—算法：--举例：高斯的1~100运算普通的运算：高斯的运算：-可能以计算机的神速,两个算法都可以秒杀解决掉!但是,如果我们把条件换成1加到1千万,或者1加到1千亿,差距就可想而知了,好的算法甚至让人脑快过电脑。--算法的五个基本特征:输入、输出、有穷性，确定性和可行性。输入：算法具有零个或多个输入。尽管对于绝大多数算法来说,输入参数都是必要的。但是有些时候,像打印"I love fishc.co
转载
2023-12-18 16:34:25
41阅读
前两年我发过一文：Win32下的C++高斯模糊算法实例，里面给出了一个高斯模糊的实现，并写了粗略的简介。不过当时内容讲得非常简单，而且附带的例子算法是有缺陷的：一是对图片的边角采用“跳过”的方式处理，导致模糊后的图片有黑边；二是算法本身采用的是二维矩阵，效率上不如一维高斯模糊好。鉴于此，这里重新整理并试图完整的讲述一下高斯模糊。一、高斯模糊是什么模糊算法，不论是使用哪种算法，目的都是为了让图片看起
转载
2024-01-08 15:47:28
54阅读
1：高斯模糊算法（所谓的模糊算法就是当前像素点和周围像素点进行加权均值之后的结果替换当前像素值。因此均值模糊是最简单的，只要将周围的像素点相加取平均值即可。
而高斯模糊则是将周围的像素点的权值按照高斯分布进行取值，即根据距离当前像素点的距离确定取值的权值。如下图：距离当前像素点越近权值越高，反之越低。之所以这么做是因为高斯模糊出来的效果比较好。
（
转载
2024-05-27 17:05:45
54阅读
作者：阮一峰，高斯金字塔的作用：模拟人类的视觉，近处的东西看着大，并且能够看到东西的细节所在，当把这东西从眼前拿到几米外，虽然还是能看到东西，但也只能窥见它的轮廓了，对于细节无从得知。高斯金字塔就是模拟了这样的一种视觉特性，当对图像进行下采样的时候，图像的分辨率降低，就好比把东西从近处拿到了远处。这里的向下与向上采样，是对图像的尺寸而言的（和金字塔的方向相反），向上就是图像尺寸加倍，向下就是图像尺
转载
2023-12-11 13:56:57
91阅读
双边滤波（Bilateral Filter）：双边滤波是一种非线性滤波算法，能够保留图像的边缘信息。它结合了空间域和灰度值域的相似性进行滤波。对于每个像素，通过计算周围像素与它的距离和灰度值的差异，来调整该像素的灰度值。高斯滤波（Gaussian Filter）：高斯滤波是一种线性平滑滤波算法，基于高斯函数的概率密度函数。它将像素的值与周围像素的值按照一定的权重进行加权平均，达到平滑图像的效果。条
转载
2023-12-15 06:45:22
75阅读
最近在看李航的《统计学习方法》一书，关于EM算法部分收集了些资料进行了学习，做了些混合高斯的模拟，下面分三个部分介绍下相关内容：1）EM算法原理，2）混合高斯推导，3）相关代码和结果一、EM算法原理EM算法推导中一个重要的概念是Jensen不等式。其表述为：如果为凸函数（），则有，当且仅当的时候不等式两边等号才成立。如果概率模型只针对观测样本，那么根据的观测值，可以通过极大似然或贝叶斯估计法估计其
转载
2024-08-09 13:52:28
56阅读
高斯消元（南昌理工ACM）简介高斯消元法，是线性代数规划中的一种算法，可用来为线性方程组求解。但其算法十分复杂，不常用于加减消元法，求出矩阵的秩，以及求出可逆方阵的逆矩阵。不过，如果有过百万条等式时，这个算法会十分省时。如图对于方程，除去各未知数，将各数排在一起，成为矩阵，可将他的增广矩阵列出； 之后从上往下经过初等行列变换进一步将该矩阵化为上三角矩阵（最简阶梯型矩阵）：初等行列变换：1、把某一行
转载
2023-12-07 08:53:59
67阅读
本内容主要介绍 高斯混合模型，以及 如何使用 EM 算法（期望最大算法）估计其参数。 高斯混合模型（Gaussian Mixture Model，GMM），是一种业界广泛使用的 聚类 算法，该方法使用 高斯分布 作为参数模型，并使用 期望最大（Expectation Maximization，简称 EM）算法 进行训练。1.1 高斯分布 高斯分布（Gaussian distribution
转载
2023-12-19 21:39:59
245阅读
高斯核函数是SVM中使用最多的一种核函数，对比高斯函数x-u,高斯核函数中表征的是两个向量(x,y)之间的关系，高斯函数又被称为RBF核和径向基核函数。在多项式核函数中，我们知道多项式核函数是将数据点添加多项式项，再将这些有了多项式项的特征点进行点乘，就形成了多项式核函数，对于高斯核函数也是一样，首先将原来的数据点
转载
2023-11-20 07:03:44
118阅读
高斯消元法，是线性代数中的一个算法，可用来求解线性方程组，并可以求出矩阵的秩，以及求出可逆方阵的逆矩阵。高斯消元法的原理是：若用初等行变换将增广矩阵 化为 ，则AX = B与CX = D是同解方程组。所以我们可以用初等行变换把增广矩阵转换为行阶梯阵，然后回代求出方程的解。以上是线性代数课的回顾，下面来说说高斯消元法在编程中的应用。首先，先介绍程序中高斯消元法的步骤：(我们设方程组中方程的个数为eq
转载
2023-11-02 21:41:48
202阅读
题目描述： 大数学家高斯有个好习惯：无论如何都要记日记。 他的日记有个与众不同的地方，他从不注明年月日，而是用一个整数代替，比如：4210 后来人们知道，那个整数就是日期，它表示那一天是高斯出生后的第几天。这或许也是个好习惯，它时时刻刻提醒着主人：日子又过去一天，还有多少时光可以用于浪费呢？
转载
2023-06-05 20:45:18
59阅读
文章目录一、高斯消元法1 模板题II 高斯消元法解异或线性方程组二、求组合数1 递推预处理求组合数——N^22 预处理阶乘求组合数——NLOGN3 卢卡斯(Lucas)定理—询问次数少，数据范围暴大4 精确的计算组合数(非取模意义下)三、卡特兰数一、高斯消元法 学过线性代数的我们都知道，高斯消元法就是用来求解线性方程组的，对应到代码领域，高斯消元法可以在n^3的时间复杂度内求解n个未知数n个方程
转载
2023-12-26 13:05:34
204阅读
本文介绍"高斯模糊"的算法，你会看到这是一个非常简单易懂的算法。本质上，它是一种数据平滑技术（data smoothing），适用于多个场合，图像处理恰好提供了一个直观的应用实例。一、高斯模糊的原理 所谓"模糊"，可以理解成每一个像素都取周边像素的平均值。 上图中，2是中间点，周边点都是1。 "中间点"取"周围点"的平均值，就会变成1。在数值上，这是一种"平滑化"。在图形上，就相当于产生"
转载
2023-11-11 23:22:43
102阅读
十分实用的求解线性方程组的算法。
高斯消元其实在算法竞赛中算是一个十分常见的算法。它的大致思想就和初中阶段学到的加减消元法差不多。这个算法的时间复杂度为\(O(n^3)\)，是一个相当简单的算法，但是具体实现需要一些思考。1.1 问题引入给定方程组\(\begin{cases}x+3y+4z=5\quad(1)\\x+4y+7z=3\quad(2)\\9
转载
2024-02-01 23:40:36
41阅读
作为机器学习的十大算法之一，EM算法可谓是风头出尽，尤其是EM算法在聚类等方面的优越表现，让EM算法备受瞩目，这个星期对EM算法进行了一番了解，说实话EM算法光从教科书上的那些公式说导我觉得很难理解，在七月算法的一节关于EM算法的公开课上慢慢的对EM算法有了算是入门的了解，今天就来说说EM算法与其典型的应用：高斯混合分布 首先简略介绍一个高斯混合分布： 在一个随机分布里面，可能
转载
2024-03-20 08:33:41
54阅读
高斯投影算法是一种重要的地图投影方法，广泛应用于地理信息系统（GIS）和地图制作中。其目的是将地球表面的三维坐标转换为平面坐标，使得地图在保持一定精度的同时，方便进行视图观察和分析。本文将通过分析“高斯投影算法python”的实现过程，进一步深入理解其原理与应用。
## 背景描述
在地图投影的历史长河中，1970年代以来，高斯-克吕格投影（Gauss-Krüger Projection）成为了
高斯滤波是一种线性平滑滤波，适用于消除高斯噪声，广泛应用于图像处理的减噪过程。通俗的讲，高斯滤波就是对整幅图像进行加权平均的过程，每一个像素点的值，都由其本身和邻域内的其他像素值经过加权平均后得到。高斯滤波的具体操作是：用一个模板（或称卷积、掩模）扫描图像中的每一个像素，用模板确定的邻域内像素的加权平均灰度值去替代模板中心像素点的值。 高斯滤波(Gauss filter)实质上是一种信号
转载
2023-12-18 22:45:54
122阅读
目录前言概念介绍基本原理卷积核的大小卷积核的形状和权重比卷积核的归一化结论Opencv实现高斯滤波Python手写实现高斯滤波参考文章前言在此之前，我曾在此篇中推导过图像处理：推导五种滤波算法（均值、中值、高斯、双边、引导）。这在此基础上，我想更深入地研究和推导这些算法，以便为将来处理图像的项目打下基础。概念介绍高斯滤波是一种常用的图像处理技术，常用于去噪、平滑和边缘检测等应用中。它是基于高斯函数
通常，图像处理软件会提供"模糊"（blur）滤镜，使图片产生模糊的效果。"模糊"的算法有很多种，其中有一种叫做"高斯模糊"（Gaussian Blur）。它将正态分布（又名"高斯分布"）用于图像处理。本文介绍"高斯模糊"的算法，你会看到这是一个非常简单易懂的算法。本质上，它是一种数据平滑技术（data smoothing），适用于多个场合，图像处理恰好提供了一个直观的应用实例。一、高斯模糊的原理
转载
2024-01-08 23:08:25
84阅读
首先阐述什么是回归问题（数学上就是用曲线拟合一系列点）：回归分析是一种预测性的建模技术，它研究的是因变量（目标）和自变量（预测器）之间的关系。这种技术通常用于预测分析，时间序列模型以及发现变量之间的因果关系。通常使用曲线来拟合数据点，目标是使曲线到数据点的距离差异最小 。线性回归公式推导及其原理解析： 1：实质就是构建多元线性方程，然后写成矩阵形式 2：构建出的方程和
转载
2024-01-02 12:02:12
134阅读
