Math
旧人赋荒年
Challenge, Passion, Flexibility
展开
-
计算两个向量的逆时针夹角
大多数的时候,计算两个向量或者直线的夹角就可以,通常在0~180°。然而,有的时候,需要知道向量到另一个向量按某一种旋转的角度,即0~360°,比如polygon的计算。MATLAB Code计算OA向量到OB向量的逆时针夹角:A = [1,0];B = [0,1];O = [0,0];OA = A - O;OB = B - O;plot([O(1),A(1)],[O(2),A(2...原创 2019-12-18 10:50:25 · 4543 阅读 · 1 评论 -
最小二乘法线性拟合C++
使用C++进行最小二乘法线性拟合。CMakeLists:cmake_minimum_required(VERSION 2.8)project(linearfit)add_executable (linearfit main_linearfit.cpp)target_link_libraries (linearfit)C++代码://Linear Fit#include<io...原创 2019-12-12 10:33:41 · 1409 阅读 · 0 评论 -
直观理解高斯函数相乘
此处仅直观理解高斯函数的单变量相乘,不涉及复杂的数学推导。有以下两个高斯函数: f1(x)=12π−−√σ1exp−(x−μ1)22σ21f1(x)=12πσ1exp−(x−μ1)22σ12f_1(x) = \frac{1}{\sqrt{2 \pi} \sigma_1} \exp^{- \frac{ ( x - \mu_1)^2}{2\sigma_1^2} } f2(x)=12...原创 2017-02-13 16:20:06 · 14464 阅读 · 9 评论 -
LaTex常用语法
符号定义操作符加减乘除加语法减语法乘语法除语法+++−−-××\times÷÷\div幂运算符号语法符号语法符号语法符号语法转载 2016-09-28 19:40:55 · 18134 阅读 · 4 评论 -
泊松分布和指数分布:10分钟教程
泊松分布和指数分布:10分钟教程作者: 阮一峰日期: 2015年6月10日大学时,我一直觉得统计学很难,还差点挂科。工作以后才发现,难的不是统计学,而是我们的教材写得不好。比起高等数学,统计概念其实容易理解多了。我举一个例子,什么是泊松分布和指数分布?恐怕大多数人都说不清楚。我可以在10分钟内,让你毫不费力地理解这两个概念。一、泊松分布日常生活中转载 2016-10-08 10:32:24 · 634 阅读 · 0 评论 -
信号白化处理的意义
白化指的是将随机变量A分解为KB,A向量组可以由线性无关的向量组B线性表出,使得向量组B的各个向量之间无耦合,便于分析。PCA是一种常用的算法原创 2016-10-06 10:30:20 · 9359 阅读 · 0 评论 -
最大后验估计(MAP)
最大后验估计是根据经验数据获得对难以观察的量的点估计。与最大似然估计类似,但是最大的不同时,最大后验估计的融入了要估计量的先验分布在其中。故最大后验估计可以看做规则化的最大似然估计。 首先,我们回顾上篇文章中的最大似然估计,假设x为独立同分布的采样,θ为模型参数,f为我们所使用的模型。那么最大似然估计可以表示为: 现在,假设θ的先验分布为g。通过贝叶斯理论,对转载 2016-11-07 14:38:01 · 1254 阅读 · 0 评论 -
最大似然估计(Maximum likelihood estimation)
最大似然估计提供了一种给定观察数据来评估模型参数的方法,即:“模型已定,参数未知”。简单而言,假设我们要统计全国人口的身高,首先假设这个身高服从服从正态分布,但是该分布的均值与方差未知。我们没有人力与物力去统计全国每个人的身高,但是可以通过采样,获取部分人的身高,然后通过最大似然估计来获取上述假设中的正态分布的均值与方差。 最大似然估计中采样需满足一个很重要的假设,就是所有的采样都是转载 2016-11-07 14:36:58 · 472 阅读 · 0 评论 -
最大似然估计 (MLE) 最大后验概率(MAP)
最大似然估计 (MLE) 最大后验概率(MAP)1) 最大似然估计 MLE给定一堆数据,假如我们知道它是从某一种分布中随机取出来的,可是我们并不知道这个分布具体的参,即“模型已定,参数未知”。例如,我们知道这个分布是正态分布,但是不知道均值和方差;或者是二项分布,但是不知道均值。 最大似然估计(MLE,Maximum Likelihood Estimation)就可以用来估转载 2016-11-06 10:54:32 · 1049 阅读 · 0 评论 -
理解卷积
1. 卷积的物理意义-加权叠加卷积的重要的物理意义是:一个函数(如:单位响应)在另一个函数(如:输入信号)上的加权叠加。 举例: 已知 x[0] = a, x[1] = b, x[2]=c 已知y[0] = i, y[1] = j, y[2]=k 下面通过演示求x[n] * y[n]的过程,揭示卷积的物理意义。 第一步,x[n]乘以y[0]并平移到位置0: 第二步,x[n]乘原创 2016-09-28 21:48:50 · 1673 阅读 · 0 评论 -
如何计算两个向量的夹角
计算两个向量的夹角angle = atan2(vector2.y, vector2.x) - atan2(vector1.y, vector1.x);if (angle < 0) angle += 2 * pi;举例vector1 = [1,1];vector2 = [-1,-1];angle = atan2(vector2(2), vector2(1)) - atan2(vector1(2)原创 2016-05-25 17:15:12 · 12684 阅读 · 0 评论 -
三角公式 - 记忆版
三角公式正弦函数 sinθ=y/r余弦函数 cosθ=x/r正切函数 tanθ=y/x余切函数 cotθ=x/y正割函数 secθ=r/x余割函数 cscθ=r/y以及两个不常用,已趋于被淘汰的函数:正矢函数 versinθ =1-cosθ余矢函数 vercosθ =1-sinθ同角三角函数间的基本关系式:·平方关系:sin^2(α) cos^2(α)=1tan^2(α) 1=sec^2转载 2016-04-26 15:57:17 · 1095 阅读 · 0 评论 -
Eigen vector and eigen value
对于NxN矩阵A,至少存在N个向量仅仅对矩阵A进行缩放,这些特殊的向量就是eigen vectors。For a matrix A of dimension NxN, there are at least N vectors that are only shrunken or stretched by A. In this area, eigen means special, and this翻译 2016-01-11 11:58:07 · 1143 阅读 · 0 评论 -
Normal distribution正态分布
若随机变量X服从一个数学期望为μ、标准方差为σ2的高斯分布,记为:X∼N(μ,σ2),则其概率密度函数为正态分布的期望值μ决定了其位置,其标准差σ决定了分布的幅度。因其曲线呈钟形,因此人们又经常称之为钟形曲线。我们通常所说的标准正态分布是μ = 0,σ = 1的正态分布(见右图中绿色曲线)。MATLAB代码实现:delta原创 2016-01-14 10:49:32 · 1325 阅读 · 0 评论 -
关于方差、协方差、协方差矩阵的概念及意义
期望离散型随机变量的一切可能的取值xi与对应的概率Pi(=xi)之积的和称为该离散型随机变量的数学期望(设级数绝对收敛),记为 E(x)。随机变量最基本的数学特征之一。它反映随机变量平均取值的大小,又称期望或均值。若随机变量X的分布函数F(x)可表示成一个非负可积函数f(x)的积分,则称X为连续性随机变量,f(x)称为X的概率密度函数(分布密度函数)。方差方差是各个数据与平均数之差转载 2016-01-28 10:07:55 · 1769 阅读 · 0 评论