http://blog.csdn.net/app_12062011/article/details/77941771

38.系统学习深度学习（三十八）——CRAFT

http://blog.csdn.net/app_12062011/article/details/77944957

39.系统学习深度学习（三十九）——OHEM

http://blog.csdn.net/app_12062011/article/details/77945600

40.系统学习深度学习（四十）——MS-CNN

http://blog.csdn.net/app_12062011/article/details/77945816

41.系统学习深度学习（四十一）——PAVNet

http://blog.csdn.net/app_12062011/article/details/77946989

42.系统学习深度学习（四十二）——FPN

http://blog.csdn.net/app_12062011/article/details/77947444

43.系统学习深度学习（四十三）——SoftNMS

http://blog.csdn.net/app_12062011/article/details/77963494

44.系统学习深度学习（四十四）——Mask R-CNN

http://blog.csdn.net/app_12062011/article/details/77964392

45.系统学习深度学习（四十五）——FCN

http://blog.csdn.net/app_12062011/article/details/77964511

11.Stanford机器学习笔记

1.Stanford机器学习---第一周.监督学习与梯度下降

http://blog.csdn.net/u012717411/article/details/50475088

2.Stanford机器学习---第二周.特征缩放、正规方程

http://blog.csdn.net/u012717411/article/details/50481400

3.Stanford机器学习---第三周.逻辑回归、正则化

http://blog.csdn.net/u012717411/article/details/50531678

4.Stanford机器学习---第四周.神经网络模型

http://blog.csdn.net/u012717411/article/details/50549822

5.Stanford机器学习---第五周.BP神经网络算法

http://blog.csdn.net/u012717411/article/details/50555249

6.Stanford机器学习---第六周.学习曲线、机器学习系统的设计

http://blog.csdn.net/u012717411/article/details/50563169

12.Stanford机器学习笔记（2）

1.Stanford机器学习笔记-1.线性回归

http://blog.csdn.net/abcjennifer/article/details/7691571

http://www.cnblogs.com/llhthinker/p/5248586.html

2.Stanford机器学习笔记-2.Logistic Regression

http://blog.csdn.net/abcjennifer/article/details/7700772

http://www.cnblogs.com/llhthinker/p/5330257.html

3.Stanford机器学习笔记-3.Bayesian statistics and Regularization

http://blog.csdn.net/abcjennifer/article/details/7716281

http://www.cnblogs.com/llhthinker/p/5344571.html

4.Stanford机器学习笔记-4. 神经网络Neural Networks (part one)

http://blog.csdn.net/abcjennifer/article/details/7749309

http://www.cnblogs.com/llhthinker/p/5355987.html

5.Stanford机器学习笔记-5.神经网络Neural Networks (part two)

http://blog.csdn.net/abcjennifer/article/details/7758797

http://www.cnblogs.com/llhthinker/p/5356174.html

6.Stanford机器学习笔记-6. 学习模型的评估和选择

http://blog.csdn.net/abcjennifer/article/details/7797502

http://www.cnblogs.com/llhthinker/p/5399827.html

7.Stanford机器学习笔记-7. Machine Learning System Design

http://blog.csdn.net/abcjennifer/article/details/7834256

http://www.cnblogs.com/llhthinker/p/5402870.html

8.Stanford机器学习笔记-8. 支持向量机(SVMs)概述

http://blog.csdn.net/abcjennifer/article/details/7849812

http://www.cnblogs.com/llhthinker/p/5415046.html

9.Stanford机器学习笔记-9. 聚类(Clustering)

http://blog.csdn.net/abcjennifer/article/details/7914952

http://www.cnblogs.com/llhthinker/p/5494321.html

10.Stanford机器学习笔记-10. 降维(Dimensionality Reduction)

http://blog.csdn.net/abcjennifer/article/details/8002329

http://www.cnblogs.com/llhthinker/p/5522054.html

13.图像基本算法

1.图像算法之一：Randon变换

http://blog.csdn.net/soaringlee_fighting/article/details/52627701

2.图像算法之二：特征提取算法系列之Harris

http://blog.csdn.net/soaringlee_fighting/article/details/52670035

3.图像算法之三：特征提取算子之SIFT

http://blog.csdn.net/soaringlee_fighting/article/details/52680659

4.图像算法之四：特征提取算法之SURF

http://blog.csdn.net/soaringlee_fighting/article/details/52690635

5.图像算法之五：特征提取算法之HOG

http://blog.csdn.net/soaringlee_fighting/article/details/52693843

http://blog.csdn.net/arag2009/article/details/64439221

6.图像算法之六：特征提取算法之LoG

http://blog.csdn.net/soaringlee_fighting/article/details/52698674

7.图像算法之七：特征提取算法之LBP

http://blog.csdn.net/soaringlee_fighting/article/details/52699381

8.图像算法之八：特征提取算法之Haar

http://blog.csdn.net/soaringlee_fighting/article/details/52708638

9.图像算法之九：混合高斯模型GMM

http://blog.csdn.net/soaringlee_fighting/article/details/52743489

10.图像算法之十：图像金字塔

http://blog.csdn.net/soaringlee_fighting/article/details/52744360

11.图像算法之十一：双边滤波

http://blog.csdn.net/soaringlee_fighting/article/details/54632302

12.图像算法之十二：非局部均值滤波及其Matlab实现

http://blog.csdn.net/soaringlee_fighting/article/details/54632426

14.TensorFlow架构与设计

1.TensorFlow架构与设计：概述

http://blog.csdn.net/s_sunnyy/article/details/68484281

2.TensorFlow架构与设计：编程模型

http://blog.csdn.net/s_sunnyy/article/details/68484734

3.TensorFlow架构与设计：会话生命周期

http://blog.csdn.net/s_sunnyy/article/details/68484821

4.TensorFlow架构与设计：图模块

http://blog.csdn.net/s_sunnyy/article/details/68484862

5.TensorFlow架构与设计：OP本质论

http://blog.csdn.net/s_sunnyy/article/details/68484908

6.如何理解TensorFlow中的batch和minibatch

http://blog.csdn.net/s_sunnyy/article/details/66972129

7.Tensorflow 代码解析

http://blog.csdn.net/s_sunnyy/article/details/64443738

8.TensorFlow 学习资料

http://blog.csdn.net/s_sunnyy/article/details/70844158

15.前景检测算法

1、前景检测算法（一）--综述

http://blog.csdn.net/app_12062011/article/details/51828438

2、前景检测算法（二）--codebook和平均背景法

http://blog.csdn.net/app_12062011/article/details/51828451

3、前景检测算法（三）--帧差法

http://blog.csdn.net/app_12062011/article/details/51828453

4、前景检测算法（四）--GMM

http://blog.csdn.net/app_12062011/article/details/51758960

5、前景检测算法（五）--GMM，GMM2，GMG

http://blog.csdn.net/app_12062011/article/details/51843036

6、前景检测算法（六）--平均背景原理

http://blog.csdn.net/app_12062011/article/details/51848387

7、前景检测算法（七）--ViBe算法

http://blog.csdn.net/app_12062011/article/details/51866319

8、前景检测算法（八）--SACON算法

http://blog.csdn.net/app_12062011/article/details/51866612

9、前景检测算法（九）--PBAS算法

http://blog.csdn.net/app_12062011/article/details/51866629

10、前景检测算法（十）--SOBS算法

http://blog.csdn.net/app_12062011/article/details/51867124

11、前景检测算法（十一）--基于LBP纹理

http://blog.csdn.net/app_12062011/article/details/51871707

12、前景检测算法（十二）--基于模糊Choquet积分

http://blog.csdn.net/app_12062011/article/details/51871901

13、前景检测算法（十三）--KDE2000

http://blog.csdn.net/app_12062011/article/details/51872712

14、前景检测算法（十四）--SuBSENSE算法

http://blog.csdn.net/app_12062011/article/details/51873181

15、前景检测算法（十五）--LOBSTER算法

http://blog.csdn.net/app_12062011/article/details/51873224

16、前景检测算法（十六）--背景减除结束篇

http://blog.csdn.net/app_12062011/article/details/51869310

17、前景检测算法（十七）--基于光流算法

http://blog.csdn.net/app_12062011/article/details/51880016

16.人脸识别之人脸检测

1、人脸识别--人脸识别技术综述

http://blog.csdn.net/app_12062011/article/details/52537133

2、人脸识别之人脸检测（一）--综述

http://blog.csdn.net/app_12062011/article/details/51474928

3、人脸识别之人脸检测（二）--人脸识别样本制作及训练测试

http://blog.csdn.net/app_12062011/article/details/51422604

4、人脸识别之人脸检测（三）--Haar特征原理及实现

http://blog.csdn.net/app_12062011/article/details/51461645

5、人脸识别之人脸检测（四）--CART原理及实现

http://blog.csdn.net/app_12062011/article/details/51474724

6、人脸识别之人脸检测（五）--adaboost总结，整理

http://blog.csdn.net/app_12062011/article/details/50627836

7、人脸识别之人脸检测（六）--haar分类器代码理解

http://blog.csdn.net/app_12062011/article/details/51470519

8、人脸识别之人脸检测（七）--LBP特征原理及实现

http://blog.csdn.net/app_12062011/article/details/50678658

9、人脸识别之人脸检测（八）--HOG特征原理及实现

http://blog.csdn.net/app_12062011/article/details/51535360

10、人脸识别之人脸检测（九）--检测器源码分析

http://blog.csdn.net/app_12062011/article/details/51547655

11、人脸识别之人脸检测（十）--强分类器源码分析

http://blog.csdn.net/app_12062011/article/details/52127597

12、人脸识别之人脸检测（十一）--JDA算法

http://blog.csdn.net/app_12062011/article/details/52562871

13、人脸识别之人脸对齐（一）--定义及作用

http://blog.csdn.net/app_12062011/article/details/52562963

14、人脸识别之人脸对齐（二）--ASM算法

http://blog.csdn.net/app_12062011/article/details/52572062

15、人脸识别之人脸对齐（三）--AAM算法

http://blog.csdn.net/app_12062011/article/details/52572389

16、人脸识别之人脸对齐（四）--CLM算法及概率图模型改进

http://blog.csdn.net/app_12062011/article/details/52572526

17、人脸识别之人脸对齐（五）--ESR算法

http://blog.csdn.net/app_12062011/article/details/52573024

17.相机模型与标定

1.相机模型与标定（一）--相机标定概述

http://baike.baidu.com/link?url=RAjUg33ftcbDDjE_tFKS80p_azC9REyLOzBTbqqSq5iIIXo0sp20NJk28RW-6J6ARqg0LGPS-kAEiO-ESqZF-a

2.相机模型与标定（二）--相机模型

http://blog.csdn.net/lsh_2013/article/details/47615309

3.相机模型与标定（三）--张正友标定

http://blog.csdn.net/lsh_2013/article/details/47617909

4.相机模型与标定（四）--opencv单目标定例子使用说明

http://blog.csdn.net/t247555529/article/details/47836233

5.相机模型与标定（五）--opencv棋盘格角点检测算法

http://blog.csdn.net/b5w2p0/article/details/18446961

6.相机模型与标定（六）--单应性求解

http://www.360doc.com/content/14/0410/14/10724725_367760906.shtml

7.相机模型与标定（七）--LM算法在相机标定中的使用

http://blog.csdn.net/app_12062011/article/details/52023107

8.相机模型与标定（八）--传统相机标定算法简介

http://blog.sina.com.cn/s/blog_b364631a0101iopy.html

9.相机模型与标定（九）--LM算法

http://www.cnblogs.com/engineerLF/p/5393110.html

10.相机模型与标定（十）--RANSAC算法

http://www.cnblogs.com/xrwang/archive/2011/03/09/ransac-1.html

11.相机模型与标定（十一）--LMEDS，M估计，RANSAC估计对比

http://blog.csdn.net/app_12062011/article/details/52036648

12.相机模型与标定（十二）--opencv圆形标志点检测算法

http://blog.csdn.net/app_12062011/article/details/52045531

13.相机模型与标定（十三）--鱼眼相机标定

http://blog.csdn.net/u010784534/article/details/50474371

14.相机模型与标定（十四）--误差分析

http://blog.sina.com.cn/s/blog_a492c33d0101d97n.html

18.双目测距

1.双目测距（一）--图像获取与单目标定

http://blog.csdn.net/app_12062011/article/details/52032563

2.双目测距（二）--双目标定与矫正

http://blog.csdn.net/lg1259156776/article/details/53103487

3.双目测距（三）--立体匹配

http://blog.csdn.net/app_12062011/article/details/52032935

4.双目测距（四）--罗德里格斯变换

http://blog.csdn.net/app_12062011/article/details/52033328

5.双目测距（五）--匹配算法对比

http://blog.csdn.net/app_12062011/article/details/52034855

6.双目测距（六）--三维重建及UI显示

http://blog.csdn.net/lg1259156776/article/details/53103543

1.相机姿态估计（一）--PnP

http://blog.csdn.net/app_12062011/article/details/52039981

2.相机姿态估计（二）--单目POSIT算法

http://blog.csdn.net/app_12062011/article/details/52040016

3.相机姿态估计（三）--P3P

http://blog.csdn.net/app_12062011/article/details/52063023

19.图像形状特征

1.图像形状特征（一）--FD

http://blog.csdn.net/app_12062011/article/details/53195582

2.图像形状特征（二）--Hu距

http://blog.csdn.net/app_12062011/article/details/53214879

3.图像形状特征（三）--链码及形状数

http://blog.csdn.net/app_12062011/article/details/53376371

4.图像形状特征（四）--轮廓树及PGH

http://blog.csdn.net/app_12062011/article/details/53404032

5.图像形状特征（五）--自由式变形模板

http://blog.csdn.net/app_12062011/article/details/53534685

6.图像形状特征（六）--AR模型形状描述子

http://blog.csdn.net/app_12062011/article/details/53535829

7.图像形状特征（七）--Zernike矩

http://blog.csdn.net/app_12062011/article/details/53579298

8.图像形状特征（八）--SC形状上下文

http://blog.csdn.net/app_12062011/article/details/53606191

20.图像局部特征

1.图像局部特征（一）-- 概述

http://blog.csdn.net/app_12062011/article/details/51760238

2.图像局部特征（二）-- Harris角点检测子

http://blog.csdn.net/app_12062011/article/details/51758950

3.图像局部特征（三）-- FAST角点检测子

http://blog.csdn.net/app_12062011/article/details/51759984

4.图像局部特征（四）-- FAST-ER角点检测子

http://blog.csdn.net/app_12062011/article/details/51760139

5、图像局部特征（五）-- 斑点检测之SIFT算法原理总结

http://blog.csdn.net/app_12062011/article/details/51644261

6.图像局部特征（六）-- 斑点检测之SIFT算法原理总结补充

http://blog.csdn.net/app_12062011/article/details/51644975

7.图像局部特征（七）-- SURF原理总结

http://blog.csdn.net/app_12062011/article/details/51655919

8.图像局部特征（八）-- 斑点检测子SIFT/SURF区别总结

http://blog.csdn.net/app_12062011/article/details/51656327

9.图像局部特征（九）-- 斑点检测LOG算子

http://blog.csdn.net/app_12062011/article/details/51764704

10.图像局部特征（十）-- BRIEF描述子

http://blog.csdn.net/app_12062011/article/details/51764891

11.图像局部特征（十一）-- ORB描述子

http://blog.csdn.net/app_12062011/article/details/51764971

12.图像局部特征（十二）-- BRISK特征

http://blog.csdn.net/app_12062011/article/details/51942556

13.图像局部特征（十三）-- FREAK特征

http://blog.csdn.net/app_12062011/article/details/51942685

14.图像局部特征（十四）-- MSER特征

http://blog.csdn.net/app_12062011/article/details/51943589

15.图像局部特征（十五）-- MSCR

http://blog.csdn.net/app_12062011/article/details/51952907

16.图像局部特征（十六）-- SimpleBlobDetector

http://blog.csdn.net/app_12062011/article/details/51953030

17.图像局部特征（十七）-- DenseFeature

http://blog.csdn.net/app_12062011/article/details/51953094

18.图像局部特征（十八）-- BOW

http://blog.csdn.net/app_12062011/article/details/51953270

21.目标检测

1.目标检测（一）--Objectness算法总体理解，整理及总结

http://blog.csdn.net/app_12062011/article/details/50541395

2.目标检测（二）--Hough Forests for Object Detection

http://blog.csdn.net/app_12062011/article/details/52296946

3.目标检测（三）--DPM

http://blog.csdn.net/app_12062011/article/details/77618717

4.目标检测（四）--ICF

http://blog.csdn.net/app_12062011/article/details/77619237

手势识别（一）--手势基本概念和ChaLearn Gesture Challenge

http://blog.csdn.net/app_12062011/article/details/52749196

手势识别（二）--单目手势识别算法总结

http://blog.csdn.net/app_12062011/article/details/52749196

1.二维物体形状识别方法（一）

http://blog.csdn.net/app_12062011/article/details/53408289

2.二维物体形状识别方法（二）

http://blog.csdn.net/app_12062011/article/details/53404075

22.全景视频拼接

1.全景视频拼接(一)--关键技术流程

http://blog.csdn.net/app_12062011/article/details/52415483

2.全景视频拼接(二)--OpenCV源码解析

http://blog.csdn.net/app_12062011/article/details/52438357

3.全景视频拼接(三)--并查集法及源码分析

http://blog.csdn.net/app_12062011/article/details/52438495

23.SLAM

关于SLAM的系列很有价值的网文（此链接包含了下面的所有链接）

http://blog.sina.com.cn/s/blog_54b5ea250102xcig.html

1.半闲居士：视觉SLAM中的数学基础第一篇 3D空间的位置表示

http://blog.exbot.net/archives/2528

2.半闲居士：视觉SLAM中的数学基础第二篇四元数

http://blog.exbot.net/archives/2532

3.半闲居士：视觉SLAM中的数学基础第三篇李群与李代数

http://blog.exbot.net/archives/2537

4.高翔博士：SLAM第一篇：基础知识

http://blog.exbot.net/archives/2515

5.高翔博士：SLAM第二篇：视觉里程计

http://blog.exbot.net/archives/2546

6.半闲居士：视觉SLAM漫淡（一）：基本概念与解决思路

http://blog.exbot.net/archives/2469

7.半闲居士：视觉SLAM漫谈（二）:图优化理论与g2o的使用

http://blog.exbot.net/archives/2490

8.清华大学王波老师：实时SLAM的未来

http://blog.exbot.net/archives/2928

9.Orb_SLAM：1 ORB特征

http://blog.exbot.net/archives/2423

10.Orb_SLAM：2 如何使用

http://blog.exbot.net/archives/2432

11.Orb_SLAM：3 ROS下使用

http://blog.exbot.net/archives/2435

12. 西安塔斯机器人科技有限公司：从大脑空间认知到机器人建图与导航（机器人极客大会演讲报告）

http://blog.exbot.net/archives/2081

13. 史话机器人操作系统ROS

http://blog.exbot.net/archives/1748

14.无人机可以做什么？——三维地图绘制

http://blog.exbot.net/archives/1240

15.视觉导航开发计划（讨论稿）

http://blog.exbot.net/archives/411

16.如何简单形象又有趣地讲解神经网络是什么？

http://blog.exbot.net/archives/2850

17.如何看待谷歌在10月6日开源的SLAM算法cartographer？

http://blog.exbot.net/archives/2841

18. 快速了解 Robot Operating System（ROS）机器人操作系统

http://blog.exbot.net/archives/2964

19.关于ROS学习的一些反思by古月

http://blog.exbot.net/ros/page/3

20.机器人操作系统ROS Indigo 入门学习（1）-(15)

http://blog.exbot.net/archives/1270

21. [email protected]:LSD-SLAM深入学习（1）-基本介绍与ros下的安装

http://www.cnblogs.com/hitcm/p/4907465.html

22. [email protected]: LSD-SLAM深入学习（2）-算法解析

http://www.cnblogs.com/hitcm/p/4907536.html

[email protected]: LSD-SLAM深入学习（3）-代码解析

http://www.cnblogs.com/hitcm/p/4887345.html

24. [email protected]: LSD-SLAM深入学习（4）-非ROS改造

http://www.cnblogs.com/hitcm/p/5075564.html

25. ubuntu12.04+fuerte 下跑通lsd-slam——数据集

http://www.bubuko.com/infodetail-1010849.html

26. ubuntu12.04+fuerte 下跑通lsd-slam——使用usb摄像头

http://www.mamicode.com/info-detail-957983.html

27.ROS实时采集Android的图像和IMU数据

http://www.cnblogs.com/hitcm/p/5616364.html

28. SLAM的一点认识

http://blog.csdn.net/shenshen211/article/details/64480669

29.半闲居士的博客

http://www.cnblogs.com/gaoxiang12/

30.半闲居士：视觉SLAM漫谈 (三): 研究点介绍

http://www.cnblogs.com/gaoxiang12/p/4395446.html

31.SLAM的一点认识

http://blog.csdn.net/shenshen211/article/details/64480669

32. Windows 下配置lsd_slam环境

http://blog.csdn.net/ouyangying123/article/details/70861654

Last updated on 2017-09-23 20:43:31

你可能感兴趣的:(算法,神经网络,人脸识别,计算机视觉,机器学习)

机器学习与深度学习间关系与区别 ℒℴѵℯ心·动ꦿ໊ོ꫞ 人工智能学习深度学习 python
一、机器学习概述定义机器学习（MachineLearning,ML）是一种通过数据驱动的方法，利用统计学和计算算法来训练模型，使计算机能够从数据中学习并自动进行预测或决策。机器学习通过分析大量数据样本，识别其中的模式和规律，从而对新的数据进行判断。其核心在于通过训练过程，让模型不断优化和提升其预测准确性。主要类型1.监督学习（SupervisedLearning）监督学习是指在训练数据集中包含输入
Goolge earth studio 进阶4——路径修改与平滑陟彼高冈yu Google earth studio 进阶教程旅游
如果我们希望在大约中途时获得更多的城市鸟瞰视角。可以将相机拖动到这里并创建一个新的关键帧。camera_target_clip_7EarthStudio会自动平滑我们的路径，所以当我们通过这个关键帧时，不是一个生硬的角度，而是一个平滑的曲线。camera_target_clip_8路径上有贝塞尔控制手柄，允许我们调整路径的形状。右键单击，我们可以选择“平滑路径”，这是默认的自动平滑算法，或者我们可
基于社交网络算法优化的二维最大熵图像分割智能算法研学社（Jack旭）智能优化算法应用图像分割算法 php 开发语言
智能优化算法应用：基于社交网络优化的二维最大熵图像阈值分割-附代码文章目录智能优化算法应用：基于社交网络优化的二维最大熵图像阈值分割-附代码1.前言2.二维最大熵阈值分割原理3.基于社交网络优化的多阈值分割4.算法结果：5.参考文献：6.Matlab代码摘要：本文介绍基于最大熵的图像分割，并且应用社交网络算法进行阈值寻优。1.前言阅读此文章前，请阅读《图像分割：直方图区域划分及信息统计介绍》htt
121. 买卖股票的最佳时机薄荷糖的味道_fb40
给定一个数组，它的第i个元素是一支给定股票第i天的价格。如果你最多只允许完成一笔交易（即买入和卖出一支股票），设计一个算法来计算你所能获取的最大利润。注意你不能在买入股票前卖出股票。示例1:输入:[7,1,5,3,6,4]输出:5解释:在第2天（股票价格=1）的时候买入，在第5天（股票价格=6）的时候卖出，最大利润=6-1=5。注意利润不能是7-1=6,因为卖出价格需要大于买入价格。示例2:输入:
每日算法&面试题，大厂特训二十八天——第二十天（树）肥学 ⚡算法题⚡面试题每日精进 java 算法数据结构
目录标题导读算法特训二十八天面试题点击直接资料领取导读肥友们为了更好的去帮助新同学适应算法和面试题，最近我们开始进行专项突击一步一步来。上一期我们完成了动态规划二十一天现在我们进行下一项对各类算法进行二十八天的一个小总结。还在等什么快来一起肥学进行二十八天挑战吧！！特别介绍小白练手专栏，适合刚入手的新人欢迎订阅编程小白进阶python有趣练手项目里面包括了像《机器人尬聊》《恶搞程序》这样的有趣文章
回溯算法-重新安排行程 chirou_ 算法数据结构图论 c++图搜索
leetcode332.重新安排行程这题我还没自己ac过，只能现在凭着刚学完的热乎劲把我对题解的理解记下来。本题我认为对数据结构的考察比较多，用什么数据结构去存数据，去读取数据，都是很重要的。classSolution{private:unordered_map>targets;boolbacktracking(intticketNum,vector&result){//1.确定参数和返回值//2
Faiss：高效相似性搜索与聚类的利器网络·魚大数据 faiss
Faiss是一个针对大规模向量集合的相似性搜索库，由FacebookAIResearch开发。它提供了一系列高效的算法和数据结构，用于加速向量之间的相似性搜索，特别是在大规模数据集上。本文将介绍Faiss的原理、核心功能以及如何在实际项目中使用它。Faiss原理：近似最近邻搜索：Faiss的核心功能之一是近似最近邻搜索，它能够高效地在大规模数据集中找到与给定查询向量最相似的向量。这种搜索是近似的，
数字里的世界17期：2021年全球10大顶级数据中心，中国移动榜首张三叨
你知道吗？2016年，全球的数据中心共计用电4160亿千瓦时，比整个英国的发电量还多40％！前言每天，我们都会创造超过250万TB的数据。并且随着物联网（IOT）的不断普及，这一数据将持续增长。如此庞大的数据被存储在被称为“数据中心”的专用设施中。虽然最早的数据中心建于20世纪40年代，但直到1997-2000年的互联网泡沫期间才逐渐成为主流。当前人类的技术，比如人工智能和机器学习，已经将我们推向
nosql数据库技术与应用知识点皆过客，揽星河 NoSQL nosql 数据库大数据数据分析数据结构非关系型数据库
Nosql知识回顾大数据处理流程数据采集(flume、爬虫、传感器)数据存储(本门课程NoSQL所处的阶段)Hdfs、MongoDB、HBase等数据清洗(入仓)Hive等数据处理、分析(Spark、Flink等)数据可视化数据挖掘、机器学习应用(Python、SparkMLlib等)大数据时代存储的挑战(三高)高并发(同一时间很多人访问)高扩展(要求随时根据需求扩展存储)高效率(要求读写速度快)
insert into select 主键自增_mybatis拦截器实现主键自动生成 weixin_39521651 insert into select 主键自增 mybatis delete返回值 mybatis insert返回主键 mybatis insert返回对象 mybatis plus insert返回主键 mybatis plus 插入生成id
前言前阵子和朋友聊天，他说他们项目有个需求，要实现主键自动生成，不想每次新增的时候，都手动设置主键。于是我就问他，那你们数据库表设置主键自动递增不就得了。他的回答是他们项目目前的id都是采用雪花算法来生成，因此为了项目稳定性，不会切换id的生成方式。朋友问我有没有什么实现思路，他们公司的orm框架是mybatis，我就建议他说，不然让你老大把mybatis切换成mybatis-plus。mybat
k均值聚类算法考试例题_k均值算法(k均值聚类算法计算题) 寻找你83497 k均值聚类算法考试例题
?算法：第一步：选K个初始聚类中心，z1(1),z2(1)，…，zK(1)，其中括号内的序号为寻找聚类中心的迭代运算的次序号。聚类中心的向量值可任意设定，例如可选开始的K个.k均值聚类：---------一种硬聚类算法，隶属度只有两个取值0或1，提出的基本根据是“类内误差平方和最小化”准则；模糊的c均值聚类算法：--------一种模糊聚类算法，是.K均值聚类算法是先随机选取K个对象作为初始的聚类
Python开发常用的三方模块如下：换个网名有点难 python 开发语言
Python是一门功能强大的编程语言，拥有丰富的第三方库，这些库为开发者提供了极大的便利。以下是100个常用的Python库，涵盖了多个领域：1、NumPy，用于科学计算的基础库。2、Pandas，提供数据结构和数据分析工具。3、Matplotlib，一个绘图库。4、Scikit-learn，机器学习库。5、SciPy，用于数学、科学和工程的库。6、TensorFlow，由Google开发的开源机
Python实现简单的机器学习算法 master_chenchengg python python 办公效率 python开发 IT
Python实现简单的机器学习算法开篇：初探机器学习的奇妙之旅搭建环境：一切从安装开始必备工具箱第一步：安装Anaconda和JupyterNotebook小贴士：如何配置Python环境变量算法初体验：从零开始的Python机器学习线性回归：让数据说话数据准备：从哪里找数据编码实战：Python实现线性回归模型评估：如何判断模型好坏逻辑回归：从分类开始理论入门：什么是逻辑回归代码实现：使用skl
推荐算法_隐语义-梯度下降 _feivirus_ 算法机器学习和数学推荐算法机器学习隐语义
importnumpyasnp1.模型实现"""inputrate_matrix:M行N列的评分矩阵，值为P*Q.P:初始化用户特征矩阵M*K.Q:初始化物品特征矩阵K*N.latent_feature_cnt:隐特征的向量个数max_iteration:最大迭代次数alpha:步长lamda:正则化系数output分解之后的P和Q"""defLFM_grad_desc(rate_matrix,l
K近邻算法_分类鸢尾花数据集 _feivirus_ 算法机器学习和数学分类机器学习 K近邻
importnumpyasnpimportpandasaspdfromsklearn.datasetsimportload_irisfromsklearn.model_selectionimporttrain_test_splitfromsklearn.metricsimportaccuracy_score1.数据预处理iris=load_iris()df=pd.DataFrame(data=ir
数据结构 | 栈和队列 TT-Kun 数据结构与算法数据结构栈队列 C语言
文章目录栈和队列1.栈：后进先出（LIFO）的数据结构1.1概念与结构1.2栈的实现2.队列：先进先出（FIFO）的数据结构2.1概念与结构2.2队列的实现3.栈和队列算法题3.1有效的括号3.2用队列实现栈3.3用栈实现队列3.4设计循环队列结论栈和队列在计算机科学中，栈和队列是两种基本且重要的数据结构，它们在处理数据存储和访问顺序方面有着独特的规则和应用。本文将详细介绍栈和队列的概念、结构、实
[Python] 数据结构详解及代码 AIAdvocate 算法 python 数据结构链表
今日内容大纲介绍数据结构介绍列表链表1.数据结构和算法简介程序大白话翻译,程序=数据结构+算法数据结构指的是存储,组织数据的方式.算法指的是为了解决实际业务问题而思考思路和方法,就叫:算法.2.算法的5大特性介绍算法具有独立性算法是解决问题的思路和方式,最重要的是思维,而不是语言,其(算法)可以通过多种语言进行演绎.5大特性有输入,需要传入1或者多个参数有输出,需要返回1个或者多个结果有穷性,执行
Python算法L5：贪心算法小熊同学哦 Python算法算法 python 贪心算法
Python贪心算法简介目录Python贪心算法简介贪心算法的基本步骤贪心算法的适用场景经典贪心算法问题1.**零钱兑换问题**2.**区间调度问题**3.**背包问题**贪心算法的优缺点优点：缺点：结语贪心算法（GreedyAlgorithm）是一种在每一步选择中都采取当前最优或最优解的算法。它的核心思想是，在保证每一步局部最优的情况下，希望通过贪心选择达到全局最优解。虽然贪心算法并不总能得到全
遥感影像的切片处理 sand&wich 计算机视觉 python 图像处理
在遥感影像分析中，经常需要将大尺寸的影像切分成小片段，以便于进行详细的分析和处理。这种方法特别适用于机器学习和图像处理任务，如对象检测、图像分类等。以下是如何使用Python和OpenCV库来实现这一过程，同时确保每个影像片段保留正确的地理信息。准备环境首先，确保安装了必要的Python库，包括numpy、opencv-python和xml.etree.ElementTree。这些库将用于图像处理
【RabbitMQ 项目】服务端：数据管理模块之绑定管理月夜星辉雪 rabbitmq 分布式
文章目录一.编写思路二.代码实践一.编写思路定义绑定信息类交换机名称队列名称绑定关键字：交换机的路由交换算法中会用到没有是否持久化的标志，因为绑定是否持久化取决于交换机和队列是否持久化，只有它们都持久化时绑定才需要持久化。绑定就好像一根绳子，两端连接着交换机和队列，当一方不存在，它就没有存在的必要了定义绑定持久化类构造函数：如果数据库文件不存在则创建，打开数据库，创建binding_table插入
非对称加密算法原理与应用2——RSA私钥加密文件私语茶馆云部署与开发架构及产品灵感记录 RSA2048 私钥加密
作者：私语茶馆1.相关章节（1）非对称加密算法原理与应用1——秘钥的生成-CSDN博客第一章节讲述的是创建秘钥对，并将公钥和私钥导出为文件格式存储。本章节继续讲如何利用私钥加密内容，包括从密钥库或文件中读取私钥，并用RSA算法加密文件和String。2.私钥加密的概述本文主要基于第一章节的RSA2048bit的非对称加密算法讲述如何利用私钥加密文件。这种加密后的文件，只能由该私钥对应的公钥来解密。
粒子群优化 (PSO) 在三维正弦波函数中的应用 subject625Ruben 机器学习人工智能 matlab 算法
在这篇博客中，我们将展示如何使用粒子群优化（PSO）算法求解三维正弦波函数，并通过增加正弦波扰动，使优化过程更加复杂和有趣。本文将介绍目标函数的定义、PSO参数设置以及算法执行的详细过程，并展示搜索空间中的动态过程和收敛曲线。1.目标函数定义我们使用的目标函数是一个三维正弦波函数，定义如下：objectiveFunc=@(x)sin(sqrt(x(1).^2+x(2).^2))+0.5*sin(5
AI大模型的架构演进与最新发展季风泯灭的季节 AI大模型应用技术二人工智能架构
随着深度学习的发展，AI大模型（LargeLanguageModels,LLMs）在自然语言处理、计算机视觉等领域取得了革命性的进展。本文将详细探讨AI大模型的架构演进，包括从Transformer的提出到GPT、BERT、T5等模型的历史演变，并探讨这些模型的技术细节及其在现代人工智能中的核心作用。一、基础模型介绍：Transformer的核心原理Transformer架构的背景在Transfo
非对称加密算法————RSA理论及详情 hu19930613
转自：https://www.kancloud.cn/kancloud/rsa_algorithm/48484一、一点历史1976年以前，所有的加密方法都是同一种模式：（1）甲方选择某一种加密规则，对信息进行加密；（2）乙方使用同一种规则，对信息进行解密。由于加密和解密使用同样规则（简称"密钥"），这被称为"对称加密算法"（Symmetric-keyalgorithm）。这种加密模式有一个最大弱点
ai绘画工具midjourney怎么下载？附作品管理教程设计师早上好
Midjourney是一款功能强大的AI绘画工具，它使用机器学习技术和深度神经网络等算法，可以生成各种艺术风格的绘画作品。在创意设计、广告宣传等方面有着广泛的应用前景。那么，ai绘画工具midjourney怎么下载？本文将为您介绍Midjourney的下载以及作品的相关管理。一、Midjourney下载Midjourney的下载非常简单，只需打开Midjourney官网（点击“GetMidjour
【加密算法基础——对称加密和非对称加密】 XWWW668899 网络安全服务器笔记
对称加密与非对称加密对称加密和非对称加密是两种基本的加密方法，各自有不同的特点和用途。以下是详细比较：1.对称加密特点密钥:使用相同的密钥进行加密和解密。发送方和接收方必须共享这个密钥。速度:通常速度较快，适合处理大量数据。实现:算法相对简单，计算效率高。常见算法AES(高级加密标准)DES(数据加密标准)3DES(三重数据加密标准)RC4(流密码)应用场景文件加密磁盘加密传输大量数据时的加密2.
【算法练习】IDEA集成leetcode插件实现快速刷 2401_84102892 2024年程序员学习算法 intellij-idea leetcode
============点击右侧边leetcode->设置->配置地址、用户名、密码、存放目录、文件模板用户名要登录后在账号信息里看模板代码1.codefilename!velocityTool.camelC
[实践应用] 深度学习之模型性能评估指标 YuanDaima2048 深度学习工具使用深度学习人工智能损失函数性能评估 pytorch python 机器学习
文章总览：YuanDaiMa2048博客文章总览深度学习之模型性能评估指标分类任务回归任务排序任务聚类任务生成任务其他介绍在机器学习和深度学习领域，评估模型性能是一项至关重要的任务。不同的学习任务需要不同的性能指标来衡量模型的有效性。以下是对一些常见任务及其相应的性能评估指标的详细解释和总结。分类任务分类任务是指模型需要将输入数据分配到预定义的类别或标签中。以下是分类任务中常用的性能指标：准确率(
【加密算法基础——RSA 加密】 XWWW668899 网络服务器笔记 python
RSA加密RSA（Rivest-Shamir-Adleman）加密是非对称加密，一种广泛使用的公钥加密算法，主要用于安全数据传输。公钥用于加密，私钥用于解密。RSA加密算法的名称来源于其三位发明者的姓氏：R:RonRivestS:AdiShamirA:LeonardAdleman这三位计算机科学家在1977年共同提出了这一算法，并发表了相关论文。他们的工作为公钥加密的基础奠定了重要基础，使得安全通
机器学习-聚类算法不良人龍木木机器学习机器学习算法聚类
机器学习-聚类算法1.AHC2.K-means3.SC4.MCL仅个人笔记，感谢点赞关注！1.AHC2.K-means3.SC传统谱聚类：个人对谱聚类算法的理解以及改进4.MCL目前仅专注于NLP的技术学习和分享感谢大家的关注与支持！
mongodb3.03开启认证 21jhf mongodb
下载了最新mongodb3.03版本，当使用--auth 参数命令行开启mongodb用户认证时遇到很多问题，现总结如下：（百度上搜到的基本都是老版本的，看到db.addUser的就是，请忽略） Windows下我做了一个bat文件，用来启动mongodb，命令行如下： mongod --dbpath db\data --port 27017 --directoryperdb --logp
【Spark103】Task not serializable bit1129 Serializable
Task not serializable是Spark开发过程最令人头疼的问题之一，这里记录下出现这个问题的两个实例，一个是自己遇到的，另一个是stackoverflow上看到。等有时间了再仔细探究出现Task not serialiazable的各种原因以及出现问题后如何快速定位问题的所在，至少目前阶段碰到此类问题，没有什么章法 1. package spark.exampl
你所熟知的 LRU(最近最少使用) dalan_123 java
关于LRU这个名词在很多地方或听说，或使用，接下来看下lru缓存回收的实现 1、大体的想法 a、查询出最近最晚使用的项 b、给最近的使用的项做标记通过使用链表就可以完成这两个操作，关于最近最少使用的项只需要返回链表的尾部；标记最近使用的项，只需要将该项移除并放置到头部，那么难点就出现你如何能够快速在链表定位对应的该项？这时候多
Javascript 跨域周凡杨 JavaScript jsonp 跨域 cross-domain
linux下安装apache服务器 g21121 apache
安装apache 下载windows版本apache，下载地址：http://httpd.apache.org/download.cgi 1.windows下安装apache Windows下安装apache比较简单，注意选择路径和端口即可，这里就不再赘述了。 2.linux下安装apache：下载之后上传到linux的相关目录，这里指定为/home/apach
FineReport的JS编辑框和URL地址栏语法简介老A不折腾 finereport web报表报表软件语法总结
JS编辑框： 1.FineReport的js。作为一款BS产品，browser端的JavaScript是必不可少的。 FineReport中的js是已经调用了finereport.js的。大家知道，预览报表时，报表servlet会将cpt模板转为html，在这个html的head头部中会引入FineReport的js，这个finereport.js中包含了许多内置的fun
根据STATUS信息对MySQL进行优化墙头上一根草 status
mysql 查看当前正在执行的操作，即正在执行的sql语句的方法为: show processlist 命令 mysql> show global status;可以列出MySQL服务器运行各种状态值，我个人较喜欢的用法是show status like '查询值%';一、慢查询mysql> show variab
我的spring学习笔记7-Spring的Bean配置文件给Bean定义别名 aijuans Spring 3
本文介绍如何给Spring的Bean配置文件的Bean定义别名？原始的 <bean id="business" class="onlyfun.caterpillar.device.Business"> <property name="writer"> <ref b
高性能mysql 之性能剖析 annan211 性能 mysql mysql 性能剖析剖析
1 定义性能优化 mysql服务器性能，此处定义为响应时间。在解释性能优化之前，先来消除一个误解，很多人认为，性能优化就是降低cpu的利用率或者减少对资源的使用。这是一个陷阱。资源时用来消耗并用来工作的，所以有时候消耗更多的资源能够加快查询速度，保持cpu忙绿，这是必要的。很多时候发现编译进了新版本的InnoDB之后，cpu利用率上升的很厉害，这并不
主外键和索引唯一性约束百合不是茶索引唯一性约束主外键约束联机删除
目标;第一步;创建两张表用户表和文章表第二步;发表文章 1,建表; ---用户表 BlogUsers --userID唯一的 --userName --pwd --sex create
线程的调度 bijian1013 java 多线程 thread 线程的调度 java多线程
1. Java提供一个线程调度程序来监控程序中启动后进入可运行状态的所有线程。线程调度程序按照线程的优先级决定应调度哪些线程来执行。 2. 多数线程的调度是抢占式的（即我想中断程序运行就中断，不需要和将被中断的程序协商） a)
查看日志常用命令 bijian1013 linux 命令 unix
一.日志查找方法，可以用通配符查某台主机上的所有服务器grep "关键字" /wls/applogs/custom-*/error.log 二.查看日志常用命令1.grep '关键字' error.log：在error.log中搜索'关键字'2.grep -C10 '关键字' error.log：显示关键字前后10行记录3.grep '关键字' error.l
【持久化框架MyBatis3一】MyBatis版HelloWorld bit1129 helloworld
MyBatis这个系列的文章，主要参考《Java Persistence with MyBatis 3》。样例数据本文以MySQL数据库为例，建立一个STUDENTS表，插入两条数据，然后进行单表的增删改查 CREATE TABLE STUDENTS ( stud_id int(11) NOT NULL AUTO_INCREMENT,
【Hadoop十五】Hadoop Counter bit1129 hadoop
1. 只有Map任务的Map Reduce Job File System Counters FILE: Number of bytes read=3629530 FILE: Number of bytes written=98312 FILE: Number of read operations=0 FILE: Number of lar
解决Tomcat数据连接池无法释放 ronin47 tomcat 连接池　优化
近段时间，公司的检测中心报表系统(SMC)的开发人员时不时找到我，说用户老是出现无法登录的情况。前些日子因为手头上有Jboss集群的测试工作，发现用户不能登录时，都是在Tomcat中将这个项目Reload一下就好了，不过只是治标而已，因为大概几个小时之后又会再次出现无法登录的情况。今天上午，开发人员小毛又找到我，要我协助将这个问题根治一下，拖太久用户难保不投诉。简单分析了一
java-75-二叉树两结点的最低共同父结点 bylijinnan java
import java.util.LinkedList; import java.util.List; import ljn.help.*; public class BTreeLowestParentOfTwoNodes { public static void main(String[] args) { /* * node data is stored in
行业垂直搜索引擎网页抓取项目 carlwu Lucene Nutch Heritrix Solr
公司有一个搜索引擎项目，希望各路高人有空来帮忙指导，谢谢！这是详细需求：（1）通过提供的网站地址(大概100-200个网站)，网页抓取程序能不断抓取网页和其它类型的文件（如Excel、PDF、Word、ppt及zip类型），并且程序能够根据事先提供的规则，过滤掉不相干的下载内容。（2）程序能够搜索这些抓取的内容，并能对这些抓取文件按照油田名进行分类，然后放到服务器不同的目录中。
[通讯与服务]在总带宽资源没有大幅增加之前,不适宜大幅度降低资费 comsci 资源
降低通讯服务资费，就意味着有更多的用户进入，就意味着通讯服务提供商要接待和服务更多的用户，在总体运维成本没有由于技术升级而大幅下降的情况下，这种降低资费的行为将导致每个用户的平均带宽不断下降，而享受到的服务质量也在下降，这对用户和服务商都是不利的。。。。。。。。 &nbs
Java时区转换及时间格式 Cwind java
本文介绍Java API 中 Date, Calendar, TimeZone和DateFormat的使用，以及不同时区时间相互转化的方法和原理。问题描述：向处于不同时区的服务器发请求时需要考虑时区转换的问题。譬如，服务器位于东八区（北京时间，GMT+8:00），而身处东四区的用户想要查询当天的销售记录。则需把东四区的“今天”这个时间范围转换为服务器所在时区的时间范围。
readonly,只读，不可用 dashuaifu js jsp disable readOnly readOnly
readOnly 和 readonly 不同，在做js开发时一定要注意函数大小写和jsp黄线的警告！！！我就经历过这么一件事：使用readOnly在某些浏览器或同一浏览器不同版本有的可以实现“只读”功能，有的就不行，而且函数readOnly有黄线警告！！！就这样被折磨了不短时间！！！（期间使用过disable函数，但是发现disable函数之后后台接收不到前台的的数据！！！）
LABjs、RequireJS、SeaJS 介绍 dcj3sjt126com js Web
LABjs 的核心是 LAB（Loading and Blocking）：Loading 指异步并行加载，Blocking 是指同步等待执行。LABjs 通过优雅的语法（script 和 wait）实现了这两大特性，核心价值是性能优化。LABjs 是一个文件加载器。RequireJS 和 SeaJS 则是模块加载器，倡导的是一种模块化开发理念，核心价值是让 JavaScript 的模块化开发变得更
[应用结构]入口脚本 dcj3sjt126com PHP yii2
入口脚本入口脚本是应用启动流程中的第一环，一个应用（不管是网页应用还是控制台应用）只有一个入口脚本。终端用户的请求通过入口脚本实例化应用并将将请求转发到应用。 Web 应用的入口脚本必须放在终端用户能够访问的目录下，通常命名为 index.php，也可以使用 Web 服务器能定位到的其他名称。控制台应用的入口脚本一般在应用根目录下命名为 yii（后缀为.php），该文
haoop shell命令 eksliang hadoop hadoop shell
cat chgrp chmod chown copyFromLocal copyToLocal cp du dus expunge get getmerge ls lsr mkdir movefromLocal mv put rm rmr setrep stat tail test text
MultiStateView不同的状态下显示不同的界面 gundumw100 android
只要将指定的view放在该控件里面，可以该view在不同的状态下显示不同的界面，这对ListView很有用，比如加载界面，空白界面，错误界面。而且这些见面由你指定布局，非常灵活。 PS：ListView虽然可以设置一个EmptyView，但使用起来不方便，不灵活，有点累赘。 <com.kennyc.view.MultiStateView xmlns:android=&qu
jQuery实现页面内锚点平滑跳转 ini JavaScript html jquery html5 css
平时我们做导航滚动到内容都是通过锚点来做，刷的一下就直接跳到内容了，没有一丝的滚动效果，而且 url 链接最后会有“小尾巴”，就像#keleyi，今天我就介绍一款 jquery 做的滚动的特效，既可以设置滚动速度，又可以在 url 链接上没有“小尾巴”。效果体验：http://keleyi.com/keleyi/phtml/jqtexiao/37.htmHTML文件代码： &
kafka offset迁移 kane_xie kafka
在早前的kafka版本中（0.8.0），offset是被存储在zookeeper中的。到当前版本（0.8.2）为止，kafka同时支持offset存储在zookeeper和offset manager（broker）中。从官方的说明来看，未来offset的zookeeper存储将会被弃用。因此现有的基于kafka的项目如果今后计划保持更新的话，可以考虑在合适
android > 搭建 cordova 环境 mft8899 android
1 , 安装 node.js http://nodejs.org node -v 查看版本 2, 安装 npm 可以先从 https://github.com/isaacs/npm/tags 下载源码解压到
java封装的比较器，比较是否全相同，获取不同字段名字 qifeifei
非常实用的java比较器，贴上代码： import java.util.HashSet; import java.util.List; import java.util.Set; import net.sf.json.JSONArray; import net.sf.json.JSONObject; import net.sf.json.JsonConfig; i
记录一些函数用法 .Aky. 位运算 PHP 数据库函数 IP
高手们照旧忽略。想弄个全天朝IP段数据库，找了个今天最新更新的国内所有运营商IP段，copy到文件，用文件函数，字符串函数把玩下。分割出startIp和endIp这样格式写入.txt文件，直接用phpmyadmin导入.csv文件的形式导入。（生命在于折腾，也许你们觉得我傻X，直接下载人家弄好的导入不就可以，做自己的菜鸟，让别人去说吧）当然用到了ip2long()函数把字符串转为整型数
sublime text 3 rust wudixiaotie Sublime Text
1.sublime text 3 => install package => Rust 2.cd ~/.config/sublime-text-3/Packages 3.mkdir rust 4.git clone https://github.com/sp0/rust-style 5.cd rust-style 6.cargo build --release 7.ctrl