[机器学习] VINS-Mono A Robust and Versatile Monocular.pdf

说明：一种鲁棒通用的单目视觉惯性状态估计器 单目视觉惯性系统（VINS）由摄像机和低成本惯性测量单元（IMU）组成，构成测量六自由度（DOF）状态估计的最小传感器组。然而，缺乏直接的距离测量对 IMU处理、估计器初始化、外部校准和非线性优化。在这项工作中，我们提出了VINSMono：一种鲁棒的多用途单目视觉惯性状态估计器。我们的方法从估计初始化和故障恢复的鲁棒过程开始。紧密耦合， 采用基于非线性优化的方法，通过融合预积分IM
<kangdingqingshi> 上传 | 大小：4mb

[机器学习] max_min_distance.cpp

说明：实现最大最小距离聚类算法。以最大距离原则选取新的聚类中心，以最小距离原则进行模式归类。 首先任意选择一个模式样本作为第1个聚类中心，再选择一个与第1个聚类中心最远的样本作为第2个聚类中心。然后逐个计算其余各模式样本与所选出的两个聚类中心之间的距离，并选出其中的最小距离，之后在所有模式样本的最小值中选出最大距离，若该最大值达到第1个聚类中心与第2个聚类中心距离的一定比例以上，则相应的样本点取为第3个聚类中心。否则，若无新聚类中心，则找聚类中心过程结束。如果有第三个聚类中心存在，则根据上面所述先取
<weixin_45251017> 上传 | 大小：5kb

[机器学习] perceptron.cpp

说明：对于初始的或者迭代中的增广权矢量，用训练模式检验其合理性。当不合理时，对其进行校正，利用梯度下降法。梯度下降法也是人工神经网络中线性阈值神经元的学习算法。给定一个增广的训练模式集合，其中每个模式类别已知。首先进行初始化，对训练模式进行增广化和符号规范化，设置迭代步数，赋给增量一个正的常数；分别赋予初始增广权矢量的各分量较小的任意值。输入训练模式，计算判别函数值。按照四条规则调整增广权矢量。在用全部模式训练完一轮后，如果仍有模式被错分，则需要进行第二轮、第三轮迭代，直到所有模式都能够正确分类为止。
<weixin_45251017> 上传 | 大小：4kb

[机器学习] K均值算法的C++实现.cpp

说明：用C++实现k均值算法。k均值聚类算法(k-means clustering algorithm)是一种迭代求解的聚类分析算法，其步骤是随机选取K个对象作为初始的聚类中心，然后计算每个对象与各个种子聚类中心之间的距离，把每个对象分配给距离它最近的聚类中心。聚类中心以及分配给它们的对象就代表一个聚类。每分配一个样本，聚类的聚类中心会根据聚类中现有的对象被重新计算。这个过程将不断重复直到满足某个终止条件。终止条件可以是没有(或最小数目)对象被重新分配给不同的聚类，没有(或最小数目)聚类中心再发生变化
<qq_40417633> 上传 | 大小：4kb

[机器学习] evaluation_code.tar.gz

说明：人手数据集——VOC格式数据集 来源http://www.robots.ox.ac.uk/~vgg/data/hands/
<cungudafa> 上传 | 大小：13mb

[机器学习] DBRHD数据集（16维与1024维两版）

说明：（1）训练集：7,494个特征向量及对应标签，来源于40位手写者 （2）测试集：3,498个特征向量及对应标签，来源于14位手写者 training1.txt，test1.txt中特征向量为16维； training2.txt，test2.txt中特征向量为1024维； 标签值为0~9的数字 文档每行由特征向量和标签值组成，用逗号分隔
<weixin_46680587> 上传 | 大小：378kb

[机器学习] GMM matlab程序

说明：可以直接使用的高斯混合模型matlab程序，gmm/mog，含有E步和M布。GMM matlab程序 博客地址：https://blog.csdn.net/weixin_43290523/article/details/104967186
<weixin_43290523> 上传 | 大小：3kb

[机器学习] A brief introduction to weakly supervised learning.pdf

说明：Supervised learningtechniques construct predictive models by learning from a large number of training examples, where each training example has a label indicating its ground-truth output. Though current techniques have achieved great success, it is
<hywcxq> 上传 | 大小：866kb

[机器学习] An overview of multi-task learning.pdf

说明：multiple related learning tasks by leveraging useful information among them. In this paper, we give an overview of MTL by first giving a definition of MTL. Then several different settings of MTL are introduced, including multi-task supervised learn
<hywcxq> 上传 | 大小：280kb

[机器学习] MainCode.rar

说明：在MATLAB平台上，从手势特征（Hu矩、傅里叶描述子）的提取量化到采用BP神经网络，贝叶斯分类器的识别，最后到融合特征的优化。N久之后由于有同学需要这篇博客里的这份代码，文件写了说明，方便查看。https://blog.csdn.net/XYY_CN/article/details/100013518
<XYY_CN> 上传 | 大小：1mb

[机器学习] 梯度下降参数辨识.pdf

说明：采用梯度下降法，通过固定学习率、最速下降、共轭梯度三种方法，对定常系统和时变系统进行参数辨识，最后在matlab上设计了识别面板。该文档为该设计的总结文档。
<XYY_CN> 上传 | 大小：1mb

[机器学习] CMSIS-NN.7z

说明：点一下玩一年，CMSIS-NN+stm32F7系列创造轻量化神经网络，将性能提升近5倍。目前，在许多需要在本地进行数据分析的“永远在线”的物联网边缘设备中，神经网络正在变得越来越普及，主要是因为可以有效地同时减少数据传输导致的延时和功耗。 而谈到针对物联网边缘设备上的神经网络，我们自然会想到Arm Cortex-M系列处理器内核，那么如果您想要强化它的性能并且减少内存消耗，CMSIS-NN就是您最好的选择。基于CMSIS-NN内核的神经网络推理运算，对于运行时间/吞吐量将会有4.6X的提升，而对
<weixin_42942135> 上传 | 大小：2mb