目录一、基本理论1. PSO算法2. VMD算法3. MCKD算法3.1 算法简介3.2 算法原理二、PSO_VMD_MCKD三、MATLAB代码参考文献 一、基本理论1. PSO算法有关PSO的介绍请阅读博文：PSO-LSSVM算法及其MATLAB代码2. VMD算法有关VMD的介绍请阅读博文：VMD算法3. MCKD算法3.1 算法简介最大相关峭度解卷积（Maximum Correlated
转载
2023-09-24 08:34:04
1582阅读
一.概述反卷积又称转秩卷积(Transposed Convolution)，上采样(Upsampled )。其作用举例如下：1.当我们用神经网络生成图片的时候，经常需要将一些低分辨率的图片转换为高分辨率的图片。  
转载
2024-08-02 14:55:55
80阅读
反卷积（Deconvolution）的概念第一次出现是Zeiler在2010年发表的论文Deconvolutional networks中，但是并没有指定反卷积这个名字，反卷积这个术语正式的使用是在其之后的工作中(Adaptive deconvolutional networks for mid and high level feature learning)。随着反卷积在神经网络可视
## 最大相关峭度反卷积方法实现
在信号处理与图像处理中，“最大相关峭度反卷积”是一种常用的技术。本文将详细介绍如何用 Python 实现这一过程，且确保您能够理解每个步骤。
### 整体流程概览
在实现最大相关峭度反卷积之前，先来整理一下步骤，以便更清晰地理解。
| 步骤 | 描述 |
|-----------|-----
原创
2024-10-28 03:52:06
139阅读
摘要Pandas是基于numpy来构建的，让numpy为中心的应用变得更加简单。Pandas主要包括两个数据结构，Series和DataFrame。既能处理时间序列的数据也能处理非时间序列的数据，同时在处理缺省值上面非常灵活。一.主要数据结构Series可以把series理解为一维数组或者向量，由value以及index组成。1.创建series>>> import pandas
# Python谱峭度分析程序的实现指南
谱峭度分析是一种用于信号处理和数据分析的方法，有助于我们了解一个数据集的分布特征。今天，我将教你如何使用Python实现谱峭度分析程序。我们将通过以下几个步骤完成整个过程。
## 流程概述
下面是我们需要遵循的主要步骤：
| 步骤 | 描述 |
|------|-------------------
原创
2024-10-27 03:48:22
322阅读
反卷积（Deconvolution）的概念第一次出现是Zeiler在2010年发表的论文Deconvolutional networks中，但是并没有指定反卷积这个名字，反卷积这个术语正式的使用是在其之后的工作中(Adaptive deconvolutional networks for mid and high level feature learning)。随着反卷积在神经网络可视化上的成功
目录一、Matlab快速绘制栅格地图1、几种常用的地图形式：1.1、尺度地图：1.2、拓扑地图：1.3、语义地图：2、栅格地图用于路径规划的优势：3、matlab绘制栅格地图的核心函数及思想：3.1、colormap函数：3.2、sub2ind函数：3.3、ind2sub函数：3.4、为了在栅格地图呈现随机障碍物的效果，可以设置障碍物出现频率数值，根据该数据在所有栅格中生成随机数，从而确定障碍物
# Python 中的偏斜度因子与峭度因子计算教程
在统计学中，偏斜度（Skewness）和峭度（Kurtosis）是用于描述数据分布形态的重要指标。本文将教你如何使用 Python 计算这些因子。这里我们将逐步进行，从设置环境到计算和可视化结果，最后将得出有用的结论。
## 流程概述
为了实现计算偏斜度和峭度因子，我们可以按照以下步骤进行：
| 步骤 | 描述
矩对于随机变量X,X的K阶原点矩为X的K阶中心矩为期望实际上是随机变量X的1阶原点矩,方差实际上是随机变量X的2阶中心矩变异系数(Coefficient of Variation):标准差与均值(期望)的比值称为变异系数,记为C.V偏度Skewness(三阶)峰度Kurtosis(四阶)##偏度与峰度##利用matplotlib模拟偏度和峰度 ###计算期望和方差import matplotlib
转载
2024-05-30 12:24:38
224阅读
# Python 解卷积
在深度学习领域的图像处理任务中，卷积神经网络（CNN）是非常常见和强大的工具。然而，在某些场景下，我们可能需要进行卷积的逆操作，也就是解卷积。解卷积可以帮助我们还原被卷积操作改变的图像或特征。
本文将介绍解卷积的概念和原理，并使用Python代码示例演示解卷积的基本过程。
## 什么是解卷积？
解卷积是卷积操作的逆过程。卷积操作是一种通过滑动窗口和权重矩阵对输入图
原创
2024-02-09 08:30:14
245阅读
卷积的本质是积分变换。卷积运算满足交换律与分配律。其公式如下：设离散函数 如图1所示，计算的过程，只是简单的乘法与加法的计算，最后将计算结果累加在一起，得到的就是卷积的计算结果。虽然这样，可以知道卷积的计算过程，但是却不能帮助理解卷积实际的含义，所以下面分别从图像处理和音频处理上来体现卷积的实际含义。并对“卷积”这一名称的由来。首先是图像处理方面，对于一个图像，可以通过卷积对其进行处理。处理的过程
转载
2017-11-21 19:31:40
125阅读
形态学转换主要针对是二值图像 两个输入对象：1.二值图像，2.卷积核：一个数组1、图像腐蚀图像的边变得更细了。可以去除噪声（边上的毛刺） 卷积核的中心点逐个像素扫描原始图像；被扫描到的原始图像中的像素点，只有当卷积核对应的元素值均为1时，其值才为1,否则值为0。 卷积核中心点遍历原始图像，当卷积核中心点所在位置的两边都是白色，即像素值为1的时候，才保留原始图像这个点。 当卷积核中心点所在位置的两边
参考『http://stat-design.blogspot.sg/search?updated-min=2011-01-01T00:00:00-06:00&updated-max=2012-01-01T00:00:00-06:00&max-results=4』
We know that the Mean gives us the central tendency of the d
Deconvolution Networks(论文解析) 作者：elfin 资料来源：deconvolution论文 1、简介 Deconvolution Networks是在AI领域第一次使用Deconvolution的先驱，但是它并没有提出解卷积层的概念，而是再其下一篇文章中提出(参考其他论文)
转载
2021-05-26 21:35:05
426阅读
# 使用 Python 实现卷积和互相关
## 引言
在计算机视觉和深度学习领域，卷积与互相关操作是两个非常重要的概念。卷积主要用于提取特征，而互相关则用于比较信号或图像的相似性。这篇文章将教你如何在 Python 中实现卷积和互相关操作。请跟随下面的步骤一步步来。
## 流程概述
在我们开始编码之前，让我们先看一下整个流程的概述。流程可以分为以下几个步骤：
| 步骤 | 描述
本人最近在进行CNN神经网络的前向传播相关工作，其中用到了卷积操作，因此对Python自带的卷积函数进行简单了解，以方便自己的使用。1、函数一：tf.nn.convolution(input, filter, padding, strides=None,dilation_rate=None,name=None,data_format=None)测试代码如下：import tensorflow as
转载
2023-05-31 18:57:57
204阅读
文章目录1.（反）卷积（反）卷积原理（反）卷积过程2. 上池化（Unpooling）3. 上采样（Upsampling） 利用 CNN 做有关图像的任务时，肯定会遇到 需要从低分辨率图像恢复到到高分辨率图像 的问题。解决方法目前无非就是 1）插值，2）反卷积一般 上采样 (upsamping) 就使用了插值法，包括 “最近邻插值”，“双线性插值”，“双三次插值”。这些方向好比时手工的特征工程，网
转载
2024-05-31 10:15:29
152阅读
一、图像复原与图像增强的区别图像增强的目的是消除噪声，显现那些被模糊了的细节或简单地突出一幅图像中读者感兴趣的特征，不考虑图像质量下降的原因。图像复原是利用退化现象的某种先验知识，建立退化现象的数学模型，再根据模型进行反向的推演运算，以恢复原来的景物图像。因此图像复原可以理解为图像降质过程的反向过程。建立图像复原的反向过程的数学模型是图像复原的主要任务。二、逆滤波复原1、基本原理f(x,y)表示输
转载
2023-09-12 21:06:09
331阅读
距离度量公式有：欧几里得距离，明可夫斯基距离，曼哈顿距离，切比雪夫距离，马氏距离等；相似度的度量公式有：余弦相似度，皮尔森相关系数，Jaccard相似系数。 补充：欧几里得距离度量会受特征不同单位刻度的影响，所以一般需要先进行标准化处理。pearson当两个变量的方差都不为零时，相关系数才有意义，相关系数的取值范围为[-1,1]当相关系数为1时，成为完全正相关；当相关系数为-1时，成为完
转载
2023-12-03 07:21:38
46阅读
