参考内容：B战的DR_CAN的卡尔曼滤波器视频，讲的特别的好，建议要学习的可以去看看，非常通俗易懂，很好理解。1、初见卡尔曼滤波器-----递归运算 卡尔曼滤波器用一句话来说是一种 optimal recursive data pr
转载
2024-06-28 20:20:37
46阅读
以下介绍部分乃网络资料，程序注释和优化乃自己原创： Dr Kalman 的卡尔曼滤波器。下面的描述，会涉及一些基本的概念知识，包括概率（Probability），随机变量（Random Variable），高斯或正态分配（Gaussian Distribution）还有State-space Model
图像噪声，通常指图像中除了成像物体之外的其它信息，比如斑点和颗粒，这些额外的错误信息干扰了成像物体的显示，影响成像质量，所以往往需要通过图像滤波（也称为图像去噪）来消除这些噪点。常见的图像滤波算法有均值滤波、高斯滤波、中值滤波、双边滤波、非局部均值滤波，以及近几年火热的基于深度学习的图像滤波等。本章节将详细讲解均值滤波算法的原理，以及C++实现和优化。首先膜拜一下那些写Opencv代码的大佬们，他
转载
2024-03-28 21:45:07
164阅读
因为stark用到了templates里面的html页面文件，所以要整合在一个app里，在stark里面创建名字为templates的Python Package，将之前的html页面拷贝在stark组件里面的templates里面，然后拷贝stark组件 二、实现crm逻辑CRM即客户关系管理，是指企业用CRM技术来管理与客户之间的关系1、创建数据库在app01应用下的models
转载
2024-09-20 18:28:22
29阅读
KNN模型理论K最近邻分类算法，是一个理论上比较成熟的方法，也是最简单的机器学习算法之一。该方法的思路是:如果一个样本在特征空间中的k个最相似(即特征空间中最邻近)的样本中的大多数属于某一个类别，则该样本也属于这个类别。KNN算法中，所选择的邻居都是已经正确分类的对象。该方法在定类决策上只依据最邻近的一个或者几个样本的类别来决定待分样本所属的类别。KNN方法虽然从原理上依赖于极限定理，但在类别决
转载
2024-04-07 06:32:01
34阅读
摘要：双边滤波就是一种非线性的滤波方法，他在保持图像边缘信息的同时去除噪声。所谓非线性，是因为他的基本原理是对像素进行加权平均，其中权值取决于空间距离和像素值之间的差异。双边滤波的原理：在实现双边滤波时，我们需要定义一个整数半径radius，遍历每个像素点，对每个像素点radius范围内的像素点，求出它们的高斯权重和一个相似性权重，高斯权重表示距离当前中心像素越远对中心的影响越小，相似性权重表示像
转载
2024-04-03 15:16:17
119阅读
简单的说，K近邻算法是采用不同特征值之间的距离方法进行分类。 该方法优点：精确值高、对异常值不敏感、无数据输入假定 缺点：计算复杂度高、空间复杂度高 适用范围：数据型和标称型 现在我们来讲KNN算法的工作原理：存在一个样本数据集，也称作训练样本集，并且样本中每条数据都存在标签
转载
2023-07-07 23:35:02
0阅读
无监督学习相对监督学习（输入进x，有对应的y），没有标注聚类k均值基于密度的聚类最大期望聚类降维潜语义分析（LSA）主成分分析（PCA）奇异值分解（SVD） k 均值（k-means）是聚类算法中最为简单、高效的，属于无监督学习算法核心思想：由用户指定k个初始质心（initial centroids)，以作为聚类的类别（cluster），重
在kNN算法中 k参数被封装成n_neighbors参数之前我们都是随意的传递3,5.究竟传什么参数最好，这就涉及机器学习非常重要的问题：超参数超参数：运行学习机器学习算法之前，需要指定的参数例如kNN算法的k与超参数对应的是模型参数模型参数：算法过程中学习的参数 kNN算法只有超参数，没有模型参数机器学习工程师要做的一个就是调参，就是调超参数因为是在算法运行前需要我们运行的参数寻找好的
滤波分类首先我们应该了解一下什么是平滑。平滑 也称 模糊, 是一项简单且使用频率很高的图像处理方法。平滑的一种作用就是用来减弱噪声。OpenCV中提供了两类常见的滤波器用来对图像进行平滑处理。线性滤波：对邻域中的像素的计算为线性运算时，如利用窗口函数进行平滑加权求和的运算，或者某种卷积运算，都可以称为线性滤波。包括方框滤波（boxFilter）、均值滤波（blur）、高斯滤波（GaussianBl
转载
2024-05-14 15:24:57
133阅读
什么是kNN？
kNN 的名字中虽然含有 NN，但并不是我们常说的Neural Network神经网络。 kNN 英文全程 k - Nearest Neighbor, 中文名 k近邻算法。 kNN 根据待分类样本周围的已知类别样本来判断待分类样本的类别。简单说， 如果你周围都是猴子，那 kNN 就认为你是猴子， 如果你周围都是大学生，那 kNN 就认
转载
2024-04-07 00:02:40
17阅读
一、什么是KNN算法？KNN（K-Nearest Neighbor）算法是机器学习算法中最基础、最简单的算法之一。它既能用于分类，也能用于回归。KNN通过测量不同特征值之间的距离来进行分类。KNN算法的思想非常简单：对于任意n维输入向量，分别对应于特征空间中的一个点，输出为该特征向量所对应的类别标签或预测值。KNN算法是一种非常特别的机器学习算法，因为它没有一般意义上的学习过程。它的工作原理是利用
转载
2024-04-03 13:59:56
60阅读
k近邻法（KNN）knn是一种基本的分类与回归方法，其分类思想在于给定一个训练数据集，对一个新的输入实例，如果能在训练数据集中找到与该实例最邻近的k个实例，并且这k个实例的多数属于某个类，那么就把这个新的输入实例分为这个类。knn需要注意的几个术语：邻域、距离、位置、维度(影响着模型的复杂度)，下面是knn大致的一个内容。 补充： 设特征空间X是n维实数向量空间Rn，xi，xj∈X，xi=(x
转载
2023-10-06 23:02:23
341阅读
无监督学习一、 无监督学习（unsupervised learning）1. 典型例子：聚类（Clustering）2.无监督学习的重要因素二、 K均值聚类（K-means 聚类）1. K均值聚类算法第一步：初始化聚类质心第二步：把每个待聚类数据放入唯一一个聚类集合中第三步：根据聚类结果，更新聚类质心第四步：算法循环迭代，直到满足条件2. 聚类迭代结束条件3. K均值聚类算法的另一个视角：最小化
KNN聚类技术图为年龄与收入，是否会购买杂志KNN就是选定一个K为半径，样本为原点的圆，如果圆内那个类别偏多，那么我们就将该样本分为该类。K为超参数，由于我们自己确定。KNN理论基础：同一个集群的客户将表现出相同的行为。所以集群与相邻的客户相同，它不是一种机器学习方法劣势：效率低下，因为不能确定K所以要多次尝试。很难解释为什么使用KNN聚类效果会比naïve prediction的预测好。KNN与
1、 中值滤波首先给出结论，中值滤波，例如说设置窗长为5个点的均值滤波，属于低通滤波。这点很容易理解，假设窗长为无限长，原始信号就变为了直流分量，频率为0。因此，均值滤波属于低通滤波，中值滤波也是一样的道理，也属于低通滤波。2、低通滤波我们接下来细细探究为何均值滤波属于低通滤波？ 首先，例如我们得到一段随机信号，这里我们用matlab生成。close all
clear
clc
Fs=1000;
转载
2024-03-27 12:34:57
301阅读
无论是直接获取的灰度图像，还是由彩色图像转换得到的灰度图像，里面都有噪声的存在，噪声对图像质量有很大的影响。进行中值滤波不仅可以去除孤点噪声，而且可以保持图像的边缘特性，不会使图像产生显著的模糊，比较适合于实验中的人脸图像。 中值滤波是一种非线性的信号处理方法，因此中值滤波器也就是一种非线性的滤波器。在一定条件下，其可以克服线性滤波器处理图像细节模糊
转载
2023-11-06 13:27:20
0阅读
kNN 算法是一种基于向量间相似度的分类算法。1. 算法原理 k 最近邻（k-Nearest Neighbor）算法是比较简单的机器学习算法。它采用测量不同特征值之间的距离方法进行分类。它的思想很简单：如果一个样本在特征空 间中的 k 个最邻近（最相似）的样本中的大多数都属于某一个类别，则该样本也属 于这个类别。k表示外部定义的近邻数量。 举例说明，下图中可以清晰的看到由四个点构成
转载
2023-10-08 01:19:45
104阅读
一.KNN算法概述KNN可以说是最简单的分类算法之一，同时，它也是最常用的分类算法之一，注意KNN算法是有监督学习中的分类算法，它看起来和另一个机器学习算法Kmeans有点像（Kmeans是无监督学习算法），但却是有本质区别的。那么什么是KNN算法呢，接下来我们就来介绍介绍吧。二.KNN算法介绍KNN的全称是K Nearest Neighbors，意思是K个最近的邻居，从这个名字我们就能看出一些K
转载
2024-01-08 14:44:42
46阅读
问题引入今天要说的一个问题就是KKN中K适如何选择的，KNN是我们在机器学习中首要学习的一个最基本也是最简单的一个算法，可以用来做分类当然也可以用到做回归。问题解答李航博士《统计学习方法》的书上是这么写的在实际应用中，K值一般取一个比较小的数值，例如采用交叉验证法（简单来说，就是一部分样本做训练集，一部分做测试集）来选择最优的K值。1.如果选择较小的K值，就相当于用较小的领域中的训练实例进行预测，
原创
2021-01-29 20:31:05
2202阅读
