自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+

jiangjiane

往者不悔,来者不豫

  • 博客(6)
  • 收藏
  • 关注

原创 在Debian/Ubuntu环境下更新chrome

1、从官网安装的chrome会自动配置好更新源。手动更新只需要执行:12sudo apt-get updatesudo apt-get install -y google-chrome-stable2、如果是安装的 chromium (chrome的非商业版本),则是这样:12

2017-03-14 22:53:54 7118

转载 混合高斯模型

混合高斯模型转载自http://blog.csdn.net/wqvbjhc/article/details/5485242混合高斯模型跟高斯变量之和看起来有一点像, 注意不要把它们弄混淆了. 混合高斯模型给出的概率密度函数实际上是几个高斯概率密度函数的加权和:其中 . 定义事件 , 则 . 据此可以产生服从上述混合高斯概率密度分布的样本.

2017-03-13 16:19:29 813

转载 主成分分析(PCA)

协方差矩阵——PCA的关键。    PCA的目的就是“降噪”和“去冗余”。“降噪”的目的就是使保留下来的维度间的相关性尽可能小,而“去冗余”的目的就是使保留下来的维度含有的“能量”即方差尽可能大。那首先的首先,我们得需要知道各维度间的相关性以及个维度上的方差!那有什么数据结构能同时表现不同维度间的相关性以及各个维度上的方差呢?自然是非协方差矩阵莫属。回忆下《浅谈协方差矩阵》的内容,协方差矩

2017-03-03 16:18:30 839

原创 Ubuntu14.04下Dipy包安装

参见Dipy官方文档安装

2017-03-03 16:08:10 736

原创 Ubuntu14.04下MRtrix3安装

MRtrix3简介及安装包下载:MRtrix31、安装MRtrix3前的依赖包需求C++11 编译器 (GCC version >= 4.8, clang)Python version >= 2.7 zlib 压缩包Eigen version 3.2 (不要安装测试版)Qt version >= 4.7 [只需要GUI部分],该部分是为了使用MRtrix3的GUI部分:mrview

2017-03-03 16:01:45 2233 1

转载 协方差计算及意义

均值、方差、标准差学过概率统计的孩子都知道,统计里最基本的概念就是样本的均值,方差,或者再加个标准差。首先我们给你一个含有n个样本的集合,依次给出这些概念的公式描述,这些高中学过数学的孩子都应该知道吧,一带而过。很显然,均值描述的是样本集合的中间点,它告诉我们的信息是很有限的,而标准差给我们描述的则是样本集合的各个样本点到均值的距离之平均。以这两个集合为例,[0,8,1

2017-03-03 15:16:15 316

空空如也

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

提示
确定要删除当前文章?
取消 删除