根据朴素贝叶斯（Naive Bayes）算法¹，对以下混在一起十个分类的文档集合进行分类。

Torch是一个基于LuaJIT的科学计算框架。

详情见 http://torch.ch/

学习图像分割，使用属于图割（Graph Cut）方法的Efficient Graph-Based Image Segmentation进行实验。

根据信息搜索的向量模型(Vector model)¹，基于倒排索引结构²，实现一个简单的搜索引擎（Vector Space Retrieval (VSR)）。

提取视频中的光流特征，并进行人体动作识别。

针对给定的文档集合，基于潜在语义索引原理（Latent Semantic Indexing, LSI），构建一个简单的搜索算法。

Jena是一个用于构建语义网（Semantic Web）和Linked Data应用的Java开源框架，可处理RDF数据，详见：https://jena.apache.org/

(CVPR 2016) Deep Metric Learning via Lifted Structured Feature Embedding

Paper: http://www.cv-foundation.org/openaccess/content_cvpr_2016/papers/Song_Deep_Metric_Learning_CVPR_2016_paper.pdf

Project Page: http://cvgl.stanford.edu/projects/lifted_struct/

Code: https://github.com/rksltnl/Deep-Metric-Learning-CVPR16

学习颜色空间和颜色直方图¹²，使用OpenCV + Python ³进行一些小实验。

在统计学中，最大信息系数用于衡量两个变量\(X\)和\(Y\)的线性或非线性的强度。来自Berkeley的Terry Speed说它是“a correlation for the 21st century”。但也有人说“MIC的统计能力遭到了一些质疑，当零假设不成立时，MIC的统计就会受到影响。在有的数据集上不存在这个问题，但有的数据集上就存在这个问题。”
Continue reading