最优化方法在图像处理中的应用【1】

本文介绍了凸优化在图像处理中的应用,特别是针对支持向量机(SVM)的学习。课程重点是解决凸优化问题,强调理解模型适用性以避免错误应用。目标包括将实际问题转化为凸优化问题,使用计算机程序求解,并分析解决方案。推荐阅读《Convex Optimization》以深入理解。
摘要由CSDN通过智能技术生成

引言

这篇文章只是做些介绍,以后好知道将来会怎么学习这些方面的知识,另外还有一些英文单词的记录,以便将来能够使用来写点文章,吹吹牛逼。如果你也想跟着学习的话,欢迎跟帖奥。


简介

这门课程中我们学习的都是convex optimization problem,就是凸优化问题的求解问题。注意是“求解”问题。而且每种方法可能都有一些限制的条件,很多工科的学生都喜欢拿来就用,除了问题再说,我,不只是我都很反对这样解决问题,大家一定要明白自己的模型是否能够使用这种方法求解。这样会给我们减少很多麻烦的。

为什么我们专门拿出时间来学习convex optimization呢?呵呵,因为他简单!我去,那它既然简单,我们的实际问题能够解决么?其实我们已经限制了学习范围,也就是说convex optimization problem,要是学好这门课,也许能解个八九不离十。我只能说到这里,因为我知道太有限了。:)

在这门课程里,我们会讲述一个SVM(所谓支持向量机啊),这个东西跟小波、神经网络齐名,曾经的博士们要毕业,要是不知道这三个东西,当今的工科大牛们也许会说你难毕业了!可见这门课程确实很有价值呢!


目标(course goals)

我们的目标是? 多么想回答没有蛀牙!呵呵。把目标定的高一点,即使自己达不到,当我们回头看时,我们也许也成大牛了。

* 能够将某些实际问题做成convex optimization problem!<

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值