数学
a_eastern
这个作者很懒,什么都没留下…
展开
-
快速排序笔记
快速排序核心思想找一个参考点做中心轴;将大于中心轴的数据放在中心轴的右边,小于中心轴的数据放在中心轴左边;分别对中心轴左右子序列再进行1,2步的操作(即递归)代码实现自定义类型实现#include<iostream>#include<ctime>#include<algorithm>using namespace std;//void swap(int index1, int index2, int* array)//{// int temp原创 2021-04-13 11:11:45 · 84 阅读 · 0 评论 -
文献管理软件Mendeley使用说明
功能添加文献管理文献引用文献导出文献添加文献第一种方法点击左上角add,添加文件夹,添加加文件夹里面的文献、监视文件夹里面的文献(亮点)注:添加文献后会自动识别文献的名字作者等信息,如果识别不对还可以手动在右边窗口里面修改第二种方法浏览网页时从浏览器添加,需要借助软件工具Tools → Install Web Importer(科学上网),装好后浏览器上会有一个标志,效果图大概如下:第三种方法使用自带搜索功能管理文献1.绿点表明文档未读,点击绿点切换已读和未读。可以将喜欢原创 2020-10-30 19:02:20 · 1286 阅读 · 0 评论 -
MATLAB删除矩阵全零行
删除全零行all函数:检测矩阵中是否全为零元素扩充:any函数,检测矩阵中是否有非零元素,有返回1,无返回0**vector = all(array, 1)**返回一个行向量,可以认为all(A, 1)等价于all(A)**vector = all(array, 2)**返回一个列向量,用于检测每一行是否全为非零元素,如果某一行中有一个元素为零,则返回0,如果某一行中全为非零元素,则返回1,由此构成一个列向量。例子删除全零行>> a = [1,1,1;0,0,0;2,2,2]原创 2020-08-20 15:11:05 · 6477 阅读 · 0 评论 -
图像中的高频与低频
之前在看傅里叶变换有关的知识点时有一个问题当时疑惑了一下,记得书上说是图像中低频成分对应图像中的图像变化缓慢的灰度分量,高频成分对应图像内变化越来越快的分量,当时觉得图像中变化缓慢的分量不是非常多吗,出现的次数多吗?那不是应该这些成分应该是高频分量吗?带着这个疑问查了一些资料,觉得这样理解比较合适:我们将图像中的灰度值进行画点,图形灰度变化缓慢的部分画出来的曲线肯定是比较平缓的曲线,跨度比较大,那么就对应的低频成分,而图像灰度变化较快的部分比如边缘部分画出来的曲线肯定非常陡峭周期短,那么它对应的就是高频部原创 2020-08-10 16:56:54 · 1292 阅读 · 0 评论 -
体素与像素笔记
体素与像素体素是三维空间中的概念,是数字数据于三维空间分割上的最小单位,体素全程体积元素。像素是二维空间中的概念,是数字数据于二维空间分割上的最小单位,像素的理解可以理解为一幅图形划分为很多小方格,像素就是那个小方格。...原创 2020-07-22 11:20:41 · 5157 阅读 · 0 评论 -
基于python的新冠肺炎SEIR简易模型
常见的传染病模型有SI、SIR、SIS、SIRS、SEIR等模型,这些模型的具体公式在本文中就不写了,大概提一下这几个字母代表的意义。S:易感染者E:潜伏者I:感染者R:康复者我写的SEIR模型中还引入了一个D参数,代表死亡者,我查看了很多博客很多里面都忽略了这个参数,可能是有其他考虑,因为这个模型本身就不是一个很精确的模型,仅供参考作用,所以这里对精确性不做评价。代码及结果如下;import numpy as npimport matplotlibimport matplotlib.pyp原创 2020-06-07 22:33:37 · 8257 阅读 · 4 评论 -
tf基础
tf张量张量在深度学习中非常重要,它是tf的核心组件之一,可以将其简单理解为多维数组。在tf中,0阶张量表示标量scalar,一个标量便是一个单独的数,是计算的最小单元,第一阶张量为向量,向量是由多个标量构成的一维数组,其中的标量是有序排列的;第n阶张量可以理解为一个n维数组。但张量中实际并没有真正的保存数字,只是保存了如何得到这些数字的计算过程,在tf中的实现并不是直接采用数组的形式,它只是对tf中运算结果的引用。以下的例子创建了不同的张量,创建具体张量的方法没有仔细说明,用到的画百度即可,比较简单原创 2020-05-30 15:52:40 · 207 阅读 · 0 评论 -
旋转矩阵推导
旋转矩阵的推导如图:原创 2020-04-21 23:34:48 · 193 阅读 · 0 评论 -
人工智能之模拟退火算法理解
模拟退火法我个人理解的模拟退火法就是以一定概率接收一个比当前解还要差的解,并且这个概率随着时间推移越来越小,这样就可以以一定的概率把局部最优解当做全局最优解。以该图为例说明,假如我们要在上图寻找y值最高点,模拟退火算法就是为了避免找到B点这个局部最高点并把它当成全局最高点而设置的,模拟退火算法通过以一定概率接收一个比当前还要差的解来来避免这个问题,对应图中在找到B点后会以一定概率接受一个比B...原创 2020-04-07 10:38:55 · 371 阅读 · 0 评论 -
机器学习数学知识之范数
关于范数的理解范数的本质是距离,可以这样理解范数:0范数是一个向量中非零元素的个数,而1范数可以理解为绝对值之和,2范数则指模。范数有矩阵范数和向量范数之说,向量范数不在赘述,说一下矩阵范数。矩阵范数有1范数,1范数是指 列和范数,即所有矩阵列向量绝对值之和的最大值。2范数,2范数是指谱范数,即A’A矩阵的最大特征值的开平方。无穷-范数,无穷范数是指行和范数,可以理解为所有矩阵行向量绝对...原创 2020-04-03 09:30:42 · 849 阅读 · 0 评论 -
奇异值分解svd的作用
奇异值分解svd的作用奇异值分解可以用来求矩阵的伪逆,进而可以解决一些线性最小平方、最小二乘法问题还有一些其他作用比如平行奇异值和矩阵近似值...原创 2020-03-31 23:05:47 · 390 阅读 · 0 评论 -
相似对角化的意义
相似对角化的意义直接上结论:相似对角化的可以解耦,可以求解矩阵方程相关解释:以AX=bAX=b来说,如果AA不是对角的,那么意味着xx的各分量和bb的各分量的关系是耦合的通过相似对角化可以把方程变换成下面这个形式:Λx 0=b0,此时b0与x0一一对应,称为解耦...原创 2020-03-31 22:07:36 · 2742 阅读 · 0 评论