小黄鸭的博客

转自http://blog.csdn.net/zhoufan900428/article/details/17194289 1.傅里叶变换与频域        在之前的文中，我们已经进行过一些基本的图像处理。比如，使用低通滤波可以将图像模糊，也有些许降噪的作用。这些都是在空间域内进行的滤波处理，这个处理主要是依靠卷积来进行计算的。首先，从连续的一维卷积入手，如下所示。

数值计算——线性最小二乘问题        最小二乘法（又称最小平方法）是一种数学优化技术。它通过最小化误差的平方和寻找数据的最佳函数匹配。利用最小二乘法可以简便地求得未知的数据，并使得这些求得的数据与实际数据之间误差的平方和为最小。        m×n的线性方程组Ax=b是否有解？就是b能否表示成A的列向量的线性组合，当m=n时，肯定有解；当m>n，若b∈span(A)那么有解，否

数值计算——线性方程组的迭代法与上一篇中的直接法相比，迭代法是从解的一个初始估计值除法，逐步对他进行改进，知道到达所需的精度，理论上来说，经过无限次的迭代之后就可以得到真解，但实际上只需要达到所需要的精度即可。下面是几种迭代法：雅克比方法高斯-赛德尔方法逐次超松弛法使用迭代法的关键在于：确定迭代变量：在可以用迭代算法解决的问题中，至少存在一个直接或间接地不断

数值计算——求解非线性方程组        上一篇是求解的非线性方程，但是并不能简单的扩展到n维的情况下。下面是使用牛顿法和割线法求解非线性方程组：1、牛顿法      需要求方程组的雅克比矩阵，即对每个变量求偏导：      算法：       代码：package com.kexin.lab7;import com.kexin.lab3.*;/**

数值计算——线性方程组的解法矩阵分解矩阵分解是将矩阵拆解为数个矩阵的乘积，可分为三角分解、满秩分解、QR分解、Jordan分解和SVD(奇异值)分解等，常见的有三种:1)三角分解法 (LU)：将原正方矩阵分解成一个上三角形矩阵或是排列的上三角形矩阵和一个 下三角形矩阵，用途主要在简化一个大矩阵的行列式值的计算过程，求 反矩阵，和求解联立方程组。2)QR 分解法 (QR)3

数值计算——最小二乘拟合二元一次多项式最小二乘拟合：推导过程：     1. 设拟合多项式为：               2. 各点到这条曲线的距离之和，即偏差平方和如下：               3. 为了求得符合条件的a值，对等式右边求ai偏导数，因而我们得到了：

数值计算——多项式插值插值：用某个函数去拟合给定的数据，该函数在给定的数据点的函数值与数据值相等。在离散数据的基础上补插连续函            数，使得这条连续曲线通过全部给定的离散数据点。插值是离散函数逼近的重要方法，利用它可通过函数在有限            个点处的取值状况，估算出函数在其他点处的近似值。可以用来估计未知位置上的数据点。多项式插值：这是最常见的一种函数插值

数值计算——一维非线性方程求解1、二分法         把函数f(x)的零点所在的区间[a，b](满足f(a）●f(b）package com.kexin.lab6;import java.text.DecimalFormat;/** * 二分法求解非线性方程组 * @author KeXin * */public class Bisection { //