自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+
  • 博客(8)
  • 收藏
  • 关注

原创 在配置matlab2016调用opencv3.0过程中所遇到的问题

1、配置文件位置在matlab中新建一个helloworld.cpp文件,输入命令mex -v helloworld.cpp命令来编译该文件。在控制台输出的详细信息中可以找到配置文件的位置:Options file:C:\Users\yufei\AppData\Roaming\MathWorks\MATLAB\R2016a\mex_C++_win64.xml于是,mex_C++_win64.xml就

2017-10-23 11:58:06 4992 3

原创 最大熵模型

信息熵介绍例子:称硬币的问题,说有5个硬币,其中有一个是假的,这个假硬币的重量很轻,所以打算用一个天平称称,问需要最少称几次就能够保证把这个假硬币给找出来? 假设x∈X={1,2,3,4,5}x\in X=\{1,2,3,4,5\}是那个假硬币的序号,y∈Y={1,2,3}y\in Y=\{1,2,3\}是第ii次称重时的结果。通过求解|X|=|Y|n|X|=|Y|^n中的n,可以获知需要n

2016-07-05 10:56:20 711

原创 希尔伯特空间的科普

度量空间  极限是数学分析中的基本概念之一。实数列的收敛,函数列的均匀收敛,在平面区域中复变函数列的内闭均匀收敛等等各种极限概念,都可以统一在下面要介绍的度量空间内按距离收敛的概念之中。分析数学方面各个学科都是以某种函数空间为对象而研究在这种空间上的某种数学运算的。定义  设RR是一个非空的集,假如对于RR中任意一对元素xx,yy,都给定一个实数ρ(x,y)\rho(x,y)与它们

2016-05-28 23:35:37 2716

原创 集列的上限集和下限集

以集合论的标准语言来说,一个集合序列的下确界是这些集合的可数交,也就是包含在所有集合里的最大集合: X={X1,X2,⋯,Xn,⋯}infX=⋂m=1∞XmX=\{X_1,X_2,\cdots,X_n,\cdots\}\\\inf X=\bigcap_{m=1}^\infty X_m 令InI_n为自XnX_n起集合的下确界。那么序列InI_n非递减,因为In⊂In+1I_n\subset

2016-05-28 14:47:15 10151 1

原创 隐马尔可夫模型学习笔记

定义  隐马尔可夫模型是关于时序的概率模型,描述由一个隐藏的马尔可夫链随机生成不可观测的状态随机序列,再由各个状态生成一个观测而产生观测随机序列的过程。隐藏的马尔可夫链随机生成的状态的序列,称为状态序列;每个状态生成一个观测,而由此产生的观测的序列称为观测序列。序列的每一个位置又可看做是一个时刻。   设Q是所有可能的状态的集合,V是所有可能的观测的集合。   Q={q1,q2,⋯,qn},V=

2016-05-08 23:18:57 2258

原创 EM算法

EM算法  用X表示观测随机变量,Z表示隐随机变量。X和Z连在一起称为完全数据(complete-data),Y为不完全数据(incomplete-data)。给定训练样本X={x1,x2,⋯,xn}X=\{ x_1, x_2, \cdots, x_n \},样例间独立,EM算法通过迭代求样本的极大似然估计L(θ)L(\theta)来估计模型参数: L(θ)=∑i=1nlogp(xi|θ)=∑i=

2016-05-08 18:20:31 719

原创 理解不同特征值的特征向量之间的非线性关系

理解不同特征值的特征向量之间的非线性关系我希望尽量用简单直观的方式理解定理,能避免公式推导则避免,相信很多人都和我一样觉得抽象的数学公式很难记:数学公式特征方程:Ax⃗ =λx⃗  A \vec{x} = \lambda \vec{x} 上述特征方程,可以理解为向量x⃗ \vec{x}在经线性变换AA后,方向不变,向量x⃗ \vec{x}的长度做伸缩变换,对应的特征值λ\lambda为

2016-04-30 17:01:34 3597

原创 KKT条件--约束问题最优化方法

KKT条件在约束条件下求解非线性规划问题很有用,是确定某点为最优点的一阶必要条件。而对于凸规划问题而言,KKT条件是局部极小点的一阶必要条件,同时也是充分条件,而且局部极小点就是全局极小点。

2016-04-06 23:33:36 27503

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

提示
确定要删除当前文章?
取消 删除