- 博客(2)
- 收藏
- 关注
RSS订阅原创 国科大模式识别第五次作业
寻找一组投影方向，使样本在投影之后 （即在新坐标系下）类内样本点尽可能靠近， 类间样本点尽可能相互远离，提升样本表示的分类鉴别能力。投影方向数小于原始数据的维度，因此投影样本即相当于将样本在子空间内进行表示，从而达到降维的目的。即将数据在新坐标系下进行表示，保留少数在方差最大方向上的投影，达到数据变换、尽可能地保留原 始数据信息 和降维的目的。PCA是无监督学习方法，通过学习数据的协方差矩阵的特征向量，选择前k个特征向量构成变换矩阵，将数据映射到新的低维空间。可以根据需要扩展维度范围。
2023-12-19 09:32:31
156
原创 WeatherStream: Light Transport Automation of Single Image Deweathering （一个在各方面近乎完美的真实世界数据集）
退化图像 d ̃ 和干净图像 c ̃在光照上应该是保持一致的，但这种变化很难用公式来量化，因为下落粒子的遮蔽效应，与照明变化在不受控制的场景中可能会相互混淆，因此我们引入了种子模型发挥作用。我们可以将干净和退化图像的之间的光强变化写成与背景强度I_bg线性相关的形式,说明天气的伪影在对[R,G,B]像素在一个曝光时间T上的影响应该是各向同性的。由于对不受控制的场景的照明先验未知的，故无法使用准确的数学模型来描述这种情况，在实际情况中下落的颗粒（雨和雪）也会影响环境的整体亮度。（如物体，光照源的变化。
2023-12-19 09:29:56
34
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