A林玖-CSDN博客

原创【机器学习】主成分分析（PCA）

代码通过 Python 实现，加载 ORL Faces 数据集（包含 40 个类别的灰度人脸图片，每类约 10 张，格式为 .pgm），执行 PCA 降维，保留前 50 个主成分，并可视化降维后的数据分布以及原始图片与重建图片的对比。实验路径为 D:/Desktop/Code/ML/ML/PCA/ORL_Faces/ORL_Faces，假设图片尺寸为 112×92 112 \times 92 112×92，展平后每张图片为 10,304 维向量。假定有n个样本，每个样本是d维的特征向量，记为。

2025-06-05 11:34:15 1255 1

原创【数字图像处理】期末复习-----知识点

一、基础知识数字图像处理概念：借助计算机处理数字图像（图像数字化）数字图像：采样（离散坐标）+ 量化（离散灰度）后的图像图像数字化技术：采样+量化（1）采样：决定了图像的空间分辨率，即图像有多少像素采样就是将空间上连续的图像转换为离散像素点的过程，即沿图像的水平和垂直方向按一定间隔取点。类比：用网格纸覆盖一张照片，只记录网格交叉点的颜色1、采样间隔（Δx, Δy）：相邻像素点的间距间隔越小--->采样密度越高--->图像细节保留越多（但数据量增大）2、采样频率：单位长度内的采样点数。

2025-06-03 09:19:14 793

原创【机器学习】支持向量机（SVM）

SVM是一种基于统计学习理论的监督学习模型，旨在找到一个最优超平面，将不同类别的数据点分隔开，同时最大化分类间隔（Margin）具体来说：在线性可分时，在原空间寻找两类样本的最优分类超平面。在线性不可分时，加入松弛变量并通过使用非线性映射将低维度输入空间的样本映射到高维度空间使其变为线性可分，这样就可以在该特征空间中寻找最优分类超平面。

2025-05-21 19:23:18 1544 1

原创【机器学习】朴素贝叶斯

一、朴素贝叶斯的基本概念一、朴素贝叶斯的基本概念1.1 定义朴素贝叶斯是一种基于的算法，。1.2 核心公式：贝叶斯定理说明：𝑃(𝐶∣𝑋): 后验概率，给定特征 X 时类别 C 的概率。𝑃(𝑋∣𝐶): 似然概率，给定类别 C 时特征 X 的概率。𝑃(𝐶): 先验概率，类别 C 的概率。𝑃(𝑋): 证据（归一化常数），通常在分类时可忽略。1.3 朴素假设：特征 X=(x1,x2,…,xn) 在给定类别 𝐶 下条件独立二、分类决策朴素贝叶斯分类器通过进行分类，即。

2025-05-20 15:27:39 624

原创【机器学习】决策树

决策树是一种树形结构，通过递归地将输入空间划分为不同区域，基于特征条件进行决策，最终用于分类或回归任务。1.2 组成根节点、内部节点、叶节点，分别表示数据集、特征条件和最终输出（类别或数值）。

2025-05-20 14:56:14 725

原创【机器学习】logistic回归

Logistic回归是一种用于解决二分类问题（也可扩展到多分类）的监督学习算法，预测结果是概率值（0到1之间）。

2025-05-20 14:03:05 749

原创跑代码中遇到killed的解决方案

交换空间是磁盘上的一块区域，当物理内存不足时，系统会将部分内存数据转移到交换空间，以腾出物理内存。虽然交换空间的速度比物理内存慢，但可以避免程序因内存不足而被终止。

2025-05-10 22:40:52 589

原创【机器学习】Logistic 回归

逻辑回归是一种用于二分类问题的机器学习算法，通过sigmoid函数将线性回归的输出映射到0到1之间，表示样本属于正类的概率。其核心是利用最大似然估计优化参数，构建损失函数（通常为对数损失），通过梯度下降等方法最小化损失来拟合模型。逻辑回归假设数据特征与目标变量之间存在线性关系，适合处理线性可分的数据。它简单高效，广泛应用于分类任务，如垃圾邮件检测、疾病预测等，但对非线性关系和多类问题需扩展处理。

2025-05-07 22:38:39 1330

原创 [学习笔记] citygaussianV2

论文题目：CityGaussianV2: Efficient and Geometrically Accurate Reconstruction for Large-Scale Scenes项目主页: https://dekuliutesla.github.io/CityGaussianV2论文链接: https://arxiv.org/pdf/2411.00771代码链接 : https://github.com/DekuLiuTesla/CityGaussian。

2025-05-03 22:18:12 905

原创【机器学习】朴素贝叶斯

朴素贝叶斯是一种基于贝叶斯定理的概率分类算法。它属于监督学习算法的一种，也就是说，它需要一个带有标签（即正确答案）的训练数据集来学习。它的核心思想是：对于一个未知类别的数据样本，计算该样本属于各个类别的概率，然后选择概率最大的那个类别作为它的预测类别。

2025-04-28 16:15:53 1044

原创【MySQL】触发器

触发器是一种特殊的存储过程（Stored Procedure），它不像普通的存储过程需要被显式调用，而是在特定的数据库事件发生时自动执行。这些事件通常与数据修改操作（如 INSERT, UPDATE, DELETE）或数据库结构变化（如 CREATE, ALTER, DROP）相关联。触发器与存储过程的区别：触发器自动执行，不能手动调用。触发器通常与表绑定，针对特定事件。触发器是数据库管理系统中不可忽视的强大工具，它能显著提升数据库自动化处理的能力、保证数据一致性和执行效率。

2025-04-23 08:00:00 759

原创【数字图像处理】灰度转换&&空间滤波&&频率域滤波

比如说，我看见的一个彩色图像，由红、绿、蓝三种颜色组成，每一个像素点都有一个 RGB（红绿蓝）值，显示在二维网格上的位置就是空间域的表现。是指图像中最亮和最暗部分的差异。来引入的，傅里叶变换的目的是将图像从空间域（直接可见的形式）转化为频率域（数学表示的频率成分）。这种滤波器的过渡非常突然，会导致处理后的图像出现所谓的“振铃效应”（ringing effect），即在图像的边缘处会出现不自然的波动。其中，𝐷0是截止频率，𝐷(𝑢,𝑣)是当前频点到中心的距离，𝑛是滤波器的阶数，决定了滤波器的锐利程度。

2025-04-21 07:45:00 751

原创【MySQL学习】视图 (Views)

视图（View）是一个虚拟表，它基于一个或多个表的查询结果（SELECT语句）生成。视图本身不是存储数据，而是存储查询定义，每次使用时动态生成结果。可以将视图看作是一个已命名并存储在数据库中的SELECT查询。当你查询一个视图时，数据库系统通常会执行存储在该视图定义中的SELECT语句，并返回结果集，让你感觉就像在查询一个真实的表。今天主要学习了MySQL数据库中Views视图章节了内容，了解了视图的基本定义，怎么创建视图，视图的主要应用场景以及视图的权限管理四部分的内容。

2025-04-18 07:30:00 1685

原创【MySQL学习】存储过程

存储过程是一组预编译的 SQL 语句集合，经过编译后存储在数据库服务器上。可以把它想象成数据库中的一个自定义函数或脚本。主要用于封装常用的、复杂的或重复性的数据库操作，简化应用程序开发，提高性能和安全性。

2025-04-16 23:35:30 800

原创【学习笔记】Taming 3DGS泛读

新方法则改为基于投影后的2D高斯（Splat）进行并行化，每个线程（或线程束Warp）负责处理一个或少数几个Splat的梯度计算，并通过高效的Warp内部通信来交换必要的像素状态信息，从而大大减少了冲突，显著加速了反向传播过程。基于此，设计了一个明确的、平滑的增长计划，该计划遵循一个预设的数学公式，确保高斯基元的总数在训练过程中以一种“纯粹建设性”（只增不减或少量减少）的方式，稳定地增长，并最终。设计了一个基于分数的、可定制的稠密化采样框架，允许根据应用需求（如关注特定区域）引导高斯基元的分布。

2025-04-16 12:04:41 842

原创【学习笔记】CityGS-X 泛读

原文链接：https://arxiv.org/abs/2503.23044代码链接：https://lifuguan.github.io/CityGS-X/

2025-04-15 17:13:37 775

原创【学习笔记】服务器上使用 nbconvert 将 Jupyter Notebook 转换为 PDF

nbconvert。

2025-04-12 21:07:25 402

原创【机器学习】ROC 曲线与 PR 曲线

ROC 曲线和 PR 曲线是评估二分类模型性能的强大工具。ROC 曲线关注模型区分正负样本的能力，而 PR 曲线更关注模型在正例上的预测能力，尤其适用于不平衡数据集。通过理解和绘制这两种曲线，我们可以更全面地了解模型的优缺点，并为模型选择和调优提供有力的支持。

2025-04-07 14:25:42 852

原创【机器学习】KNN算法

KNN是一种基于实例的学习方法，它不构建模型而是直接使用训练数据集来对新样本进行预测。基本思想：通过计算新样本与已知类别样本之间的距离，找到最近的k个邻居，并根据这些邻居的多数类别来进行预测。

2025-03-11 23:13:29 1325 1

原创【计组期末复习】

2025-03-01 09:26:01 991

原创 Anaconda安装超详细版（2025版）

Anaconda 是一个面向数据科学和机器学习的开源Python和R语言的发行版，旨在简化包管理和部署。

2025-02-27 20:48:20 2072

原创【MySQL学习】数据库建表实操

desc 表名;

2025-02-24 21:34:15 454

原创 Linux服务器上创建新用户并赋予管理员权限操作

sudo usermod -aG sudo 用户名。su - 用户名（会提示输入密码）3、切换到新用户并测试sudo权限。sudo adduser 用户名。

2025-02-22 18:12:03 464

原创【3D Gaussian Splatting 阅读】总体概览

无论是复制还是分割，训练后高斯的总数相比训练前都会增加，可能导致冗余高斯，占用大量计算资源和存储空间。2.2 为了描述一个3D高斯，需要四个属性：位置，协方差矩阵，不透明度，球谐系数。协方差：表示两个随机变量之间的线性关系协方差为正，变化趋势相同。设置两个阈值 1）<min 复制操作 2）>max 分割操作。输入图像----->Sfm稀疏点云获取，对应图像的相机位姿。高斯分布 = 正态分布。协方差矩阵是半正定矩阵。三维重建--3DGS。

2024-12-31 16:26:45 540

原创【JAVA学习】集合初步

键不能重复；值可以重复需要存储一一对应的数据时，可以考虑使用Map集合来做示例：HashMap（由键决定特点）：无序，不重复，无索引。

2024-12-31 16:25:11 687

原创【JAVA学习】多线程初步

作用：获取调用该方法的线程名称获取当前线程的名称，默认为"Thread-n"主线程的名字默认为main});//代码输出结果：Current thread name: Thread-0。

2024-12-31 16:23:22 722

原创【JAVA学习】继承+多态+枚举+抽象类+接口等

权限修饰符就是用来限制类中的成员(成员变量，成员方法等)能够被访问的范围子类重写的方法与父类对应方法的方法名称，形参列表必须相同其他注意事项：子类重写父类方法时，访问权限必须大于等于父类该方法的权限重写的方法的返回值，必须与被重写方法的返回值类型一样，或者范围更小私有方法，静态方法不能被重写，如果重写会报错// 父类// 私有成员变量// 默认成员变量int age;// 受保护成员变量// 公共成员变量// 构造器// 私有方法// 默认方法// 受保护方法。

2024-12-24 19:19:40 981

原创【JAVA学习】枚举类，异常处理，多线程等

常量顺序：枚举常量的声明必须放在枚举体的开头，多个常量之间用", " 隔开，末尾常量";"结束。

2024-12-23 22:30:16 838

原创【JAV学习】存储&读写数据的方案

File。

2024-12-09 23:35:08 907

原创【JAVA学习】泛型

定义类，接口，方法时，同时声明了一个或者多个类型变量(如：,,,)称为泛型类，泛型接口，泛型方法，它们统称为泛型。

2024-11-26 20:51:43 289

原创【华为ict】HCIA-AI认证相关知识整合

人工智能是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学1956年由约翰·麦卡锡首次提出，当时的定义为“制造智能机器的科学与工程”人工智能的目的就是让机器能够像人一样思考，让机器拥有智能训练目标：损失函数（本次预测值与真实值的差距）值最小（反向传播）

2024-10-31 21:40:29 1038

原创【蓝桥杯】真题训练--＞计算从 1 到 N 一共有多少个好数

对于第一个样例，24 以内的好数有 1、3、5、7、9、21、23，一共 7 个。试题 C: 好数 4第十五届蓝桥杯大赛软件赛省赛 C/C++ 大学 B 组【评测用例规模与约定】对于 10% 的评测用例，1 ≤ N ≤ 100。对于 100% 的评测用例，1 ≤ N ≤ 107。一个整数如果按从低位到高位的顺序，奇数位（个位、百位、万位 · · · ）上的数字是奇数，偶数位（十位、千位、十万位 · · · ）上的数字是偶数，我们就称之为“好数”。给定一个正整数 N，请计算从 1 到 N 一共有多少个好数。

2024-09-24 21:21:51 974 1

机器学习 第三章 逻辑回归

空空如也

机器学习第三章逻辑回归