mrdonghe的博客

转载 iptables（1）

iptables

转载 fluent中的压力

在根据压力入口条件初始化求解时，Supersonic/Initial Gauge Pressure（静压）与Gauge Total Pressure（滞止压力）一起根据等熵关系（可压流）或者伯努利方程（不可压缩流）计算初始值。否则，Supersonic/Initial Gauge Pressure在不可压缩流计算中输入被忽略。Static pressure（静压）Dynamic pressure（动压）Total pressure（总压）它们之间的关系为:Total pressure...

转载 解决xfeatures2d问题

报错：AttributeError: module 'cv2.cv2' has no attribute 'xfeatures2d'1.解决方法（1）先卸载原先的opencv pip uninstall opencv-python（2）接着安装3.4.2版本的opencv和contrib包 pip install opencv_python==3.4.2.16 pip install opencv-contrib-python==3.4.2.1...

转载 Gambit中，interface和interior的区别

原文地址：Gambit中，interface和interior的区别作者：岛城书生第一部分：internal和interior：internal是只有Gambit中才有的边界，在fluent中自动转换为interior。internal和interior自然在fluent中作为相同的边界处理了，表示一种内部的概念。比如为了划分网格方便而将Geometry分成几块，那么使用的这几个面就是internal或者Interior。Fluent的官方客服说，internal和interior在fluent的计

转载 本质矩阵和基础矩阵

前面的相机矩阵，是针对单个相机的，可我们知道单个相机图片并不能告诉我们物体的深度信息，这时至少需要两个相机，这样在两视图间内在的射影几何关系就是对极几何，而基本矩阵就算对极几何的代数表示。1.对极几何如果仅看一个相机，我们并不能知道深度信息，可如果有两个相机的话（就像人有两只眼睛）我们就能得到深度的信息，上图O和O'是两个相机中心，P点是物体所在，如果我们只看左边图像上的点p，我们不能知道物体到底是在哪，点P1、P2或其他地方，可有了右边图像上的我们就能得到物体点P在上图，我们把两相..

转载 射影几何

原文链接：https://www.zhihu.com/question/275818841.齐次向量首先看平面几何中的点线，初中我们就知道点在平面中的表示方法，用(x, y)就行了，而直线可以用方程ax+by+c=0表示，当然我们也学过它的另一种表示方法y=kx+b，这样就少了一个变量，我们暂用前一种表示方式，把它们换成列向量来表示，点，线。这里线的表示，如果我们将它乘上一个缩放因子R，它还是会表示同一条直线，像这样表示的向量就称为齐次向量，如果我们用表示直线就不能算齐次表示了。...

转载 相机矩阵

1.相机小孔模型针孔模型是相机成像的基础模型，是理解后续相机矩阵内容的基础。下图描述了基本的小孔成像过程：图中，X坐标系是针孔所在坐标系，Y坐标系为成像平面坐标系，P为空间一点，小孔成像使得P点在图像平面上呈现了一个倒立的像。这幅图是前一幅图的俯视图，由三角相似关系可以得到：写成矩阵的形式：多了一个讨厌的负号（小孔成像上下颠倒，左右也颠倒），为了方便，大家把成像平面移到了和物体（P点）相同的一边，这样相似关系中就没有负号。上图中Y1’为移动后的成像平面，这与移动前

转载 齐次坐标

1.齐次坐标先看看矩阵乘法在三维坐标变换的缺点：将三维坐标视为一个列向量，那么矩阵*列向量得到的新向量的每一个分量，都是旧的列向量的线性函数，因而三维笛卡尔坐标与矩阵的乘法只能实现三维坐标的缩放和旋转，而无法实现坐标平移。可以发现将三维的笛卡尔坐标添加一个额外坐标，就可以实现坐标平移了，而且保持了三维向量与矩阵乘法具有的缩放和旋转操作。这个就称为齐次坐标。而这种变换也称为仿射变换(affine transformation)，不属于线性变换(线性变换的一个重要规则就是(0,0,0)(0,0,0

转载 协方差/相关矩阵/相关系数

通过两组统计数据计算而得的协方差可以评估这两组统计数据的相似程度。样本：A = [a1, a2, ..., an]B = [b1, b2, ..., bn]平均值：ave_a = (a1 + a2 +...+ an)/nave_b = (b1 + b2 +...+ bn)/m离差（用样本中的每一个元素减去平均数，求得数据的误差程度）：dev_a = [a1, a2...

转载 相关矩阵

相关矩阵也叫相关系数矩阵，其是由矩阵各列间的相关系数构成的。也就是说，相关矩阵第i行第j列的元素是原矩阵第i列和第j列的相关系数。

转载 自相关与互相关

自相关（Autocorrelation），也叫序列相关，是一个信号与其自身在不同时间点的互相关。非正式地来说，自相关是对同一信号在不同时间的两次观察，通过对比来评判两者的相似程度。自相关函数就是信号x(t)和它的时移信号x(t-τ)的乘积平均值。它是时移变量τ的函数。这是从书上抄来的话，到底是什么意思呢？说人话！好吧，让我来编一个有关潜伏的故事：话说余则成要到火车站去交换情报，他需要在...

转载 相关系数

相关系数相关系数是最早由统计学家卡尔·皮尔逊设计的统计指标，是研究变量之间线性相关程度的量，一般用字母 r 表示。由于研究对象的不同，相关系数有多种定义方式，较为常用的是皮尔逊相关系数。相关表和相关图可反映两个变量之间的相互关系及其相关方向，但无法确切地表明两个变量之间相关的程度。相关系数是用以反映变量之间相关关系密切程度的统计指标。相关系数是按积差方法计算，同样以两变量与各自平均值的离差...

转载 各种距离算法汇总

1. 欧氏距离最常见的两点之间或多点之间的距离表示法，又称之为欧几里得度量，它定义于欧几里得空间中，如点 x = (x1,...,xn) 和 y = (y1,...,yn) 之间的距离为：二维平面上两点a(x1,y1)与b(x2,y2)间的欧氏距离： 两个n维向量a(x11,x12,…,x1n)与 b(x21,x22,…,x2n)间的欧氏距离： 两个...

转载 归一化和标准化以及欧氏距离

当前项目中需要对所有图表计算它们之间的相似性，我们通过计算两两图表间的欧式距离来衡量其相似性。然而直接使用图表的原始数据进行计算会导致即使图表相似性极高但因为数据范围差别过大而失败，这里我们考虑对原始数据进行处理，将所有数据映射到某一个固定区间之内再计算。 这里就用到了特征缩放（Feature scaling），特征缩放（Feature Scaling）是将不同特征的值量化到...

转载 贝叶斯定理

原文地址：https://github.com/lixianmin/cloud/blob/master/writer/R/bayes.md#基础理论当我们无法基于规则进行判断时， 我们使用概率。1.Probability vs. Statistics 概率学 VS 统计学在某种程度上，概率论和统计学的目的是完全相反(inverse)的： In probability theor...

转载 计算机网络基础知识总结

计算机网络学习的核心内容就是网络协议的学习。网络协议是为计算机网络中进行数据交换而建立的规则、标准或者说是约定的集合。 因为不同用户的数据终端可能采取的字符集是不同的，两者需要进行通信，必须要在一定的标准上进行。一个很形象地比喻就是我们的语言，我们大天朝地广人多，地方性语言也非常丰富，而且方言之间差距巨大。A地区的方言可能B地区的人根本无法接受，所以我们要为全国人...

转载 模拟退火算法

一.爬山算法在了解模拟退火算法之前，先来看一下爬山算法：爬山算法是一种贪心算法，该算法每次从当前的解空间中选取一个解作为最优解，直到达到一个局部最优解。假设函数f(x)的图像如下图：现在使用爬山算法来求f(x)的最大值，若C为当前最优解，则爬山算法搜索到A就会停止搜索，这会获得一个局部最优解，而不是全局最优解。二.模拟退火算法1.退火的概念  在热力学上，退火（annealing...

转载 遗传算法

一.遗传算法遗传算法是从代表问题可能潜在的解集的一个种群（population）开始的，而一个种群则由经过基因（gene）编码的一定数目的个体(individual)组成。每个个体实际上是染色体(chromosome)带有特征的实体。染色体作为遗传物质的主要载体，即多个基因的集合，其内部表现（即基因型）是某种基因组合，它决定了个体的形状的外部表现，如黑头发的特征是由染色体中控制这一特征的某...

转载 禁忌搜索算法

一.局部领域搜索 Local Search（LS），又称爬山启发式算法，从当前的节点开始，和周围的邻居节点的值进行比较。如果当前节点是最大的，那么返回当前节点，作为最大值(即山峰最高点)；反之就用最高的邻居节点替换当前节点，从而实现向山峰的高处攀爬的目的。它是禁忌搜索的基础，TS算法是在其上改进而来。优点：1、容易理解，容易实现，具有较强的通用...

转载 梯度下降算法

来源知乎一阶导数、雅可比矩阵：曲线随输入的变化率。 二阶导数、海森矩阵：可以看做是曲线斜率随输入的变化，是一种对曲线曲率的测量。我们机器学习的目标常常是使某个目标函数(objective function)或损失函数(cost function)尽量小，即找到一个。对于有的问题我们可能可以得到解析解，但对于大多数问题，我们可能无法得到解析解，这时候就需要一些数值计算的方法使我们逐渐逼近...

转载 欠拟合、过拟合与正则化

来源知乎一.训练误差与泛化误差训练机器学习模型的目的不仅仅是可以描述已有的数据，而且是对未知的新数据也可以做出较好的推测，这种推广到新数据的能力称作泛化(generalization)。我们称在训练集上的误差为训练误差(training error)，而在新的数据上的误差的期望称为泛化误差(generalization error)或测试误差(test error)。通常我们用测试集上...

转载 机器学习定义与线性回归

来源知乎一.机器学习三要素什么是机器学习问题，花书的定义是给计算机程序一些定义好的任务T(Task)和性能指标P(Performance measure)，以及一些已有经验或数据集E(Experience)，如果提供给机器更多的经验E，它能够对于任务T提升其性能指标P。下面我们分别总结一下任务，性能指标和经验通常都有哪些类型。1.任务在机器学习系统中，任务常常是通过已有的一些例子(...

转载 前馈神经网络初探

来源：知乎前馈神经网络（Deep feedforward network)可以说是深度学习最核心的模型之一。前馈神经网络的目的是对于输入，假设我们要模拟从输入到输出的真实函数，神经网络想要找到这样的映射和合适的参数使得其预测尽量接近于真实函数。一.解释前馈神经网络下面分别解释一下前馈，神经，和网络三个词的含义。1.前馈前馈代表了所有的信息都从输入经过某些中间的计算而最...

转载 竞争网络

竞争学习是自组织网络中最常采用的一种学习策略。一.基本概念先说明几个重要的概念。1. 模式、分类、聚类与相似性（1）模式在神经网络应用中，输入样本、输入模式和输入模式样本这样的术语基本上是等同的概念。在涉及识别、分类问题时，常用到输入模式的概念。模式是对某些感兴趣的客体的定量描述或结构描述，模式类是具有某些共同特征的模式的集合。（2）分类、聚类分类是在类别知识等导师信号的...

转载 1.人工神经网入门概念

一提到人工神经网络应当想到三个基础的知识点：一是神经元模型 二是神经网络结构 三是学习算法对应决定人工神经网络整体性能的三大要素：神经元的信息处理特性是 神经网络的拓扑结构 神经网络的学习方式神经网络的种类多种多样，但其分类依据逃不出上面上个基础知识点。所以在学习中如果能够仅仅把握住以上三个线索，就能触类旁通，拥有一个非常好的视角看待神经网络。一.神经元模型人工神经网络...

原创 互补松弛性质

一.影子价格影子价格（shadow price），又称最优计划价格或计算价格。它是指依据一定原则确定的，能够反映投入物和产出物真实经济价值、反映市场供求状况、反映资源稀缺程度、使资源得到合理配置的价格。影子价格反映了社会经济处于某种最优状态下的资源稀缺程度和对最终产品的需求情况，有利于资源的最优配置。当某种资源每增加一个单位，目标增加一定的单位，不同的资源有不同的边际贡献，这种资源的边际贡...

原创 12.Python3.7 如何安装numpy库、matplotlib库、scipy库

1.安装numpy库NumPy库使用Python进行科学计算，尤其是数据分析时，所用到的一个基础库。它是大量Python数学和科学计算包的基础，比如我们后面会讲到的pandas库就用到了NumPy。pandas库专门用于数据分析，充分借鉴了Python标准库NumPy的相关概念。而Python标准库所提供的内置工具对数据分析方面的大多数计算来说都过于简单而不够用。为了更好地理解和使用Py...

转载 1.微机各类总线技术简介

以下内容来自知乎：任何一个微处理器都要与一定数量的部件和外围设备连接，但如果将各部件和每一种外围设备都分别用一组线路与CPU直接连接，那么连线将会错综复杂，甚至难以实现。为了简化硬件电路设计、简化系统结构，常用一组线路，配置以适当的接口电路，与各部件和外围设备连接，这组共用的连接线路被称为总线。“总线”英文叫bus —— 公共汽车。总线是连接多个设备或者接入点的数据传输通路。通俗讲，总线就...

转载 11.Python——内置函数，匿名函数

一.内置函数　　我们一起来看看python里的内置函数。什么是内置函数？就是Python给你提供的，拿来直接用的函数，比如print，input等等。截止到python版本3.6.2，现在python一共为我们提供了68个内置函数。它们就是python提供给你直接可以拿来使用的所有函数。这些函数有些我们已经用过了，有些我们还没用到过，还有一些是被封印了，必须等我们学了新知识才能解开封印的。那今...

转载 4.一个关于编码的故事

很久很久以前，有一群人，他们决定用8个可以开合的晶体管来组合成不同的状态，以表示世界上的万物。他们看到8个开关状态是好的，于是他们把这称为‖字节‖。再后来，他们又做了一些可以处理这些字节的机器，机器开动了，可以用字节来组合出很多状态，状态开始变来变去。他们看到这样是好的，于是它们就这机器称为‖计算机‖。 开始计算机只在美国用。八位的字节一共可以组合出256(2的8...

转载 10.Python——max()的用法

Python max内置函数：max(iterable, *[, key, default])max(arg1, arg2, *args[, key])函数功能为取传入的多个参数中的最大值，或者传入的可迭代对象元素中的最大值。默认数值型参数，取值大者；字符型参数，取字母表排序靠后者。还可以传入命名参数key，其为一个函数，用来指定取最大值的方法。default命名参数用来指定最大值...

转载 9.Python——匿名函数

一、匿名函数：也叫lambda表达式1.匿名函数的核心：一些简单的需要用函数去解决的问题，匿名函数的函数体只有一行2.参数可以有多个，用逗号隔开3.返回值和正常的函数一样可以是任意的数据类型二、匿名函数练习1.计算两个数的和# 请把下面的函数转换成匿名函数def add(x,y) return x+yadd()# 结果：sum1=la...

转载 8.Python——三元表达式的几种写法介绍

要介绍Python的三元表达式，可以先看看其他编程语言比如C，JAVA中应用:public class java {public static void main(String[] args){int x = 100;int y = 101;int MAX = (x > y)? x: y;System.out.println("MAX:" + MAX);...

转载 7.Python——小数据池 is和== 的区别

一、小数据池1）代码块 python程序是由代码块构成的，一个代码块的文本作为pythont程序执行的单元。一个代码块：一个模块(module) 一个函数(function) 一个类(class) 每一个command命令 一个文件(file) eval() exec()2）id() 通过id()可以查看到一个变量表示的值在内存中的地址s ...

转载 6.Python——PEP8 编码规范中文版

原文链接：http://legacy.python.org/dev/peps/pep-0008/item detail PEP 8 Title Style Guide for Python Code Version c451868df657 Last-Modified 2016-06-08 10:43:53 -0400 (Wed, 08 Jun 2...

转载 3.使用谷歌浏览器右键审查

Chrome开发者工具使用教程Nov 8 20141.Elements 2.Network 3.补充解释 4.参考我们很多人都使用过审查元素，用他来改网页上的一些文字。可是，这样就叫会使用吗？你真的会使用吗？原文：《神器——Chrome开发者工具(一)》这里我假设你用的是Chrome浏览器，如果恰好你做web开发，或者是比较好奇网页中的一些渲染效果并且喜欢折腾，那么...

转载 2.python 前端 html

web 服务本质: 浏览器发出请求--HTTP协议--服务端接收信息----服务端返回响应---服务端把HTML文件发给浏览器--浏览器渲染页面。HTML:超文本标记语言是一种用于创建网页的标记语言。超文本：就是指页面内可以包含图片、链接，甚至音乐、程序等非文字元素。本质是浏览器可识别的规则,我们按照规则写网页,浏览器根据我们写的代码渲染网页,对于不同的浏览器对于同一个标签渲染不同(...

转载 1.http协议简介

HTTP协议是Hyper Text Transfer Protocol（超文本传输协议）的缩写,是用于万维网（WWW:World Wide Web ）服务器与本地浏览器之间传输超文本的传送协议。HTTP是一个属于应用层的面向对象的协议，由于其简捷、快速的方式，适用于分布式超媒体信息系统。它于1990年提出，经过几年的使用与发展，得到不断地完善和扩展。HTTP协议工作于客户端-服务端架构为上。浏...

转载 5.Python——GUI图形化编程wxpython

一、python gui（图形化）模块介绍：　　Tkinter :是python最简单的图形化模块，总共只有14种组建　　Pyqt :是python最复杂也是使用最广泛的图形化　　Wx :是python当中居中的一个图形化，学习结构很清晰　　Pywin :是python windows 下的模块，摄像头控制(opencv)，常用于外挂制作二、wx模块的安...

转载 4.python ——在init方法中导入数据