Coding the Matrix
云端暮雪
研究领域:统计模式识别,机器学习算法,统计信号处理,医疗影像辅助诊断。其他个人爱好:摄影。
展开
-
Coding the Matrix: Week 4 The Basis 学习笔记
本周课程主要内筒:坐标系统(Coordinate System);线性相关性;基底(Basis)与基底变换;交换定理;图像的投影表示。先了解坐标系统与坐标表示(Coordinate representation)的基本概念:向量空间 V 的坐标系统用 V 的生成器a1,a2,……,an表示;向量空间 V 中的每个向量 v 都可以用线性组合的形式表示为 v = a原创 2013-08-15 15:52:49 · 1495 阅读 · 0 评论 -
Coding the Matrix: Week 3 The Matrix 学习笔记
本周课程介绍了矩阵(Matrix),主要有以下几点内容:矩阵向量相乘:向量矩阵相乘;矩阵函数关系;矩阵矩阵相乘;矩阵的逆。接下来详细说明一下相关内容:首先,什么是矩阵?传统定义矩阵为一个二维数组。关于矩阵的一些最基础的操作这里不展开来讲。对于矩阵与向量的乘法运算,可以分为两种:矩阵向量相乘和向量矩阵相乘,而每一种又有两种定义:线性组合和点乘。当然要进行合法运算,还需要两原创 2013-08-10 11:14:34 · 1989 阅读 · 0 评论 -
Coding the Matrix: Week 5 The Dimension 学习笔记
本周课程主要内容有:空间维度和向量集的秩;直和;矩阵可逆判据;空间的对偶表示。由变形引理(Morphing Lemma):V 为向量空间,A 为 V 的一组生成集,B 为 V 的一组基底(Basis),则有 | B | 可以得到两个重要的定理:向量空间 V 的所有基底都是它的最小生成集。向量空间 V 的所有基底具有同样的大小(Size)。基于这样的事原创 2013-08-20 11:08:30 · 2339 阅读 · 0 评论 -
Coding the Matrix: Week 6 Gaussian Elimination and the Inner Product 学习笔记
本周课程主要内容有:高斯消元法及其应用;内积定义与正交基础。在前面章节的算法练习中,我们使用 solver 模块求解线性方程的解,那么,该模块是如何实现的呢?首先介绍高斯消元法(Gaussian elimination),它的应用场合有:寻找给定向量跨度(Span)的基底。这一应用同时可以提供求秩以及判定线性相关性的算法。求解矩阵方程,等同于将一个给定向量表示为原创 2013-08-26 11:42:14 · 1862 阅读 · 0 评论 -
Coding the Matrix: Week 7 Orthogonalization 学习笔记
<a href="http://www.codecogs.com/eqnedit.php?latex=P(x|c)=\frac{P(c|x)\cdot P(x)}{P(x)}" target="_blank"><img src="http://latex.codecogs.com/gif.latex?P(x|c)=\frac{P(c|x)\cdot P(x)}{P(x)}" title="P(x|c)=\frac{P(c|x)\cdot P(x)}{P(x)}" /></a>原创 2013-08-26 17:23:41 · 1103 阅读 · 0 评论