- 博客(2)
- 收藏
- 关注
RSS订阅原创 卡尔曼滤波
文章目录1贝叶斯滤波1.1理论基础1.2贝叶斯滤波算法2卡尔曼滤波 1贝叶斯滤波 1.1理论基础 （1）本质：通过贝叶斯公式对随机信号处理，从而减小不确定度（即方差）。 （2）随机过程：x1,…,xn为随机变量，但不独立。 主观概率（先验概率）（实验前）， 引入外部观测（证据、信息）， 得到相对客观的概率（后验概率）（实验后）。 （3）先验概率、后验概率、似然概率： 离散举例：温度测量T实际温度、Tm温度计测量温度T实际温度、T_m温度计测量温度T实际温度、Tm温度计测量温度 a. 先验概率分布 {P(T
2020-10-14 13:14:29
149
原创 《卷积神经网络与计算机视觉》笔记
2.3.2随机森林（RDF） 随机决策森林[1986]是决策树的集成。分支节点基于特征向量的特定特征值f[i]（即下图中判断图片上/下部分是否为蓝色）根据阈值τi\tau_iτi执行二元分类，每个叶子存储最终标签。每棵树独立预测，最终使用多数投票方案用于预测特征向量的最终标签。 训练： 搜索最好的f[i]和τi\tau_iτi以获得最大的信息增益。 将数据集Q划分为左分区QlQ_lQl和QrQ_rQr之后的信息熵为： H(Q∣f[i],τi)=∣Ql∣∣Q∣H(Ql)+∣Qr∣∣Q∣H(Qr)H(.
2020-09-23 20:43:43
588
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人