基于Eigen库的离散拉普拉斯平滑(Discretized Laplacian Smoothing)的C++非稀疏矩阵实现

最新推荐文章于 2022-12-06 11:55:11 发布
最新推荐文章于 2022-12-06 11:55:11 发布
阅读量2.4k 收藏 1
点赞数
分类专栏： Eigen 文章标签： 离散拉普拉斯平滑项 Discretized Laplacia 非稀疏实现 Eigen
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/ye_shen_wei_mian/article/details/51474550
版权

转载请注明出处：http://my.csdn.net/ye_shen_wei_mian

离散拉普拉斯平滑很多时候被用于图像的平滑处理，在一些论文的cost function里面也可以见到离散拉普拉斯平滑项，本文就离散的拉普拉斯平滑项进行基于Eigen库的非稀疏矩阵的C++实现。

离散拉普拉斯平滑项的实现原理可以参考Deng Cai（蔡登）大神的《Learning a Spatially Smooth Subspace for Face Recognition》，蔡登的主页是 http://www.cad.zju.edu.cn/home/dengcai/ ，而离散拉普拉斯平滑项的具体原理可能就要参考Finbarr O'Sullivan的《DISCRETIZED LAPLACIAN SMOOTHING BY FOURIER  METHODS

最低0.47元/天 解锁文章
shadingwalker
关注
  • 0
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
apollo自动驾驶进阶学习之：实例演示如何在apollo中用osqp库进行路径path平滑(2)
qq_41593516的博客
06-06 596
1. 这里的建模是在Frenet系下，用SL之间的多项式关系进行建模的。 2. 我自己建模过程中两个重要概念： knot（分段点，或称为锚点）：要用knot - 1个多项式来表征整条路径。 segment（细分小段，即每两个锚点之间还要多分几个小段）：主要用来画曲线 & 设置边界条件的。 3. 我自己实现过程中，目标函数、边界条件里只考虑到二阶信息，二阶连续，感觉够用了。 ...........................
C++ Eigen库计算矩阵特征值及特征向量
08-25
C++ Eigen库计算矩阵特征值及特征向量 Eigen库是C++中的一个开源数学库，广泛应用于矩阵运算、线性代数、优化问题等领域。今天，我们将重点介绍Eigen库在计算矩阵特征值及特征向量方面的应用。 什么是矩阵特征值和...
lowess 边缘离散点拟合测试
weixin_41306321的博客
12-06 488
资源地址:LOWESS, Locally Weighted Scatterplot Smoothing for linear and non-linear data (enhanced) - File Exchange - MATLAB Central大概流程是:1、遍历散点集合中的每个点,对每个点在局部窗口范围内取点，仅x方向距离做权重进行最小二乘拟合，得到每个点的yhat；2、用第一遍拟合的所有点yhat和原始点的y的差值的中值，计算得到y方向的权重，在乘以滑窗的x方向权重作为新权重，重新拟合散点集合，
Eigen实现克罗内克内积
qq_44849479的博客
06-09 1357
Eigen实现克罗内克内积运算
【基础数学】克罗内克内积 Kronecker product
devil_son1234的博客
09-30 5375
Kronecker product
基于Eigen求解线性方程组Ax=b的性能分析
09-05 1326
​在上一篇博客中，我们介绍了三维人脸参数化方法。在该算法中，涉及到求解线性方程AX=b的问题。这里的A为针对网格的拉普拉斯权重矩阵，规模是比较大的，尺度为N*N，N为网格点数。对于人脸数据，动则10000以上的点数，为线性方程求解带来挑战。Eigen提供了一系列的求解线性方程的解法，本博客就基于人脸参数化方法，对比下这些解法的性能特点，以帮助需要深入了解求解大规模线性方程的同学，选择合适的计算工具。
C++ Eigen库的下载配置和使用
03-07
一、Eigen 介绍 二、Eigen 的下载 三、Eigen 的配置 3.1 在 Qt 下配置 3.2 在 Visual Studio (VS) 下配置 四、Eigen 的使用 4.1 矩阵和向量的初始化 4.2 矩阵元素的赋值 4.3 矩阵元素的访问 4.4 获取矩阵大小 4.5 ...
eigen-eigen-5a0156e40feb.zip_c++ 矩阵_eigen_eigen 库_特征值分解 c++_矩阵特征
09-20
《C++中的Eigen库：矩阵操作与特征值分解详解》 在C++编程语言中，高效处理矩阵运算是一项重要的任务，特别是在科学计算、数据分析和机器学习等领域。为了解决这个问题，开发者们创建了多种库，其中Eigen库因其简洁...
C++矩阵库 Eigen 快速入门
01-21
Eigen 是一个基于C++模板的线性代数库，直接将库下载后放在项目目录下，然后包含头文件能使用，非常方便。此外，Eigen的接口清晰，稳定高效。的问题是之前一直用 Matlab，对 Eigen 的 API 接口不太熟悉，如果能有 ...
加权最小二乘滤波用于一维数据平滑（附MatLab版和C++版源码）
u014230360的博客
02-24 5476
好久没写博客了。过去的一年很忙，公司对保密要求也很严格，绝大多数的技术成果都无法公开，有些还是个人的得意之作，不得不说是件非常遗憾的事儿。最近想改进先前开发的轮廓变形技术，需要对一维数据进行平滑，以得到更加理想的平滑轮廓，联想到以前介绍加权最小二乘变形的文章，对原程序做了点儿改动进行了实验，效果还挺满意。下面给大家分享一下。 原始的加权最小二乘滤波是用于处理二维图像的，且目的是为了滤除微弱边缘，保留较强边缘，因而给较强的梯度更大的权重，而给较小的梯度较大的权重。现在我们的目标...
Laplace Smoothing
404
06-15 925
拉普拉斯平滑（Laplace Smoothing）
拉普拉斯平滑（Laplacian smoothing）
热门推荐
weixin_43868020的博客
06-07 2万+
概念 零概率问题：在计算事件的概率时，如果某个事件在观察样本库（训练集）中没有出现过，会导致该事件的概率结果是0。这是不合理的，不能因为一个事件没有观察到，就被认为该事件一定不可能发生（即该事件的概率为0）。 拉普拉斯平滑(Laplacian smoothing) 是为了解决零概率的问题。 法国数学家 拉普拉斯 最早提出用 加1 的方法，估计没有出现过的现象的概率。 理论假设：假定训练样本很大时，每个分量x的计数加1造成的估计概率变化可以忽略不计，但可以方便有效的避免零概率问题 具体公式 总结：分子加一
【C++】代码实现：数据线性平滑算法：3点线性平滑、5点（1次、2次、3次）线性平滑、7点（1次、2次）线性平滑
风语留痕
07-01 1万+
数据线性平滑算法实现代码：3点线性平滑、5点（1次、2次、3次）线性平滑、7点（1次、2次）线性平滑。
Qt快速读取Excel并用Eigen对数据进行矩阵运算处理
Keil_parker的博客
09-01 619
Qt快速读取Excel并用Eigen对数据进行矩阵运算处理前言Qt快速读取Excel数据使用QAxObject存储Excel对象内容数据格式转换后记 前言 这个是做matlab移植C++时的一个子程序，为的是利用Eigen库使matlab程序移植过程更加平滑，可以调用Eigen库丰富强大的功能进行矩阵运算，前后也解决了不少问题（主要是一些使用方法的错误 ，hhh），现在读表速度还可以，十万数据量左右的表格读取加存储大概3ms。 应该还能优化，比如读取后直接转矩阵而不是逐个读入，蹲评论区dalao Qt快速读
2020牛客国庆集训派对day2 F-SUM OF SUB RECTANGLE AREAS
狙击美佐的博客
10-02 814
2020牛客国庆集训派对day2 F-SUM OF SUB RECTANGLE AREAS 数学推导+大数相乘题意思路Code() 传送门：https://ac.nowcoder.com/acm/contest/7818/F 题意 给一个N*N的矩阵，每一位上都是1，求所有子矩阵的权值之和。 思路 设n=3；设n = 3；设n=3； 考虑子矩阵大小为i∗ji * ji∗j的个数xxx，即该大小的所有子矩阵的权值为x∗i∗jx* i * jx∗i∗j。 1∗21 * 21∗2子矩阵:每行个数为222
Kronecker product
shanshuizui的专栏
04-22 1936
 If A is an m × n matrix and B is a p × q matrix, then the Kronecker product A ⊗ B is the mp × nq block matrix: more explicitly: <img class="mwe-math-fallback-image-inline tex" alt="{\mat
the Kronecker product.
AstoncPou的博客
04-26 1490
the Kronecker product. wikibaike解释： 说明
穿过已知点画平滑曲线（3次贝塞尔曲线）
畅图科技
12-25 4184
为了把一串点连成光滑的曲线，先研究贝塞尔曲线，又搞B样条插值。。。。都没有成功(数学没那么强)。 后来在 “[翻译] AGG 之贝塞尔插值 ”http://liyiwen.javaeye.com/blog/705489  。看到一种比较好的方法： 运用贝塞尔曲线的光滑性来穿过这些点。 大致思路就是 先算出相邻原始点的中点，在把相邻中点连成的线段平移到对应的原始点，以平移后的
c++中如何用eigen库中的lapack解带状大型稀疏矩阵方程组
最新发布
05-25
使用Eigen库中的LAPACK库函数可以解决带状大型稀疏矩阵方程组。具体步骤如下： 1. 安装Eigen库，包括LAPACK库。 2. 定义带状矩阵并构建其稀疏结构。可以使用Eigen库中的SparseMatrix类，设置矩阵的大小、带宽等参数，并使用insert()方法插入非零元素。 ```c++ #include <Eigen/Sparse> using namespace Eigen; SparseMatrix<double> A(n,n); A.reserve(VectorXi::Constant(n,3)); for (int i=0; i<n; i++) { A.insert(i,i) = 2.0; if (i > 0) A.insert(i,i-1) = -1.0; if (i < n-1) A.insert(i,i+1) = -1.0; } A.makeCompressed(); ``` 3. 定义向量b和解x，并使用Eigen库中的SparseLU或SparseQR类进行分解和求解。 ```c++ VectorXd b(n); b.setOnes(); SparseLU<SparseMatrix<double> > solver; solver.compute(A); VectorXd x = solver.solve(b); ``` 4. 如果需要求解多个右端向量，可以调用solve()方法的重载版本。如果需要求解多个带状矩阵，可以重复执行第2-3步。 ```c++ MatrixXd B(n,m); B.setOnes(); MatrixXd X = solver.solve(B); ``` 需要注意的是，Eigen库中的LAPACK库函数仅支持实数和复数类型的矩阵，如果需要解决整数类型的矩阵方程组可以使用其他库函数。

“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

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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