- 博客(2)
- 收藏
- 关注
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