首先from wiki给出一个标准的连续特征离散化的定义：在统计和机器学习中，离散化是指将连续属性，特征或变量转换或划分为离散或标称属性/特征/变量/间隔的过程。这在创建概率质量函数时非常有用 - 正式地，在密度估计中。它是一种离散化的形式，也可以是分组，如制作直方图。每当连续数据离散化时，总会存在一定程度的离散化误差。目标是将数量减少到手头的建模目的可忽略不计的水平。在银行风控模型的建模...

一．项目简介1.1  LangID & langidLangid是一个现成的语言识别工具。语言识别（LangID）可用于USENET信息，网络搜索词，多语言文本检索，语法分析等领域。从1990年起，LangID就被视为有监督的机器学习任务，并极大地受到文本分类（text categorization）研究的影响[3]。这里我们研究的是单语言（Monolingual...

以下转自：http://blog.csdn.net/qq1175421841/article/details/50312565像点击(clicks)是GUI平台的核心，轻点(taps)是触摸平台的核心那样，手势(gestures)是Kinect应用程序的核心。和图形用户界面中的数字交互不同，手势是现实生活中存在的动作。如果没有电脑我们就不需要鼠标，但是没了Kinect，手势依然存在

原文：http://blog.csdn.net/zouxy09/article/details/7893026相对来说，TLD算是比较入门的跟踪算法了，没有特别复杂的理论原理。实际上，一句话总结，就是中值光流+级联检测（依次从方差，随机森林，最近邻）的融合部分，之后，根据结果，更新级联检测。但其考虑到了多尺度。直接转大牛的分析，对着代码过了一边，没什么问题。下面是自己在看论文和这些

1

转自：https://blog.csdn.net/aspirinvagrant/article/details/40862237基础知识 条件概率（Conditional Probability）    相互独立时，p(A | B) = p(A) 贝叶斯规则贝叶斯网络（Bayesian Network）定了一个独立的结构：一...

AP3P论文：An Efficient Algebraic Solution to the Perspective-Three-Point Problem从数学的角度，提出了经典P3P算法的更快，更鲁棒，更准确的求解算法。根据已知3对点，可以计算相机位姿和参数。问题定义：给定特征fi i = 1, 2, 3在参考坐标系中的位置,以及特征点在相机坐标系中的方向测量向量，目标是估计相机...

3D姿态估计-POSIT算法POSIT算法，Pose from Orthography and Scaling with Iterations， 比例正交投影迭代变换算法：用于估计物体的3D姿态（相对于镜头的平移和旋转量）。算法正常工作的前提是物体在Z轴方向的“厚度”远小于其在Z轴方向的平均深度，比如距离镜头10米远的一张椅子。算法流程：假设待求的姿态，包括旋转矩阵R和平移

转自：https://www.jianshu.com/p/eff8b41b5edb什么是回归？英国著名统计学家弗朗西斯·高尔顿（Francis Galton,1822—1911）是最先应用统计方法研究两个变量之间关系问题的人。“回归”一词就是由他引入的。他对父母身高与儿女身高之间的关系很感兴趣，并致力于此方面的研究。高尔顿发现，虽然有一个趋势：父母高，儿女也高；父母矮，儿女也矮，但从平均意...

LM算法，全称为Levenberg-Marquard，它可用于解决非线性最小二乘问题，多用于曲线拟合等场合。LM算法的实现并不算难，它的关键是用模型函数 f 对待估参数向量p在其领域内做线性近似，忽略掉二阶以上的导数项，从而转化为线性最小二乘问题，它具有收敛速度快等优点。LM算法属于一种“信赖域法”——所谓的信赖域法，此处稍微解释一下：在最优化算法中，都是要求一个函数的极小值，每一步迭代中，都