第一次运行可能会报错，解决方法见：1.有限元求解泊松方程数学原理泊松方程基本形式为：边界条件：用有限元方法求解上式：将求解域离散成单元，寻找一近似解u严格满足边界条件，近似满足域内方程，再使用加权残量方法使误差在单元上最小。转换成数学表达就是对泊松方程两边同时乘以检验函数（test function）v，然后分别积分，保证等式依然成立：对等式左边的二阶微分项进行分部积分，并引入检验函数v在边界上为
转载
2024-10-18 10:23:41
66阅读
基于Jacobi迭代，GS迭代，SOR迭代对泊松方程的求解摘要随着大数据时代的到来，人们需要处理的数据越来越多，所需要考虑的条件因素也在增加。在工程方面，人们所需要处理的问题往往会转化为找出大规模方程组的解的问题，而找出大规模方程组的解的计算复杂度非常的高，因此设计一些高效并且较为精准的算法来求解大规模方程组的近似解显的尤为重要。本文以着一维和二维泊松方程为例子，考虑了Jacobi迭代，GS迭代，
转载
2024-08-28 13:45:05
135阅读
这几天在家躲避疫情，闲来无事，写了这个多重网格法求解泊松方程的算法的代码。 多重网格法可能是目前为止解泊松方程最快的算法，n个格点需要n次计算就可以收敛，而快速傅里叶变换的收敛速度是n*logn, 共轭梯度法是n^2.。多重网格法可以方便的应对各种边界条件，这一点比傅里叶变换之类的谱方法要好得多。多重网格法可以这么理解。泊松方程化为差分方程后，每个格点都可以写成一个方程，因此得到一个方程组。使用迭
转载
2023-12-16 15:10:36
308阅读
概率分布有两种类型：离散(discrete)概率分布和连续(continuous)概率分布。离散概率分布也称为概率质量函数(probability mass function)。离散概率分布的例子有伯努利分布(Bernoulli distribution)、二项分布(binomial distribution)、泊松分布(Poisson distribution)和几何分布(geometric d
解三维泊松方程是一个在科学和工程领域中常见的任务，可以使用Python编程语言来完成。下面是一篇关于如何使用Python解三维泊松方程的文章。一、三维泊松方程简介三维泊松方程是一个偏微分方程，通常用于描述电荷分布、热传导、弹性力学等问题。其数学形式如下：∇^2 u(x,y,z)=f(x,y,z)其中，u(x,y,z)是未知函数，f(x,y,z)是已知函数，∇^2表示拉普拉斯算子，即∂^2/∂x^2
原创
2023-12-29 14:14:36
192阅读
posted on 2019-01-24 22:01 luoganttcc 阅读(...) 评论(...) 编辑 收藏 ...
原创
2023-01-13 06:10:28
121阅读
原创
2023-01-13 06:11:09
106阅读
一直想整理一下研究生期间做的东西，在这里做一个开端吧。从毕业论文中用到的算法开始。求解离散泊松方程，源于当时的研究项目，从图像生成三维模型，具体内容此处不做细谈。为了生成具有一定特征凸起的平滑表面，利用G2连续性曲面的二阶偏微分具有G0连续性的特性，构造特征参数表面，该表面只需G0连续性，通过距离变换等计算，可以很容易获得。通过迭代计算，即可获得所需的具有G2连续性的表面。构造泊松等式：d2z(x
当用与数据科学相关的必备统计只是武装自己时，很重要的须知内容之一是分布（Distribution）。正如概率的概念引出了数学计算，分布协助将隐藏的真香可视化。下面是几种必须了解的重要分布。1.泊松分布（Poisson Distribution）泊松分布用于计算在一个连续时间间隔内可能出现的时间个数。比如，在任意一段时间内会接到多少通电话，或者有多少人在排队。泊松分布是一种离散型函数，这意味着事件只
转载
2023-09-23 20:57:39
287阅读
spss modeler-回归正态分布（高斯分布）： 若随机变量X服从一个数学期望为μ、方差为σ^2的正态分布，记为N(μ，σ^2)。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。当μ = 0,σ = 1时的正态分布是标准正态分布。逆高斯分布：二项分布：二项分布就是重复n次独立的伯努利试验。（抛硬币）在每次试验中只有
转载
2024-03-14 17:15:27
40阅读
在raw image中，主要的噪声为两种，高斯噪声和散粒噪声，其中，高斯噪声是与光强没有关系的噪声，无论像素值是多少，噪声的平均水平（一般是0）不变。另一种是散粒噪声，因为其符合泊松分布，又称为泊松噪声，下图可见，泊松噪声随着光强增大，平均噪声也增大。 什么是散粒噪声？散粒噪声=泊松噪声=shot noise=poisson noiseShot noise存在的根本原因是因为光是由离散的
转载
2024-01-21 09:04:45
678阅读
1. 泊松融合梳理： 图像融合是图像处理的一个基本问题，目的是将源图像中一个物体或者一个区域嵌入到目标图像生成一个新的图像。在对图像进行合成的过程中，为了使合成后的图像更自然，合成边界应当保持无缝。但如果源图像和目标图像有着明显不同的纹理特征，则直接合成后的图像会存在明显的边界。 针对这个问题，有人提出了一种利用构造泊
转载
2023-11-07 00:46:22
324阅读
文章目录泊松噪音Knuth算法散列生成算法生成泊松噪音的图像 泊松噪音Knuth算法首先，回顾泊松分布的函数：其中，是期望值，而则是单调递减的指数函数，而我们所需要关心的函数区间是, 而观察函数图像，等效于一半指数函数，其中 另一方面，根据之前的关于 “泊松等待” 里介绍的，对于已发生的事件A，在接下来的时间里，随着时间增加，事件发生概率呈指数级下降。即有其中有这个限制条件存在。那么，假设打开快
转载
2023-10-26 13:58:10
307阅读
在学习之前先介绍一个包：Scipy
Scipy是一个用于数学、科学、工程领域的常用软件包，可以处理插值、积分、优化、图像处理、常微分方程数值解的求解、信号处理等问题。它用于有效计算Numpy矩阵，使Numpy和Scipy协同工作，高效解决问题。
1、离散概率分布伯努利分布：伯努利试验是只有两种可能结果的单次随机试验（抛硬币） 我们首先用numpy的arange生
转载
2023-10-11 11:49:52
152阅读
引言敲黑板，干货已到达战场！！！在数据分析中，二项分布、泊松分布是我们经常用到的两个分布，今天小编将会先简单介绍二项分布基础：伯努利试验、n重伯努利试验以及两点分布，接着咱们讲解二项分布和泊松分布的概念，完事之后，咱们讲解一下二项分布转换泊松分布求解的条件，最后通过python来看一下，为什么二项分布在某种条件下可以转换成泊松分布近似求解。伯努利试验相信大家都抛过硬币，抛硬币的时候是不是只有两种结
转载
2023-09-16 14:19:09
155阅读
本文介绍了如何用Python实现几种常见的概率分布模型，包括伯努利分布，二项分布，几何分布，泊松分布，正态分布和幂律分布。注：想直接看代码的请直接下滑跳过下面这段。涉及到的统计学知识在这里不做介绍，想了解相关知识的朋友推荐下面的链接进行学习。
这个是网易可汗学院的统计学公开课，涉及的知识包括：随机变量、均值方差标准差、统计图表、概率密度、二项分布、泊松分布、正态分布、大
转载
2024-05-06 16:07:54
73阅读
我们首先从一个实例出发，来分析缘何泊松分布在经济社会生活中如此频繁地出现和使用。已知某家小杂货店，平均每周售出两个水果罐头，请问该水果店的最佳库存量是多少？（或者这么问，如果你是商家，你该如何储备货物？）假定不存在季节因素，可以近似认为，该问题满足以下三个条件：顾客购买水果罐头是小概率事件；（注意泊松分布刻画的是 rare events）购买水果罐头的顾客之间是独立的，也即不会互相依赖或者影响；顾
转载
2023-10-06 22:09:32
128阅读
例子：已知：【1小时(单位时间)生3个婴儿】==【频率lamda】一、泊松分布：自变量为1小时(t=1)生1个婴儿(n=1)或2个婴儿(n=2)或3个婴儿(n=3)...；因变量分别对应自变量根据公式所算出的概率。二、指数分布：自变量为生出婴儿（不管几个，必须得生出来）至少需要1个小时(t=1)或2个小时(t=2)或3个小时(t=3)...；因变量分别对应自变量根据公式所算出的概率。 注
转载
2024-03-07 12:25:23
142阅读
function possion(lambda)
r=poissrnd(lambda,10000,1);
mean(r)
var(r)
rmin=min(r);
rmax=max(r);
x=linspace(rmin,rmax,rmax-rmin+1);
yy=hist(r,x);
yy=yy/length(r);
bar(x,yy)
end
转载
2023-07-28 21:11:12
190阅读
图像去噪是数字图像处理中的重要环节和步骤。去噪效果的好坏直接影响到后续的图像处理工作如图像分割、边缘检测等。图像信号在产生、传输过程中都可能受到噪声的污染，一般数字图像系统中的常见噪声主要有：高斯噪声（主要由阻性元器件内部产生）、椒盐噪声（只要是图像切割引起的黑图像上的白点噪声或者光电转换过程中产生的泊松噪声）等；目前比较经典的图像去噪算法主要有以下三种：均值滤波算法：也称线性滤波，只要思想为领域
转载
2023-12-19 22:27:21
110阅读
