数学
logooooooogol
这个作者很懒,什么都没留下…
展开
-
傅立叶变换的一种理解方式
看小象学院邹博的视频,他对傅立叶变换的一个理解很特别,特记录如下: 单位向量:a={a1,a2,…an},b={b1,b2,…bn},可以通过其夹角来衡量两个向量的相似度F, 设夹角为θ\theta,则F=cosθF=cos\theta=a1*b1+a2*b2+…an*bn; 假设向量a和函数f(x)对应,b和函数g(x)对应,x={1,2,…n},则可以根据上式类比得到两个函数的相似度F=∑原创 2017-11-19 21:10:15 · 1921 阅读 · 0 评论 -
卷积Convolation
信号处理领域: ∫f(t)g(τ−t)dt\int f(t)g(\tau -t)dt即为f(t)同g(t)的卷积,如果f(t)为原始信号,g(t)为某滤波器,那么卷积就是滤波器g(t)对f(t)进行滤波的结果。、 类推到图像处理领域: 原始图像用矩阵A表示,滤波器对应卷积核矩阵B,沿着A取对应和A相同大小矩阵,将对应元素相乘并求和可得到矩阵C,C即为处理后的图像,取不同的卷积核,就能对图像作不原创 2017-11-19 23:17:38 · 226 阅读 · 0 评论 -
奇异值分解:SVD
SVD:Singular Value Decomposition 对于任意实数矩阵Am∗nA_{m*n},可进行分解: Am∗n=Um∗m∑m∗nVn∗nA_{m*n}=U_{m*m}\sum_{m*n}V_{n*n},其中: ∑m∗n=⎧⎩⎨⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪λ100λ2...λn⎫⎭⎬⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪\sum_{m*n}=\begin{Bmatrix} \lambda _{1原创 2017-11-19 23:37:20 · 132 阅读 · 0 评论