http://cl.sd.tmu.ac.jp/prospective/readings をながめていたら、自分のメモも残しておきたくなった。[教科書] ・パターン認識と機械学習（PRML） 定本。昔輪講で使った ・自然言語処理のための機械学習入門 自然言語処理にかぎらず入門として良かった。ベ…

まとまってて便利 http://opencv.jp/cookbook/opencv_img.html

http://docs.opencv.org/2.4/doc/tutorials/imgproc/shapedescriptors/bounding_rotated_ellipses/bounding_rotated_ellipses.html #include "opencv2/highgui/highgui.hpp" #include "opencv2/imgproc/imgproc.hpp" #include <iostream> #include <stdio.h> #include <stdlib.h> using na</stdlib.h></stdio.h></iostream>…

import numpy as np from sklearn import datasets import math from pylab import * iris = datasets.load_iris() irisdata = iris.data irislabel = iris.target def calcDistance(point,target): xp=point[0] yp=point[1] xt=target[0] yt=target[1] dist…

あるデータxからx'への到達可能距離RDの定義（はxにk番目に近いデータ） 局所到達可能密度LRDの定義 局所異常因子LOFの定義

正規方程式の導出と計算例 http://mathtrain.jp/seikiequ 二次形式の微分 http://mathtrain.jp/quadraticformを使うことで（２次形式の微分）, => となる。

インパルス応答を畳み込んでフーリエ変換すればノイズが除去できる どのようにインパルス応答を測定するか？一般的には計測が難しい インパルス応答のラプラス変換が伝達関数だから、伝達関数を調べて逆ラプラス変換すればいい ではどのように伝達関数を計測…

# coding:utf-8 import numpy as np from pylab import * import pdb f = np.matrix([0,1,1,2,3,2,3,2]).transpose() plot(f) show() w8 = e**(pi/4*1j) #1の原始8乗根 w4 = e**(pi/2*1j) #1の原始4乗根 w2 = e**(pi*1j) #1の原始2乗根 a0 = f[0] a1 = f[1] …

離散フーリエ変換を1の原始N乗根による表現で計算する1の原始N乗根の定義：N=8の場合 import numpy as np from pylab import * import pdb f = np.matrix([0,1,1,2,3,2,3,2]).transpose() plot(f) show() w8 = e**(pi/4*1j) A = 1/8.0 * np.matrix([ [1,1,1,…

うまくいかない うまくいきそうなものなんだけど #coding:utf-8 from pylab import * import cv2 from sklearn.cluster import KMeans image = cv2.imread('chip.png',cv2.CV_8UC1) image = cv2.adaptiveThreshold(image, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN…

http://www.pyimagesearch.com/2016/02/01/opencv-center-of-contour/ from pylab import * import imutils import cv2 image = cv2.imread('chip.png', cv2.CV_LOAD_IMAGE_GRAYSCALE) thresh = 250 im_bw = cv2.threshold(image, thresh, 255, cv2.THRESH_B…

https://stackoverflow.com/questions/27299405/get-area-within-contours-opencv-python image = cv2.imread('chip.png',cv2.CV_8UC1) image = cv2.adaptiveThreshold(image, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY_INV, 45, 0) se = np.…

サンプルデータ生成 from numpy.random import * fout = open("out.txt",'w') a = 20 b = -15 for x in range(100): y = a*x + b + normal(0,20) fout.write("{0},{1}\n".format(x,y)) fout.close() 正規方程式を解く import numpy fin = open('out.txt','r'…