算法
文章平均质量分 70
有时间也不简史
宁静致远
展开
-
B样条曲线(记录)
首先,我们知道,如果一个函数在定义域内处处可微(处处连续),则可以通过被泰勒展开成一个多项式级数。换言之,只要阶数足够,对于任意的连续可微曲线,都可以用一个多项式去逼近。时,我们可以发现在1阶基函数,所有基函数相机等于1。因为0阶基函数只有一个起作用,而其余基函数的值为0.递推到1阶,所有1阶基函数,变为2个基函数起作用。时,由于节点区间不相交,所以我们由式(1)可知0阶基函数,由且只有一个基函数的值为1。阶基函数,一个基函数对应一个节点区间。为3个区间,共计4个节点,也即节点数为0阶基函数个数加一,即。原创 2024-03-31 15:43:04 · 1138 阅读 · 0 评论 -
点布局匹配2
点分布匹配方法二原创 2022-12-27 11:18:49 · 189 阅读 · 0 评论 -
点布局匹配
角点阵列匹配原创 2022-11-27 19:50:38 · 239 阅读 · 0 评论 -
相机平面与工作平面带夹角下的坐标换算
相机平面与工作平面带夹角下的坐标换算原创 2022-08-25 10:31:14 · 577 阅读 · 0 评论 -
线性规划下的直线拟合
前言在我上一篇博文《散点图下基于切比雪夫(Chebyshev)近似准则拟合直线》,介绍了如何用三点极小化最大残差的方法去拟合直线。该直线满足切比雪夫准则。本篇文章主要介绍如何用线性规划去拟合直线,该结果也满足切比雪夫准则,同时也证明了我上一篇博文的正确性。线性规划 给定散点对(X,Y),假设拟合的直线,满足切比雪夫准则。则存在最大残差,使得。于是每一个点,我们有方程组:给它取个负号,即两边同时乘以-1:...原创 2021-09-10 21:58:37 · 734 阅读 · 0 评论 -
散点图下基于切比雪夫(Chebyshev)近似准则拟合直线
前言 在模型拟合中,切比雪夫近似准则相对于最小二乘准则相对简单,但在实际的应用拟合中,却不似最小二乘准则般容易应用。其拟合的过程需要相当复杂的数值计算过程。本篇博文,旨在简述一种比较笨的基于切比雪夫近似准则的直线拟合算法。切比雪夫(Chebyshev)近似准则 给定某种函数类型和m个数据点的一个集合,对整个集合极小化最大绝对偏差,即确定函数类型的参数从而极小化数量 这一重要的...原创 2021-08-23 00:05:49 · 2179 阅读 · 1 评论 -
连通域矩形度的计算
在Halcon中矩形度的计算是通过求一个跟目标区域有相同一阶和二阶矩的矩形,然后计算他们之间的不重叠部分的面积占矩形的百分比来得到矩形度。具体Halcon帮助文档中没有介绍怎么求矩形。这篇文章旨在介绍这种矩形度的计算方式,如果觉得描述的不清楚,可以自己下载文献了解[1]。文章提到有三种新的求矩形度的方法:1、Agreement Method2、Moments Method3、Discrepancy Method而经过实验比较,发现最后一种方法对噪点和畸变的适应性跟传统的boundin..原创 2020-07-30 19:22:00 · 2945 阅读 · 6 评论 -
基于行程标记的快速连通域提取实现
一直在使用halcon进行图像处理,但本人更倾向于自己写算法,所以也一直在使用Opencv。对于halcon,其连通域的处理相当方便,所以一直想用Opencv来实现这样的功能。由于最近项目以及对后续转用Opencv的想法,利用工作之余的时间查了些资料,再结合自己的一些想法,用Opencv实现了这项功能。最开始在网上找了些方法,例如1)Two-Pass法;2)Seed-Filling种子填充法[1] ,这两种方法容易理解,都是基于8连通或者4连通的基础,但效率相当低。后来找了几篇论文,提到了基于行程的提取原创 2020-07-14 22:58:44 · 1531 阅读 · 1 评论 -
Multinoulli分布模型的推导
假设Y有k种可能,则Y={1,2,...,k}。设:这里T()只有k-1个元素令表示T(Y)的第i个元素。又有:其中为P(Y=1)的概率。由极大似然概率:由于符合广义线性模型(generalize linear model):代如模型,我们有:而则Hypothesis:cost function:...原创 2020-02-05 23:48:40 · 395 阅读 · 0 评论 -
更高效的随机梯度下降(Incremental gradient descent)法的尝试
梯度下降法被用于求解局部最小值的基本方法,有几种形式:BGD(Batch gradient descent),SGD(Stochastic gradientdescent),MBGD(Mini-batch gradient descent)。另外还有一种更高效的方法牛顿法。牛顿法在提高效率上的代价,是在每一次迭代计算中要计算Cost Function的Heissian矩阵的逆矩,这对于数据量较大的...原创 2020-02-02 23:48:06 · 800 阅读 · 0 评论