機器學習知識點

1. KNN 不适合用來對特征分布進行分析。

2. 強化學習中的MDP模型：環境狀态的集合；動作的集合；在狀态之間轉換的規則；規定轉換後“即時獎勵”的規則；描述主體能夠觀察到什麼的規則。

3.OTSU推到https://www.cnblogs.com/ranjiewen/p/6385564.html

4.繪制曲線

plt.plot(hist.history['loss'])
plt.plot(hist.history['val_loss'])
plt.title('model loss')
plt.ylabel('loss')
plt.xlabel('epoch')
plt.legend(['train', 'test'], loc='upper left')
plt.show()
           

5.svm http://blog.sina.com.cn/s/blog_6ae183910101cxbv.html

6.樸素貝葉斯 http://python.jobbole.com/88007/

7.圖像拼接https://www.cnblogs.com/skyfsm/p/7411961.html

8.參與點乘的兩個Mat矩陣的資料類型（type）隻能是 CV_32F、 CV_64FC1、 CV_32FC2、 CV_64FC2 這4種類型中的一種。若選用其他類型，比如CV_8UC1，編譯器會報錯：

9.Mask_RCNN相關，Mask-RCNN技術解析，MASK_RCNN訓練自己的資料集，使用labelme制作自己的資料集，Mask_RCNN訓練自己的資料，圖像語義分割，Mask RCNN訓練

10.高斯核中sigma的計算：Canny邊緣檢測算法原理及C語言實作詳解

11.邊緣檢測（垂直邊緣、水準邊緣）：卷積神經網絡

12.霍夫圓變換：Stack Overflow