- 博客(84)
- 资源 (3)
- 收藏
- 关注
原创 禹晶、肖创柏、廖庆敏《数字图像处理(面向新工科的电工电子信息基础课程系列教材)》
本书对该章重新梳理,从全局特征和局部特征的角度描述特征提取方法,删除了不常用的链码等二值目标描述子,以及直方图矩分析法、频谱分析法等纹理描述子,增加了经典的Harris、HoG等局部特征和描述方法,以及Gabor滤波器组的纹理描述方法等。关于脉冲噪声的统计模型,Gonzalez的前两版中以噪声的概率分布描述,脉冲噪声分布律的概率之和不等于1,后两版以图像的概率分布描述,随机变量取其他值是指任何一个可能值,而不是指其他任何可能值之和,且像素值也有极小值和极大值的可能,不是只有脉冲噪声是极大值或极小值。
2024-03-21 11:50:14 2294 1
原创 MATLAB根据数值画直方图
一直很纠结MATLAB为什么不提供根据数值(或统计值)画直方图的函数,只给一个不专业的bar,原来histogram支持。
2024-08-18 19:40:35 193
原创 均分分布的极大似然估计MLE
Parameter EstimationThe maximum likelihood estimates (MLEs) are the parameter estimates that maximize the likelihood function. The maximum likelihood estimators of a and b for the uniform distribution are the sample minimum and maximum, respectively.To f
2024-06-22 23:50:53 209
原创 【MATLAB例】Maximum likelihood estimates
figurehold onbox offxlabel(‘xylabel(‘px。
2024-06-21 19:22:16 267
原创 【MATLAB例】Plot Kernel Density Estimate of Bivariate Data
【代码】【MATLAB】Plot Kernel Density Estimate of Bivariate Data。
2024-06-21 15:14:47 215
原创 扩散模型详细推导过程——训练与采样
扩散模型的去噪过程(解码器)扩散模型的解码器是为了反转编码过程。如果知道逆向转移核p(zt−1∣zt)p(\boldsymbol{z}_{t-1}|\boldsymbol{z}_{t})p(zt−1∣zt),那么就可以先从p(zT)=N(0,I)p(\boldsymbol{z}_T)=N(\boldsymbol{0},\boldsymbol{I})p(zT)=N(0,I)采样出zT\boldsymbol{z}_TzT,再通过p(zT−1∣zT)p(\boldsymbol{z}_{T-1}|\bol
2024-06-20 21:42:00 727
原创 扩散模型详细推导过程——编码与解码
该扩散特点符合马尔科夫链的性质,即每一时刻的状态仅依赖于上一时刻的状态,而与之前的状态无关。,经过如下的逐步编码(添加噪声)过程可以得到一个符合标准高斯分布的噪声。该表达式使用了多元高斯分布的定义,即若随机变量。非常大的时候,该过程十分耗时,但可以将。将服从高斯分布,该推导在下面会涉及。是已知的,它不是分布,而是常量②。为了区分不同时刻所对应的噪声,对。可以通过先从标准的高斯分布中采样。再根据高斯分布的混合公式,将。很大的时候近似等于0,此时。近似为一个标准的高斯分布。根据前面的分析,在已知。
2024-06-20 21:41:16 751
原创 MATLAB概率密度估计有关的函数
mle是有偏估计对数据进行概率分布对象拟合具有分布拟合的直方图fitdist和histfit是无偏估计,这两者区别在于histfit直接画出直方图。
2024-06-17 11:57:51 531
原创 MATLAB直方图中bin中心与bin边界之间的转换
要将 bin 中心转换为 bin 边界,请计算 centers 中各连续值之间的中点。要将 bin 边界转换为bin 中心。
2024-06-16 08:45:18 253
原创 MATLAB直方图有关的函数
hist和histc过时了。[https://ww2.mathworks.cn/help/matlab/creating_plots/replace-discouraged-instances-of-hist-and-histc.html]histcounts是histogram的主要计算函数。Histogram plot画直方图。二元直方图 bin 计数。直方图 bin 计数。
2024-06-16 08:28:30 425
原创 支持向量机(SVM)中核函数的本质意义
内积是距离度量,核函数相当于将低维空间的距离映射到高维空间的距离,并非对特征直接映射。核函数对应某一特征空间的内积,要求①核函数对称;②Gram矩阵半正定。
2024-06-15 21:37:35 621
原创 Denoising Prior Driven Deep Neural Network for Image Restoration
之所以能够检索到这篇论文是想看看该论文是如何利用多尺度相似性解决图像去噪问题,除了摘要和结论,论文中两次提到这个术语。next section是指section 4。然后整个section 4,根本没有提多尺度的事儿,更别说解决了。又看了一下The architecture of the plugged DCNN-based denoiser,这不就是一个UNet嘛,哪里和现有方法不同了。这是挂羊头连狗肉都不卖。
2024-06-15 17:06:49 261
原创 PCA数据预处理MATLAB
Reduce Input Dimensionality Using processpcaIn some situations, the dimension of the input vector is large, but the components of the vectors are highly correlated (redundant). It is useful in this situation to reduce the dimension of the input vectors. A
2024-06-10 09:34:53 639
原创 点估计参数估计
点估计(Point Estimation)是一种统计推断的方法,用于通过样本统计量来估计总体参数。在概率论和数理统计中,点估计是将总体的未知参数估计为某个确定的值或在某个确定的点上,因此也被称为定值估计。
2024-06-10 07:53:12 249
原创 中心极限定理的MATLAB例
简单来说,中心极限定理表明,当从任意一个总体中抽取样本量足够大的样本时,样本均值的分布将趋近于正态分布,无论原来的总体分布是什么。是独立同分布的随机变量序列,且。是标准正态分布的分布函数。
2024-06-09 17:02:04 823
原创 What Is t-SNE?
t-SNE (tsne) is an algorithm for dimensionality reduction that is well-suited to visualizing high-dimensional data. The name stands for t-distributed Stochastic Neighbor Embedding. The idea is to embed high-dimensional points in low dimensions in a way tha
2024-06-08 10:46:21 242
原创 机器学习与人生规划
人生同样,我们在人生的道路上,需要设立长远目标,然后努力的去实现它。机器学习的任务是定义目标函数,学习的过程是求解目标函数的极值。
2024-06-07 09:53:32 126
原创 近邻法的人生哲理
环境对于一个人的影响是耳濡目染、潜移默化的。选择和什么样的人在一起,就会拥有什么样的人生。因此要选择优秀的团队,和优秀的人一起。与凤凰同飞,必是俊鸟;与虎狼同行,必是猛兽。你接触什么样的人,就会成为什么样的人;你和什么样的人同行,就决定你是什么样的人。成功学之父吉米·罗恩的“密友五次元理论”认为:“一个人的水平,就是他最常接触的5个人的平均值。
2024-06-07 09:23:53 88
原创 什么是数据冗余?
上世纪三十年代初,胡适在北京大学任教,课堂上也常常推行白话文运动。文言文“才疏学浅,恐难胜任,不堪从命。有位朋友打来电报请他去政府部门工作。白话文省字,还是文言文省字?
2024-06-06 06:54:40 180
原创 弗莱明发现青霉素
1945年,弗莱明因青霉素获诺贝尔医学奖。在弗莱明之前有多人注意到了青霉能抑制细菌的生长,但是他们没有一个人像弗莱明那样做进一步的更深入的研究,更没有一个人像弗莱明那样确定了这个特殊的现象是由于青霉分泌的某种物质所致。所以,弗莱明虽然不是青霉抗菌现象的发现者,但是做为青霉素的发现者获诺贝尔医学奖。
2024-06-06 00:44:31 120
原创 最大似然估计、贝叶斯估计、最小二乘估计与贝叶斯学习的本质区别
概率密度估计中的贝叶斯学习,其目的是从有限样本估计总体分布。然后以后验概率密度作为概率密度,计算未知参数的概率密度函数的数学期望,作为总体估计。最大似然参数估计和贝叶斯参数估计的区别在于最大似然估计认为参数是确定性的量,而贝叶斯估计认为参数是随机变量。统计学中的贝叶斯参数估计是,计算估计值和真实值偏差的数学期望。最小均方估计实际上实际计算以后验概率为概率的参数的均值,而最大后验概率是后验概率的峰值对应的参数。线性最小均方估计和最小二乘估计的区别本质在于前者是期望风险最小化,后者是经验风险最小化。
2024-06-05 07:58:12 247
原创 模式识别选择题
影响K-均值聚类算法效果的主要因素之一是什么?A. 初始聚类中心的选取B. 样本输入顺序C. 模式相似性测度D. 分类准则答案:A支持向量机(SVM)在处理非线性问题时,通常使用什么方法?A. 引入核函数B. 增加特征数量C. 使用多层感知器D. 改变决策函数答案:A感知器算法适用于哪种情况?A. 线性可分的情况B. 线性不可分的情况C. 非线性可分的情况D. 所有情况答案:A特征选择的主要目的是什么?A. 增加特征数量B. 降低特征维数C. 提高模型复杂度D.
2024-06-04 17:51:09 408
原创 模式识别判断题
贝叶斯估计的方法类似于贝叶斯决策,也需要定义损失函数。(正确)解释:贝叶斯估计是一种基于贝叶斯定理的参数估计方法,它在估计参数时考虑了参数的先验分布。与贝叶斯决策类似,贝叶斯估计也需要定义损失函数来量化不同决策或估计结果的风险。在模式识别中,基于概率分布的可分性判据是一种重要的评估特征有效性的方法,它主要考察两类分布密度之间的交叠程度。(正确)解释:基于概率分布的可分性判据是一种用于评估特征对分类贡献程度的方法。通过比较不同类别分布之间的交叠程度,可以判断特征是否有助于区分不同类别。特征空间中的维
2024-06-04 08:47:53 502
原创 “神经网络之父”和“深度学习鼻祖”Geoffrey Hinton
GLOM架构的提出:在最新的研究中,Hinton提出了GLOM架构,这是一种可以在神经网络中使用胶囊来表示视觉层次结构的新方法。胶囊网络是一种全新的神经网络结构,旨在通过封装和组合多个低层次的特征来形成高层次的特征,从而提高模型的表达能力和鲁棒性。深度学习概念的提出:Hinton等人在2006年提出了深度学习的概念,并基于深度置信网络(DBN)提出了非监督贪心逐层训练算法,为解决深层结构相关的优化难题带来了希望。这一算法在神经网络训练中起到了至关重要的作用,为深度学习的发展奠定了坚实的基础。
2024-06-03 20:06:43 504
原创 贝叶斯参数估计vs贝叶斯学习
定义:贝叶斯参数估计是一种参数估计方法,它利用贝叶斯定理结合新的证据(观测数据)及以前的先验概率(对参数的初步信念),来得到参数的后验概率(在给定证据下参数的更新信念)。定义:贝叶斯学习是利用参数的先验分布,由样本信息求来的后验分布,直接求出总体分布的过程。贝叶斯参数估计和贝叶斯学习都依赖于贝叶斯定理,都强调先验概率在推断过程中的重要性,并都使用后验概率进行参数估计或总体分布的推断。本质:贝叶斯参数估计的本质是通过贝叶斯决策得到参数的最优估计,使总期望风险最小。根据经验给出待估参数的先验分布(主观分布)。
2024-06-03 08:24:47 342
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人