B0tt3rf1y

目录Metropolis-Hasting抽样算法1. 随机模拟的基本思想2. 拒绝抽样3. Metropolis-Hastings抽样3.1 引入思想3.2 理论基础：细致平稳条件3.3 M-H算法实现3.4 算法升级3.5 仿真实验Metropolis-Hasting抽样算法1. 随机模拟的基本思想假设我们有一个矩形区域RRR，面积为S0S_0S0​。在此区域中，有一个不规则区域MMM，其面积SSS待求。方法1：把不规则区域MMM划分为多个小的规则区域，由这些规则区域的面积总和S′S'S′近似。

目录MLE (Maximum Likelihood Estimation)MAP (Maximum A Posteriori)p(x∣θ)p(x|\theta)p(x∣θ)若 θ\thetaθ是确定值,xxx是变量，则p(x∣θ)p(x|\theta)p(x∣θ)描述了不同的X=xX=xX=x出现的概率 --> 概率函数 probability若 θ\thetaθ是变量,xxx是已知数据，则p(x∣θ)p(x|\theta)p(x∣θ)描述了不同的模型参数下出现这个xxx的概率 --> 似

Radon变换和Hough变换类似，最初适用于检测图像中的直线（例如笔直的街道边沿、房屋的边沿、笔直的电线等）。关于Hough变换，可以参考OpenCV中的代码和示例（其实除了Hough Lines还有Hough Circles等等变种），此处不再赘述。关于Radon变换，可以参考wiki或者百科，或者网络上的其他资料介绍。这里做一个简单的总结。首先准备一张灰度化的图像，及黑白图像