语言是一种复杂的自然习得的人类运动能力。成人的特点是通过大约100块肌肉的协调运动，每秒发出14种不同的声音。说话人识别是指软件或硬件接收语音信号，识别语音信号中出现的说话人，然后识别说话人的能力。特征提取是通过将语音波形以相对最小的数据速率转换为参数表示形式进行后续处理和分析来实现的。因此，可接受的分类是从优良和优质...

在本文中，我们将探讨“二次方”和“nlog(n)”等术语在算法中的含义。在后面的例子中，我将引用这两个数组，一个包含5个元素，另一个包含50个元素。我还会用到 JavaScript 中方便的 performanceAPI 来衡量执行时间的差异。constsmArr=[5,3,2,...

在信息安全越来越受重视的今天，前端的各种加密也变得更加重要。通常跟服务器的交互中，为保障数据传输的安全性，避免被人抓包篡改数据，除了https的应用，还需要对传输数据进行加解密。目前常见的加密算法可以分成三类对称加密算法：AES、...非对称加密算法：RSA、...Hash算法：MD5、... 对称加密(也叫...

  一个提供了百度坐标（BD09）、国测局坐标（火星坐标，GCJ02）、和WGS84坐标系之间的转换的工具模块。python版本：https://github.com/wandergis/coordTransform_py命令行版本(支持模块或在命令行直接转换geojson数据)：https://g...

在机器学习、深度学习中使用的优化算法除了常见的梯度下降，还有Adadelta，Adagrad，RMSProp等几种优化器，都是什么呢，又该怎么选择呢？在SebastianRuder的这篇论文中给出了常用优化器的比较，今天来学习一下：https://arxiv.org/pdf/1609.04747.pdf本文将梳理：每个...

30November201918:31  人类历史上，除了计算机外从没有一项技术可以在短短的几十年间，能够全方位的影响整个社会的各个领域。技术的发展，少不了许多代人为之的努力。无论是在计算机硬件上，还是在实现的算法上，这其中有着大量非常精巧的设计，在后面的文章中，将会不定期的把这些知识展现出来。这次介绍一个在隐私保护领...

 4.Faster-R-CNN:TowardsReal-TimeObjectDetectionwithRegionProposalNetworks在之前介绍的Fast-R-CNN中，第一步需要先使用SelectiveSearch方法提取图像中的proposals。基于CPU实现的SelectiveSearch...

 3.Fast-R-CNN基于R-CNN和SPP-Net思想，RBG提出了Fast-R-CNN算法。如果选用VGG16网络进行特征提取，在训练阶段，Fast-R-CNN的速度相比RCNN和SPP-Net可以分别提升9倍和3倍；在测试阶段，Fast-R-CNN的速度相比RCNN和SPP-Net可以分别提升213...

2.SPP-Net:SpatialPyramidPoolinginDeepConvolutionalNetworksforVisualRecognition） 传统CNN和SPP-Net流程对比如下图所示（引自http://www.image-net.org/challenges/LSVRC/2014/sli...

1.R-CNN：Richfeaturehierarchiesforaccurateobjectdetectionandsemanticsegmentation技术路线：selectivesearch+CNN+SVMsStep1:候选框提取(selective search)训练：给定一张图片，利用seleti...

1.SimHash与传统hash函数的区别　　传统的Hash算法只负责将原始内容尽量均匀随机地映射为一个签名值，原理上仅相当于伪随机数产生算法。传统的hash算法产生的两个签名，如果原始内容在一定概率下是相等的；如果不相等，除了说明原始内容不相等外，不再提供任何信息，因为即使原始内容只相差一个字节，所产生的签名也很可能...

     该方法给出的表达式为：          首先，λ被称之为权重向量，观察和式，这完全就是m维向量的点乘公式嘛。具体的说，在目标空间中，把算法求出的...

       图1     如上图所示，白色那一行描述由一个隐藏的马尔科夫链生成不可观测的状态随机序列，蓝紫色那一行是各个状态生成可观测的随机序列    &nb...

DBSCAN（Density-BasedSpatialClusteringofApplicationswithNoise，具有噪声的基于密度的聚类方法）是一种基于密度的空间聚类算法。该算法将具有足够密度的区域划分为簇，并在具有噪声的空间数据库中发现任意形状的簇，它将簇定义为密度相连的点的最大集合。该算法利用基于密度的聚...

 基本思想：如果单个分类器表现的很好，那么为什么不适用多个分类器呢？通过集成学习可以提高整体的泛化能力，但是这种提高是有条件的：（1）分类器之间应该有差异性；（2）每个分类器的精度必须大于0.5；如果使用的分类器没有差异，那么集成起来的分类结果是没有变化的。如下图所示，分类器的精度p<0.5，随着集成规...