课程笔记-三维点云处理03 ——Clustering聚类
本系列笔记是对深蓝学院所开设的课程:《三维点云处理》的笔记
课程每周更新,我也会努力将每周的知识点进行总结,并且整理成笔记发上来,欢迎各位多多交流&批评指正!!
本文主要为课程第三章的笔记!
课程链接:
目录
正式内容:
####################################################
Math prerequisite
聚类定义
聚类就是一种按一定特征分类的问题:
上图为五种常见的python交互算法
方法的背后有很多的数学原理
线性代数、高等数学、概率论等一些数学基础都会被用到
线性代数方面
- 谱定理(之前课上有讲过)
- 瑞丽熵
上面两个定理都非常的重要,在谱聚类的时候会用到。
概率论方面
- 联合概率 离散、连续都需要讨论
2. 边缘分布 marginalization
一个联合概率的 heatmap
离散的情况:
3. 条件概率
联合概率不关心另一个参数,而条件概率需要知道参数,只考虑这一条线就好了 而联合概率是一整条线的分布
条件概率并不是一个合法的分布,但是可以通过一个归一化进行分布
条件概率并不是一个合法的分布,但是可以通过一个归一化进行分布,即贝叶斯公式
进一步 贝叶斯公式可以被拓展成四种公式。
4. 图论相关知识
有向图:即两个参数是有联系的(有相关性)就可以以有向图的形式表示
如果两个事件独立,则无法用有向图表示
- 需要记住公式 p(x,z) =p(z)p(x|z) 以及右边的两节点的有向图 后续会用到
无向图: 各个参数之间只有联通关系而没有因