![](https://img-blog.csdnimg.cn/20201014180756925.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
算法
Maxwellhang
这个作者很懒,什么都没留下…
展开
-
用快速傅里叶变换实现滤波
实验说明1. 图像是一个二维信号 I=f(x,y)I=f(x,y) 2. 图像空域的卷积等于频域的乘积 F(x,y)=F∗(f(x,y))F(x,y)=F^*(f(x,y)) 其中F∗()F^*()为傅里叶变换。由卷积的性质,设有两幅图I1I_1、I2I_2有: F1(x,y)⋅F2(x,y)=f1(x,y)⨂f2(x,y)F_1(x,y)\cdot F_2(x,原创 2017-02-22 20:51:10 · 12170 阅读 · 1 评论 -
ICA特征脸试验
ICA特征脸和PCA的区别 1)ICA分析的是盲源独立信号2)ICA是把每一幅图作为一个特征,把每个像素点作为一个观测值,即时间t。特征脸是所有图像中统计独立的脸,各个特征脸线性加权可以重构脸。而PCA是把每一幅图作为一个观测值,而把像素点作为一个特征。特征脸是掩模系数,特征脸点乘原数据得到特征值。各特征脸之间没有重构关系。原创 2017-09-16 15:53:54 · 616 阅读 · 0 评论 -
PCA原理及特征脸
PCA 推导PCA的matlab实现和特征脸这是之前的文章,一直没有誊过来。1. PCA 推导PCA是主成分分析,推导其实很简单。 假设有N维数据M个,组成N*M的矩阵X,希望投射到另一个空间使得沿着第一主轴的维度方差最大。设投影到第一主轴的向量为u。假设X已经去中心化,有 cov=XXTcov=XX^T 为协方差矩阵。 目标函数为: max uTXXTus.t. uTu=1max原创 2017-09-16 15:37:02 · 7500 阅读 · 2 评论 -
C++徒手撸多层感知机(MLP)训练MNIST数据集
模型建立1 基本单位层11 输入层12 损失层13 激活层14 全连接层2 网络3 优化方法代码构建1 层11 输入层12 损失层13 激活层14 全连接层2 网络3 优化方法试验的构建1 解析MNIST2 试验流程3 试验效果不足和展望1. 模型建立1.1 基本单位–层神经网络可以抽象为层:每个层的作用是把自己后面那一层的数据,通过前向计算到自己层的数据中,原创 2017-09-05 11:44:36 · 1973 阅读 · 1 评论 -
C_SVC推导(经典的SVM模型)
C_SVC推导1. 模型假设假设现在有训练数据XX,是m∗nm*n的矩阵,mm是样本数量,nn是样本向量的维数,记样本中第ii个样本为x(i)x^{(i)},标签为y(i)y^{(i)},y∈{+1,−1}y\in\{+1,-1\} 现在考虑二分类问题,样本的标签为y⃗ \vec{y},是m∗1m*1的向量。 目的,找到一个最优的相关面,以方程w⃗ ∗x⃗ +b=0\vec{w}*\vec{x}原创 2017-03-21 15:57:36 · 14430 阅读 · 3 评论 -
堆排序
堆的性质,是永远最大的在上面(最大堆,最小堆反之)//====================堆排序==============================//堆取左右节点和父节点的操作int myleft(int i){ return 2*i+1;}int myright(int i){ return 2*i+2;}int myparent(int i){原创 2017-03-07 21:17:16 · 200 阅读 · 0 评论 -
两种基于分治思维的排序算法
分治思维: 分治策略的思想起源于对问题解的特性所做出的这样的观察和判断:原问题可以被划分成k个子问题,然后用一种方法将这些子问题的解合并,合并的结果就是原问题的解。快速排序: 采用分治的思维,以首位为key,将数组分为大于首位和小于首位的两部分,小于首位放在key之前,大于首位的放在key之后(升序排序)。实现这种分部分的方法是,使用前后两个指针: (1) 初始,前指针指向首位(key的位置原创 2017-03-05 16:16:28 · 2785 阅读 · 0 评论 -
高斯分布的点落入心形曲线的一个解决方案
给定心形曲线(x2+y2−1)3=x2y3(x^2+y^2-1)^3=x^2y^3,给定任意一点的坐标(X,Y)(X,Y)其中X~N(X,σx)X~N(X,\sigma_x),Y~N(Y,σy)Y~N(Y,\sigma_y)求点(X,Y)(X,Y)落入心形曲线内的概率。 思路: 以(X,Y)(X,Y)为中心,画出3∗σ3*\sigma半径的椭圆,求和心形曲线相交的体积。注意:心形曲线方程可化为x原创 2017-03-05 13:29:11 · 2235 阅读 · 0 评论 -
FFT的原理及matlab实现
公式推导离散傅里叶变换公式: F(k)=∑N−1n=0f(n)∗e−i∗2πnk/N=∑N−1n=0f(n)∗WnkNF(k)=\sum_{n=0}^{N-1} f(n)*e^{-i*2\pi nk/N}=\sum_{n=0}^{N-1} f(n)*W_N^{nk} 由周期性: Wn(N+k)N=e−i∗2πn(k+N)/N=e−i∗2πnk/N∗e−i∗2πn=e−i∗2πnk/N=Wn原创 2017-02-22 20:46:14 · 16330 阅读 · 3 评论 -
xgboost等集成学习原理推导
机器学习的一般模型 obj(θ)=L(θ)+Ω(θ)obj(θ)=L(θ)+Ω(θ)obj(\theta) = L(\theta)+\Omega(\theta) 目标函数等于损失函数加正则项。在boost中,为弱学习器的级联。约定训练集为X,个数为N,维度为M,xixix_i 为第i个样本,yiyiy_i 为第i个样本的标签, y^(0)i=0y^(1)i=y^(0)i+f1(xi)y^...原创 2018-04-05 19:52:11 · 257 阅读 · 0 评论