![](https://img-blog.csdnimg.cn/20201014180756780.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
科学计算
文章平均质量分 88
Limiiiing
研究方向:计算机视觉;专注于计算机视觉模型改进与应用,图像处理,目标定位
展开
-
Python中最小二乘法的调用及参数说明
参数用于指定损失函数(loss function),该函数决定了如何衡量模型预测值与实际值之间的差异。不同的损失函数适用于不同的场景,下面对。在场景应用中,要求我们的函数计算结果尽可能的逼近实际测量结果,可转化计算结果与测量结果的残差,通过最小化残差,便可求出最优的结果。库中用于解决非线性最小二乘问题的函数,调用此函数后便可计算出最优点。损失函数的类型,用于对残差进行加权或处理异常值。(线性损失函数,默认)、原创 2024-08-30 10:24:36 · 957 阅读 · 0 评论 -
简单上手的卡尔曼滤波代码调用
卡尔曼滤波是一种在随机环境中对动态系统进行最优估计的经典方法,利用系统的预测值和观测值,通过递归的方式,对系统状态进行准确估计。为了能够更加直观的观察与使用卡尔曼滤波,本文记录了在python中直接调用卡尔曼滤波的接口,并以代码的形式详解各个变量的含义与调节经验。关于卡尔曼滤波的原理、数学推导等内容我这里就不介绍了,网上有很多的资源。好了,现在就开始吧~原创 2024-08-07 11:08:25 · 835 阅读 · 0 评论 -
二维数据平滑,滤波方法比较:移动平均平滑、中值滤波、指数加权移动平均、Savitzky-Golay、高斯滤波、卡尔曼滤波
数据平滑是一种数据处理技术,主要目的是消除数据中的噪声或不规则波动,使数据更加平滑和易于分析。由于获取的原始数据或者计算后的数据,由于环境、设备等影响,数据会产生随机波动、噪声或异常值等情况,所以需要通过数据平滑对数据进行处理,使其变得更加平缓、连续或更容易被处理。原创 2024-08-02 09:40:54 · 1254 阅读 · 0 评论 -
方差与标准差的解释
无论是方差还是标准差,均对异常值比较敏感,会使得某一均方差的值非常大,影响最终的结果,所以需要先对异常值进行处理。若是判断多组数据均分布在直线的两侧,也可以根据点到直线的距离,计算标准差,判断哪一组数据更接近直线。原创 2024-07-31 15:36:01 · 433 阅读 · 0 评论