![](https://img-blog.csdnimg.cn/20201014180756738.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
知识汇总
是可帅鸭
北海虽赊,扶摇可接。东隅已逝,桑榆非晚。
展开
-
理解Band selection中的MVPCA和NAPC
相关公式推导MVPCAMVPCA具体推导NAPCNAPC具体推导 本文是对论文:《A Joint Band Prioritization and Band Decorrelation Approach to Band Selection for Hyperspectral Image Classification》有关公式的推导和理解。针对的是PCA-BASED BAND PRIORITIZATION的两种方法:MVPCA和NAPC。(感谢依婷学姐的帮助!)MVPCA 原创 2020-11-09 22:46:07 · 1593 阅读 · 2 评论 -
whitening(白化)
举例理解白化PCA原创 2020-11-06 15:34:46 · 1756 阅读 · 0 评论 -
Maximum Noise Fraction(MNF)算法理解
Maximum Noise Fraction(MNF)介绍 最大噪声比率MNFMNFMNF(Maximum Noise Fraction)1变换方法,也是一种常用的高光谱图像数据特征提取方法。MNF方法根据图像质量排列成份,图像质量的衡量标准是噪声分数,也就是MNF中的NF。NF=aTSNaaTSaNF = \frac{a^{T}S_{N}a}{a^{T}Sa}NF=aTSaaTSNa 在上式中,aaa是变换矩阵,SNS_{N}SN是噪声的协方差矩原创 2020-11-03 02:40:33 · 4292 阅读 · 1 评论 -
如何理解信噪比SNR在图像中的应用
图像中的信噪比SNR信噪比SNR的定义信噪比,英文名称叫做SNR或S/N(SIGNAL-NOISE RATIO),又称为讯噪比。是指一个电子设备或者电子系统中信号与噪声的比例。这里面的信号指的是来自设备外部需要通过这台设备进行处理的电子信号,噪声是指经过该设备后产生的原信号中并不存在的无规则的额外信号(或信息),并且该种信号并不随原信号的变化而变化。同样是“原信号不存在”还有一种东西叫“失真”,失真和噪声实际上有一定关系,二者的不同是失真是有规律的,而噪声则是无规律的。...原创 2020-11-02 18:18:19 · 7261 阅读 · 0 评论 -
简单来理解PCA算法
快速了解PCA算法 PCA(Principal Component Analysis),即主成分分析方法,是一种使用最广泛的数据降维算法。PCA的主要思想是将n维特征映射到k维上,这k维是全新的正交特征也被称为主成分,是在原有n维特征的基础上重新构造出来的k维特征。1基于特征分解实现的PCA2基于特征分解协方差矩阵实现的PCA的算法步骤:设有m条n维数据。 1)将原始数据按列组成n行m列矩阵X 2)将X的每一行(代表一个属性字段)原创 2020-11-01 21:32:33 · 930 阅读 · 1 评论 -
如何求矩阵的特征值和特征向量
举例求解矩阵的特征值和特征向量(先明确:只有方阵才能求出特征值,非方阵只能求奇异值) 直接举一个例子:求下面矩阵M的特征值和特征向量。M=[460−3−50−3−61] M =\begin{bmatrix} 4 & 6 & 0 \\ -3 & -5 & 0 \\ -3 & -6 & 1 \end{bmatrix} M=⎣⎡4−3−36−5−6001⎦⎤ 设矩阵M的特征值为λ原创 2020-10-30 16:41:47 · 57213 阅读 · 6 评论 -
简单理解小批量梯度下降中模型参数的更新过程
如何理解小批量梯度下降中模型参数的更新过程如何更新每经历一次Batch后的参数使用小批量的平均损失来更新如何更新每经历一次Batch后的参数 在小批量随机梯度下降(mini-batch stochastic gradient descent)中,它先选取一组模型参数的初始值(如随机选取);接下来对参数进行多次迭代,使每次迭代都可能降低损失函数的值。使用小批量的平均损失来更新 在每次迭代中,先随机均匀采样一个由固定数目训练数据样本所组成的小批量(mini-b原创 2020-10-21 18:32:52 · 1450 阅读 · 0 评论