jiugeshao的专栏

重点是了解DOG(Difference of Gaussian)高斯差分图像是如何生成的，以及求取关键点，求取关键点的主方向，并以此主方向来做坐标系，梯度方向和梯度幅值按新的坐标系进行计算，构造一个特征向量描述子。这里其实就是通过PCA去求新的坐标系的各坐标轴，一个轴可以认为就是一个特征向量。, 当是一张2000*2000大小图片时，由于直接将图像拉伸为向量，一个样本将达到400万长的一个维度。此篇简单回顾下图像处理领域常用到的一些算法，这边只对每个知识点重要的点做一些记录，便于快速的知其形，会其意。

帖子中的推导是针对某个观测序列出现的概率，其是要求出所有可能的情况，故是在求和计算。那么在算到第3个观测序列是白的时候，要考虑这是从第一个盒子、第二个盒子、第三个盒子拿到的白色的情况，同时也要结合第2序列是从第一个盒子中取出白色，第二个盒子中取出白色，第三个盒子中取出白色这三种情况来计算。resample函数中代码如下，这边的意思是根据权重来产生和该粒子相同的新粒子的个数，那么权重大的就会多复制一些粒子，由于一些粒子不产生新粒子了，那么有可能k的值还不足n个，那么剩余差的粒子统一由最大的粒子来复制。

在学习卡尔曼滤波、粒子滤波、隐马尔可夫模型时候，经常会提到状态方程的概念，这边联想到当时学习过的一门课程现代控制理论，这边就简单回顾一下吧。在回顾之前，串联下高等数学中微分方程的知识点。

一些算法中常会用到线性代数的一些知识，为了便于理解和快速回忆，博主这边对常用的一些知识点做下整理，主要来源于如下这本书籍。1. 矩阵不仅仅是数字排列而已，不然也不会有那么大精力研究它。关于映射，变换的一些帖子可以参考如下的。17.矩阵和坐标系变换的关系。行列式计算也可参考其它帖子。14. Jordan标准型。11. 特征值和特征向量。8. 线性方程组的解。9. 单射，满设，双射。12. 矩阵对角化。

联合分布可以是某个动作在重复做的事件，大数定律描述的也是一个事件，这个事件由重复的某一个动作构成。随着n的增大，Z的方差为0，此时z的期望值即接近为统计出来的平均值。3.随机事件,是指的一个事件,一件事情,如一次实验,要求是其结果是随机的,可以有很多种,如掷骰子有六种结果,但投之前是不可以确定的.而随机变量用来表示随机事件的一种结果或几种结果的集合,如A表示投掷的结果是1,B表示投掷的结果为1或2,等等,总之,随机变量是结果的集合的子集,包括全集。2.事件的概率是衡量该事件发生的可能性的量度。