- 博客(24)
- 收藏
- 关注
RSS订阅原创 pytorch学习
jupyter是将代码分块运行，本质都是同样的，.ipynnb文件后缀，默认保存到当前文件路径。python控制台是类似于matlab的命令行，可以运行一行回车，或者粘贴多行运行，能进入浏览器但不显示线段，tensorboard版本过高。根据损失函数为反向传播参数更新的依据。tag得不同才能识别为不同的文件。python文件是整个文件运行。训练模型：来去得到模型。6.5 搭建神经网络。
2024-08-29 21:23:17
840
原创 统计是一门艺术（非参数假设检验）
当总体分布未知，那么就需要一种与分布具体数学形式无关的统计推断方法，称为非参数方法只能利用样本中的一般信息包括位置和次序关系等稳健性强。
2024-07-06 17:37:34
361
原创 统计是一门艺术（参数假设检验）
在总体分布已知的情况下，对分布中未知参数的检验。（1）相关基本概念零假设/原假设与对立假设/备择假设：任务：根据样本作出是否接受H0复合假设与简单假设：否定域/拒绝域与接受域：假设原假设成立，即a=a0,那么其与样本均值应该差的不太多，如果差的太多，那么就与原先的共有与样本均值应该差的不太多的常识矛盾，那么应该拒绝这个假设（是一种概率意义上的反证法）对于H0:a=a0 H1:a>a0如何确定其拒绝域：即为从到从n维判断变换到了一维判断，当判断区间为一个时，称为单侧检验，当判断区间为两个时，称为双侧检验。检验
2024-06-30 17:18:47
405
原创 统计是一门艺术（区间估计）
均值/均值差d,其中d根据情况不同对于置信限：只需要将改为即可，即为：上限：下限：此时总体不必正态。双正态总体是同样的。
2024-06-25 16:19:11
382
原创 统计是一门艺术(抽样分布)
统计量的充分性包含完全的未知参数的信息定义：条件概率分布没有未知参数因子分解定理——>判断统计量的充分性g(h(T(x)),)*h(x)指数族是天然的因子分解定理，故满足完全性，即为统计量的完全性统计量有没有被压缩完全定义：若统计量的函数的期望=0，则这些函数=0指数族的自然形式——>统计量的完全性在完全充分条件下的独立，完全充分统计量与不与为参数有关的位置参数独立t=N7T8t=N7T8t=N7T8t=N7T8t=N7T8t=N7T8%5CGamma%5CGamma%5Calpha。
2024-06-07 22:10:49
701
原创 统计是一门艺术(统计的基本概念)
样本的二重性：没抽取之前是随机变量，抽取之后就是一个具体的数值，用大写引文字母来表示随机变量或随机向量即为。连续：也即为取值的概率相乘，取值为连续，连续每一点的f(x)的取值即为概率/对概率的有效表征。参数统计推断是分布已知，估计未知参数，非参数统计推断是分布未知，主要是估计分布。总体：研究对象的全体——某个指标的取值的全体，以及取这些值的概率。我们拿到的是数据，不知道总体满足的分布状况或者不知道参数的值。对于i.i.d的情况，离散:即为取值的概率相乘，取值为离散。
2024-05-31 18:24:46
315
原创 InSAR图像处理信号基础3
对于连续系统，我们采用微分方程，那么对于离散系统我们采样差分方程我们主要使用后向差分，如上差分方程，其中方程左边代表响应，右边代表激励。
2024-05-28 18:48:59
432
原创 InSAR图像处理信号基础2
f(t)可以用上述的函数来近似表示当delta趋近于0，原来的矩形便趋近于一条细线，高为函数值，宽为无穷小，即为：此即为卷积积分，即为f(t)可以分解以函数值为强度的若干个冲激函数之和，相当于以极密的间隔切面包。任意函数和冲激函数卷积等于他自身。
2024-05-26 21:57:10
766
原创 InSAR图像处理信号基础1
广义函数Ngφt)]:选择一类性能良好的函数φt作为检验函数(相当于自变量)，一个广义函数gt对检验函数空间中的每个函数φt赋予一个数值N的映射，记为。
2024-05-23 16:12:37
1513
1
原创 nlsar配置（ubuntu18.04）
其中example.rat是原始图，example_nl.rat是nlsar滤波图，example_gauss.rat是高斯滤波图。这三个库是必要，没有就会./configure 失败，其他应该是可选的。使用sudo安装，一般安装到/usr/local/目录下。2.sudo make install后。出现找不到so文件，我采用的是第二种方法。1.安装gcc，gsl，libtiff。（5）将滤波后的图和原始图合并。##安装libtiff。（4）nl-sar滤波。在所含文件目录下执行。
2024-05-11 15:41:25
317
4
原创 InSAR图像处理信号基础4
从整数（无穷）个Ω，到真正意义上的无穷个，这里的F函数就是系数，即每个虚指函数所对应的系数，由此可以得到相位谱和幅度谱。对于三角函数形式的函数，即为nΩ与An和fai之间的关系，对于虚指数信号即为nΩ与Fn的振幅，相位之间的关系。基频其实就是相邻的两个频率之间的距离，第三个就是两个零点之间的距离除以基频，就是一个区间内有多少个点。**按照傅里叶变换的公式进行计算：**采用定义，广义傅里叶变换，分解，其中后两种主要针对绝对不可积。，由此可导出一个nΩ所对应的Fn的振幅和相位，此时对应双边谱。
2024-05-10 13:40:52
823
原创 PCLandOpen3d（点云读写）
代表以ascill编码，即用记事本可以打开，还有binary编码，记事本打开会乱码。open3d保存文件默认以ascill格式保存。代表后面每行有三个数字x，y，z，有时后面会跟上一些其他数字，如强度，rgb数值，法线向量等。b.更改lib和include文件目录。一般用的比较多的是pcd。
2024-04-25 12:33:31
308
1
原创 点云处理过程
通过计算点云描述子，匹配不同点云的描述子，Spin Image特征描述子：在 PCL 源码中的 spin_image.hpp 文件实现了该特征描述子的计算过程，步骤为:确定当前查询点，并确定查询点的旋转轴和旋转半径，根据半径得到查询点附近的k近邻，对于点云配准，不是点越多越好，适当的减少一些多余的点，可以减少计算负担，还可以增加精度，目的是在减少点的同时，尽可能保留点云的特征。SUAN检测：采用圆形模板，对于不同的位置，圆形模板所包含的面积是不同的，以此来判断点的类型，给定阈值即可判断，对于三维？
2024-04-25 09:26:20
2009
1
原创 干涉图处理全流程
（single类型的矩阵），接下来就是在matlab中编写各种滤波处理函数，之后使用上面的colormap进行输出，注意不能直接使用imshow进行输出，因为imshow对于double和single类型的数据识别的范围为0-1。palsar_20100113_144305425_A_HH_slc.shp 包含地理坐标的shp文件（地理坐标系，可与dem对照）显示就不能使用[-pi,pi]的值，必须把它映射到颜色map中，即0-1的rgb，或者0-255的rgb。或者直接使用论文的经纬度。
2024-04-20 00:01:21
661
3
原创 peaks+randn+atan2+unwrap+mod函数
theta = angle(z) 为复数数组 z 的每个元素返回区间 [-π,π] 中的相位角。对每一列的起始位置进行计算，再对每一行进行运算（itoh算法），这个算法即使没有添加噪声也无法恢复原相位，所以不好。，表达式为 b = a - m.*floor(a./m)。b = mod(a,m) 返回 a 除以 m 后的余数，其中 a 是被除数，m 是除数。，计算时，可以先不带符号，按正数对正数取余来得出答案后，根据被余数a的符号来确定符号。与angle(cos(x) + sin(x)*i）= x 相同。
2024-04-17 14:48:24
308
原创 图像分割（图像分类）
参考：<<数字图像处理——使用MATLAB分析与实现>> 清华大学出版社 蔡利梅主编。包括种子点选取，相似性准则，区域停止生长条件。包括三个步骤：边界检测，边界改良，边界追踪。b.1 OTSU（最大类间方差法）缺点：对于边缘恰好为最值未判断。b.基于模式分类思路的阈值选择。b.Hough变换（检测直线）a.基于灰度直方图阈值分割。a.基于梯度的边界闭合。6.基于聚类的图像分割。
2024-04-09 14:36:12
301
原创 图像锐化（边缘检测）
对于imfilter函数，默认相关运算，即模板与函数对应相称，原数组补0，对于奇模板，直接补零即可，对于偶模板，如果指定偶数大小的核 h，则核的中心是 floor((size(h) + 1)/2)。6.频率域高通域滤波（将上一个文章的取值取反），因为边缘对应高频成分。a.梯度算子（梯度计算原理–>导数计算原理）细线型边缘，突变型边缘，渐变型边缘。3.一阶微分算子（针对突变型边缘）b.Robert算子（相邻点相减）1.什么是图像锐化（边缘检测）？c.Sobel算子（左右点相减）4.二阶微分算子(细线型边缘)
2024-04-07 16:46:49
346
原创 图像平滑（滤波）学习笔记
加性噪声一般指热噪声、散弹噪声等，它们与信号的关系是相加，不管有没有信号，噪声都存在。而乘性噪声一般由信道不理想引起，它们与信号的关系是相乘，信号在它在，信号不在他也就不在。参考：<<数字图像处理——使用MATLAB分析与实现>> 清华大学出版社 蔡利梅主编。频率域滤波：利用正交变换（如小波变换，傅里叶变换），利用噪声点对应高频信息进行滤波。空间域滤波：利用模板运算，在原图像上进行处理。b.高斯滤波:即相邻像元取加权均值。a.均值滤波：即相邻像元取均值。c.中值滤波：即相邻像元取中值。
2024-04-06 20:21:27
445
转载 吴恩达深度学习L1W4
反向传播所需要的数据是上一层的dA,这一层cache存储的数据，注意：cache保存的是上一层的A，以及这一层的W，b。正向传播时，cache保存的是上一层的A，以及这一层的W，b，与此相对应的反向传播时grad保存的是上一层的dA。每一层的b：（本层节点数，1） 这里运用python广播，1实际为m。正向传播所需要的数据是上一层的A，以及这一层的W，b。每一层的W：（本层节点数，上一层节点数）每一层的Z：（本层节点数，m）每一层的A：（本层节点数，m）每一层的dw和db与W，b相同。
2024-04-03 18:15:07
26
1
转载 吴恩达深度学习W1L3（笔记）
参考：https://www.heywhale.com/mw/project/5dd3946900b0b900365f3a48。
2024-04-01 19:56:16
22
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