Matlab一元一次函数拟合及显著性检验

X=xlsread('E:\DATA\data1.xlsx','sheet1','B2:B13');%读取X数据
Y=xlsread('E:\DATA\data1.xlsx','sheet1','C2:C13');%读取Y数据

%函数拟合如下
Xsum=0;
Ysum=0;
mol=0;
den=0;
for i=1:length(X)
    Xsum=Xsum+X(i);
    Ysum=Ysum+Y(i);
end
Xmean=Xsum/12;
Ymean=Ysum/12;
for i=1:length(X)
   mol=mol+(X(i)-Xmean)*(Y(i)-Ymean);
   den=den+(X(i)-Xmean)^2;
end
b=mol/den;
a=Ymean-b*Xmean;%求出a,b值,即可得到拟合函数方程y=a+bx;

%显著性F检验如下
Yfore=[];
for i=1:length(X)
   Yfore(i)=-0.65*X(i)+3.85;%-0.65为上面求出的b值,3.85为上面求出的a值
end
Q=0;
U=0;
for i=1:length(X)
    Q=Q+(Y(i)-Yfore(i))^2;
    U=U+(Yfore-Ymean)^2;
end
F=U/(Q/(12-2));%查F表进行显著性检验

 
 
想了解更多,请关注微信公众号“GAO戏精光芒万丈”:

 

  • 5
    点赞
  • 27
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
1. 显著点的检测 Itti的A Model of Saliency-Based Visual Attention for Rapid Scene Analysis (TPAMI 1999)论文是显著性检测的鼻祖论文,检测出来的是用户关注的点。 2. 显著区域的检测 侯晓迪同学在2007年发表的一篇CVPR的论文,用很简单的方法检测了显著性区域,那之后显著性检测主要以区域检测为主:Saliency detection: A spectral residual approach (CVPR 2007),虽然之后有人诟病这篇论文有不足之处,但该想法简单,推动了显著性研究的普及。侯同学靠这一篇文章再加上投稿期间的趣事,就封神了。 3. 其他经典的显著性检测方法 在那之后陆续又有一些经典的显著性检测算法被提出:https://blog.csdn.net/touch_dream/article/details/78716507 可以看这个博文。 4. 基于深度学习的显著性检测 再之后,显著性检测领域就进入了Deep Learning时代, Deep Visual Attention Prediction TIP2018 (CODE)     https://github.com/wenguanwang/deepattention Predicting Human Eye Fixations via an LSTM-based Saliency Attentive Model (CODE)     https://github.com/marcellacornia/sam CVPR2016 Shallow and Deep Convolutional Networks for Saliency Prediction (CODE)     https://github.com/imatge-upc/saliency-2016-cvpr Saliency Detection with GAN (2017)     https://github.com/imatge-upc/saliency-salgan-2017  (CODE)     https://github.com/batsa003/salgan/ (PyTorch的版本) 5. 非自然图象的显著性检测 例如,海报的显著性检测,图表的显著性检测,地理数据的显著性检测等等。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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