文章目录前言1. K-Means分割图像2. Mean Shift分割图像3. DBSCAN分割图像结束语 前言 前面几篇博客已经介绍过了基于距离的聚类算法K-Means、K-Means++和MeanShift和基于密度的聚类算法DBSCAN，当然，除此之外还有像层次聚类、谱聚类等这些聚类算法还没有学习到，以后若涉及到再做记录。本篇博客就主要借助机器学习中常用的一个库——scikit-lear
转载
2024-08-15 16:26:24
288阅读
离散数据由单个数值组成，连续数据包含一个数据范围。1.概率密度：连续随机变量的概率分布可用概率密度函数描述。概率密度是一种表示概率的方法，并非概率本身。概率密度指出各种范围内的概率的大小，通过概率密度函数进行描述概率密度函数是图形中的一条线条，而概率则是这条线下方的一定数值范围内的面积。类似于频数密度，概率密度通过面积表示表示概率，频数密度通过面积表示频数。满足条件的面积即为所求概率，图形总面积必
转载
2023-10-11 09:25:13
316阅读
[振动与测试 2] 什么是PSD（功率谱密度）上接前章（数字信号处理的基本概念），今天给大家介绍下振动测试中最常见的一个概念PSD，即所谓的功率谱密度（Power Spectral Density）,以及其与Autopower（自功率谱）的区别。自功率谱现在可以先理解为信号经FFT变换后的幅值。PSD的定义PSD——Power Spectral Density 是表征信号的功率能量与频率的关系的物
转载
2023-11-09 09:53:48
0阅读
# Python 核密度估计及其在图像处理中的应用
在数据科学和统计分析中，核密度估计（Kernel Density Estimation, KDE）是一种用于估计随机变量概率密度函数（PDF）的非参数方法。与直方图不同，KDE不仅能更好地平滑数据，还能提供更清晰的分布模式。在图像处理领域，KDE也能通过图像像素值的分布为我们提供有价值的信息。
## 核密度估计的概念
核密度估计通过在每个数
概率密度函数和概率分布函数的基本概念：随机变量是指在任何时间点上，值都是不能完全确定的，最多只能知道它可能落在哪个区间上，那么怎样去描述这个变量呢？只能通过概率。概率密度函数(Probability Density Function, PDF)和概率分布函数(又称累积分布函数, Cumulative Distribution Function, CDF)分别从两个不同的角度来描述随机变量的概率。在
转载
2024-04-14 12:14:30
323阅读
正态分布（德语：Normalverteilung；英语：normal distribution）又名高斯分布（德语：Gauß-Verteilung；英语：Gaussian distribution, 以德国数学家卡尔·弗里德里希·高斯的姓冠名）。想必这个大名鼎鼎的分布，跟高斯这个名字一样，如雷贯耳，只要稍有数学常识，都应该不陌生吧，即便你已经记不太清楚它的密度函数具体长什么样子了，没关系，密度函数
转载
2023-12-07 18:02:37
122阅读
密度聚类引入 前面介
绍
了有关
Kmeans
聚
类
算法的理
论
和
实战
，也提到了
该
算法的两个致命缺点，一 是聚
类
效果容易受到异常
样
本点的影响；二是
该
算法无法准确地将非球形
样
本
进
行合理的聚 类
。
为
了弥
#直方密度曲线图
#就是直方图与密度图的结合，将两图放入到同一个图形，就可以分析出直方图与密度图传达的信息
import pandas as pd
import numpy as np
import seaborn as sns
import matplotlib.pyplot as plt
%matplotlib inline
#如果用jupyter notebook则需要这行代码让你的图像显示
转载
2023-07-04 13:39:31
169阅读
上部分介绍了pie以及kdeplot、distplot、jointplot、pairplot的用法分别绘制出数据的饼图、核密度分布图、柱状图、散点图、以及用jointplot绘制组合图。下面开始总结（散点图（二维，三维），折线图，（并列，叠加）柱状图，三维曲面图，箱线图的画法）：（一）散点图：(relplot, scatterplot)'''
seaborn.relplot(x=None, y=N
转载
2023-09-11 21:19:19
202阅读
# 用 Python 实现“密度”的计算
在数据分析和科学计算中，密度是一个常见的概念。在这里，我将教你如何用 Python 计算给定数据的密度。我们将按照一定的流程进行，并提供每一步所需的代码和注释。下面是整个流程的概述：
## 流程概述
我们将按照以下步骤来实现密度计算：
| 步骤 | 描述 |
| ----
直方图、密度图import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
%matplotlib inline
#plt.hist(x, bins=10, range=None, normed=False, weights=None, cumulative=False, bottom=None,
#histtyp
转载
2023-08-10 10:09:30
449阅读
双轴图首先还是各种准备工作：import warnings
warnings.filterwarnings('ignore')
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif']=['SimHei']
plt.rcParams['axes.uni
转载
2024-01-10 14:12:21
55阅读
1. 能量信号和功率信号 对信号积分求其能量，如果能够求出来而不是无穷大，即能量有限，在全部时间上的平均功率为0，就说这个信号是能量信号。如果能量无穷大，那么只好用功率来描述这个信号的能量大小，这种信号就是功率信号。任何信号不是能量信号就是功率信号，因为信号的功率永远不可能无穷大的。2. 频谱、能量谱与功率谱 在北理版《信号与系统》中，信号可以分成能
转载
2024-03-08 13:36:12
79阅读
功率谱估计方面的知识运用，这里又不得不再次检讨一下自己的磨蹭了，一个期末大作业居然做了整整两天，简直慢到怀疑人生。 话不多说，上题目。一、试验数据的产生 分别产生两个零均值的高斯白噪声数据u1(n)和u2(n)，其功率都为 σ2 = 0.12，让 u1(n)和u2(n)分别通过一个FIR系统，得到输出为v1(n)和v2(n)。该FIR系统由 5个FIR子系统级联而成： &
转载
2024-04-28 15:06:57
156阅读
在geotrellis环境下成功运行了helloworld之后，我第一个尝试的核密度计算~整个过程还是挺艰难的。。。因为对scala非常地不熟，基本属于边写边学的状态T^T嗯。。首先 核密度分析是什么？？？官方文档里对核密度分析有一段这样的介绍： Kernel density is one way to convert a set of poin
转载
2024-06-12 14:18:34
202阅读
本文用到的包：%matplotlib inline
import numpy as np
import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt
import cartopy.crs as ccrs
import cartopy.feature as cfeature
from cartopy.mpl.g
转载
2023-07-28 15:50:26
377阅读
本文实例讲述了Python基于聚类算法实现密度聚类(DBSCAN)计算。分享给大家供大家参考，具体如下：算法思想基于密度的聚类算法从样本密度的角度考察样本之间的可连接性，并基于可连接样本不断扩展聚类簇得到最终结果。几个必要概念：ε-邻域：对于样本集中的xj, 它的ε-邻域为样本集中与它距离小于ε的样本所构成的集合。核心对象：若xj的ε-邻域中至少包含MinPts个样本，则xj为一个核心对象。密度直
转载
2023-11-02 09:24:52
5阅读
核密度估计Kernel Density Estimation(KDE)概述密度估计的问题由给定样本集合求解随机变量的分布密度函数问题是概率统计学的基本问题之一。解决这一问题的方法包括参数估计和非参数估计。参数估计参数估计又可分为参数回归分析和参数判别分析。在参数回归分析中，人们假定数据分布符合某种特定的性态，如线性、可化线性或指数性态等，然后在目标函数族中寻找特定的解，即确定回归模型中的未知参数。
# 作者: Gael Varoquaux# 许可证: BSD 3-Clause or CC-0import matplotlib.pyplot as pltimport numpy as npfrom sklearn.cluster import AgglomerativeClusteringfrom sklearn.metrics import pairwise_distancesnp.rand
转载
2024-06-11 03:30:17
216阅读
#认识绘制密度图的函数
#密度图是一种直方图和密度图的对比
#大多数密度估计是和密度的估计，核计算是比较复杂了
#通俗讲，纵坐标是相对用于不同类别的值#构造数据，满足正态分布
data=np.random.rand(1000)
#画一个简单的密度图
sns.kdeplot(data);**sns.kdeplot()**
> 函数功能
>> 拟合并绘制单变量或双变量核密度估计值
转载
2023-06-07 19:40:47
376阅读
