算法
xiachong27
这个作者很懒,什么都没留下…
展开
-
PCA计算点云的法线
我们知道PCA可以用来降维,并使降维后的数据尽可能保持原来的特征。比如二维散乱的点:经过PCA降维后,变成了一维直线,而该直线保证点尽可能分散,变成如下图(跟最小二乘是一样的):具体原理可参考http://blog.codinglabs.org/articles/pca-tutorial.html前面说的是二维降到一维时的情况,假如我们有一堆散乱的三维点云,则可以这样计算法线:1)...转载 2019-12-20 17:47:38 · 1011 阅读 · 3 评论 -
PCA的数学原理
lPCA(Principal Component Analysis)是一种常用的数据分析方法。PCA通过线性变换将原始数据变换为一组各维度线性无关的表示,可用于提取数据的主要特征分量,常用于高维数据的降维。网上关于PCA的文章有很多,但是大多数只描述了PCA的分析过程,而没有讲述其中的原理。这篇文章的目的是介绍PCA的基本数学原理,帮助读者了解PCA的工作机制是什么。当然我并不打算把文章写...转载 2019-12-20 17:45:26 · 198 阅读 · 0 评论 -
关于《统计学习方法》中第三章构造kd树算法中的中位数问题
转载:https://blog.csdn.net/wzc_1230/article/details/88947740最近在看李航所著的《统计学习方法》,很不错的一本书。但在第三章构造平衡kd树时,原书中说的是“以T中所有实例的x(1)坐标的中位数为切分点”(p42),此处的中位数说法自认为不准确。根据随后给出的例3.2 给定一个二维空间的数据集:T={(2,3)T,(5,4)T,(9,6...转载 2019-06-06 14:11:26 · 497 阅读 · 1 评论 -
距离度量之马氏距离
马氏距离用来度量一个样本点P与数据分布为D的集合的距离。假设样本点为:数据集分布的均值为:协方差矩阵为S。则这个样本点P与数据集合的马氏距离为:马氏距离也可以衡量两个来自同一分布的样本x和y的相似性:当样本集合的协方差矩阵是单位矩阵时,即样本的各个维度上的方差均为1.马氏距离就等于欧式距离相等。当协方差矩阵是对角矩阵时,即样本数据在各个维度...转载 2019-04-06 22:28:22 · 986 阅读 · 0 评论 -
python-图像金字塔
1、从opencv函数的金字塔函数和尺度缩放函数说起Opencv里面金字塔和resize函数都是有关图像分辨率的问题。我们经常会将某种尺寸的图像转换为其他尺寸的图像,如果放大或者缩小图片的尺寸,笼统来说的话,可以使用OpenCV为我们提供的如下两种方式:<1> resize函数。这是最直接的方式,<2> pyrUp( )、pyrDown( )函数。即图像金字塔相...转载 2019-03-27 20:09:57 · 1935 阅读 · 0 评论 -
小波变换通俗解释
1基于opencv的小波变换(有代码,推荐):https://www.cnblogs.com/zhangzhi/archive/2009/09/19/1569888.html2博客大多转自:https://blog.csdn.net/u013625961/article/details/614274653拉普拉斯小波的代码:https://blog.csdn.net/qq_37333087...转载 2018-12-27 10:05:04 · 1900 阅读 · 0 评论 -
截止频率概念
截止频率 fc(1HZ~100HZ),代表什么意思截止频率fc,用来描述一个滤波器或一个放大器频率特性的指标。一个滤波器或一个放大器,当保持输入信号的幅度不变,改变信号频率使输出信号降至最大值的0.707倍(对应-3dB),或0.5倍时(对应-6dB),该频率称为截止频率。cut-offfrequency对于一个滤器器来说,在高频端和低频端各有一个截止频率,分别称为上截止频率fH...转载 2018-12-12 20:52:08 · 93484 阅读 · 4 评论 -
同态滤波
目的用途:在生活中会得到这样的图像,它的动态范围很大(即:黑的部分很黑,白的部分很白),而感兴趣的部分的灰度又很暗(即灰度级范围很小),分不清物体的灰度层次和细节。采用一般的灰度级线性变换法是不行的,因为扩展灰度级虽然可以提高图像的反差,但会使得动态范围变的更大。而压缩灰度等级,虽然可以减少动态范围,但物体灰度层次和细节就更无法分辨了。同态滤波正好负责解决这种光照分布不均情况下的图像增强问题。 ...转载 2018-12-12 20:18:22 · 1737 阅读 · 0 评论 -
网格搜索法
网格搜索法是指定参数值的一种穷举搜索方法,通过将估计函数的参数通过交叉验证的方法进行优化来得到最优的学习算法。即,将各个参数可能的取值进行排列组合,列出所有可能的组合结果生成“网格”。然后将各组合用于SVM训练,并使用交叉验证对表现进行评估。在拟合函数尝试了所有的参数组合后,返回一个合适的分类器,自动调整至最佳参数组合,可以通过clf.best_params_获得参数值 版...转载 2018-08-28 21:37:09 · 78100 阅读 · 12 评论 -
深度优先搜索(DFS)
1.前言深度优先搜索(缩写DFS)有点类似广度优先搜索,也是对一个连通图进行遍历的算法。它的思想是从一个顶点V0开始,沿着一条路一直走到底,如果发现不能到达目标解,那就返回到上一个节点,然后从另一条路开始走到底,这种尽量往深处走的概念即是深度优先的概念。你可以跳过第二节先看第三节,:)2.深度优先搜索VS广度优先搜索 2.1演示深度优先搜索的过程还是引用上篇文章的样例图,起...转载 2018-08-23 20:06:59 · 535 阅读 · 0 评论 -
普式变换,仿射变换,人脸对齐
https://blog.csdn.net/tinyzhao/article/details/53169818Geometrical constraints (几何约束)https://blog.csdn.net/lien0906/article/details/52208888面部几何通常参数化为两个元素的组成:一个全局(刚性)转换和一般局部(非刚性)变形。全局转换解释为图像中人脸的整体...转载 2018-08-22 11:02:47 · 2057 阅读 · 1 评论