数学那点事……

1、共轭矩阵:

首先解释下共轭的意思。

两头牛背上的架子称为轭,轭使两头牛同步行走。共轭即为按一定的规律相配的一对。
我的理解有点像孪生,如
共轭复数:
两个实部相等,虚部互为相反数的复数互为共轭复数
共轭双曲线 :
以已知双曲线的虚轴为实轴,实轴为虚轴的双曲线叫做原双曲线的共轭双曲线,通常称它们互为共轭双曲线

所以得共轭矩阵

又称Hermite阵。Hermite阵中每一个第i 行第j 列的元素都与第j 行第i 列的元素的共轭相等。
埃尔米特矩阵(或自共轭矩阵)是相对其主对角线以复共轭方式对称, 即是 ai,j=a*j,i。 

2、协方差矩阵:

首先还是看看协方差的意思。
设(X,Y)是二维随机变量,D(X),D(Y)都存在,称E[(X – E(X)).(Y – E(Y))]为X与Y的协方差,记为Cov(X,Y)=E[(X – E(X)).(Y – E(Y))]
协方差也常常写成:Cov(X,Y) = E(XY) – E(X).E(Y)

在统计学与概率论中,,协方差矩阵是一个矩阵,其每个元素是各个向量元素之间的方差。是从标量随机变量到高维度随机向量的自然推广。

假设 X 是以 n 个标量随机变量组成的列向量,并且μk 是其第k个元素的期望值, 即, μk = E(Xk), 协方差矩阵然后被定义为:

Σ=E{(X-E[X])(X-E[X])T}=(如图)

image

矩阵中的第(i,j)个元素是Xi与Xj的协方差. 这个概念是对于标量随机变量方差的一般化推广。

3、相关性:

这个我理解的也不是很好,在研究图像的过程中,有很多提到图像的相关性,貌似解释的是图像之间的相似性。在概率论中有一个相关系数的概念:

image image

分别称为标准化随机变量。他们两个的协方差称为X与Y的相关系数,记为

image

这里|clip_image002[7]xy|较大时,称X与Y线性相关程度好;较小时,称X与Y线性相关度较差

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值