上一页 1 ··· 7 8 9 10 11 12 13 14 15 ··· 20 下一页
摘要: 1. 最小二乘 $Ax=b$ 经常会没有解,当方程个数大于未知数个数,也即 $m n$ 时,列空间并不是 $R^m$ 空间的全部,因此 $b$ 可能不在列空间中,这时候方程组就无解,但我们不应该就此而停止。 也就是误差 $e = b Ax$ 并不总是能得到 0,这时候,如果误差 $e$ 的长度尽可能 阅读全文
posted @ 2018-11-25 21:46 seniusen 阅读(2204) 评论(0) 推荐(1) 编辑
摘要: 1. 标准化 标准化是为了让数据服从一个零均值和单位方差的标准正态分布。也即针对一个均值为 $mean$ 标准差为 $std$ 的向量 $X$ 中的每个值 $x$,有 $x_{scaled} = \frac{x mean}{std}$。 默认针对每列来进行标准化,也即针对每个特征进行标准化。可以通过 阅读全文
posted @ 2018-11-25 21:43 seniusen 阅读(525) 评论(0) 推荐(0) 编辑
摘要: 高斯噪声是一个均值为 0 方差为 $\sigma_n^2$ 的正态分布,是一个加性噪声。但要正确地给图片添加高斯噪声,还要取决于程序中读入图片的数据格式。 如果图片的数据格式为 uint8,也即数据的范围为 [0, 255],那么直接生成对应方差的噪声,然后加到图片上去。 此处 np.random. 阅读全文
posted @ 2018-11-25 21:39 seniusen 阅读(12857) 评论(0) 推荐(0) 编辑
摘要: 1. PSNR (Peak Signal to Noise Ratio) 峰值信噪比 给定一个大小为 $m×n$ 的干净图像 $I$ 和噪声图像 $K$,均方误差 $(MSE)$ 定义为: $$MSE = \frac{1}{mn}\sum_{i=0}^{m 1}\sum_{j=0}^{n 1}[I( 阅读全文
posted @ 2018-11-24 16:51 seniusen 阅读(78196) 评论(0) 推荐(4) 编辑
摘要: 根据是否联合利用超光谱图像的空间和光谱信息,高光谱图像去噪技术可以分为两类。第一类就是将传统 2 D 图像去噪的方法直接应用到超光谱图像的每个频带上去,称为逐带去噪。第二类就是联合利用空间和光谱信息来进行去噪,称为联合去噪,这又可以大致分为基于变换域的方法和基于空间域的方法。除此之外,由于深度理论的 阅读全文
posted @ 2018-11-24 16:46 seniusen 阅读(1227) 评论(1) 推荐(0) 编辑
摘要: 1. 题目 2. 解答 2.1. 方法一 从矩阵的左下角开始比较 目标值等于当前元素,返回 true; 目标值大于当前元素,j 增 1,向右查找,排除掉此列上边的数据(都比当前元素更小); 目标值小于当前元素,i 减 1,向上查找,排除掉此行右边的数据(都比当前元素更大)。 2.2. 方法二 $$\ 阅读全文
posted @ 2018-11-24 16:42 seniusen 阅读(193) 评论(0) 推荐(0) 编辑
摘要: 1. 题目 2. 解答 针对两棵树的根节点,有下列四种情况: p 和 q 都为空,两棵树相同; p 不为空 q 为空,两棵树不相同; p 为空 q 不为空,两棵树不相同; p 和 q 都不为空,如果两个节点的值相同,而且递归判断左右子树也相同的话,两棵树相同,反之两棵树不同。 获取更多精彩,请关注「 阅读全文
posted @ 2018-11-22 20:08 seniusen 阅读(128) 评论(0) 推荐(0) 编辑
摘要: 1. 题目 2. 解答 2.1. 方法一 我们初始化根节点的范围为长整形数据的最小最大值 $[LONG\_MIN,LONG\_MAX]$,则其左子节点的取值范围为 $[LONG\_MIN,根节点值]$,右子节点的取值范围为 $[根节点值,LONG\_MAX]$。 以此类推,可以得到,如果父节点的取值 阅读全文
posted @ 2018-11-22 20:03 seniusen 阅读(278) 评论(0) 推荐(0) 编辑
摘要: 1. 投影 向量 $ b = (2, 3, 4)$ 在 $z$ 轴上和在 $xy$ 平面上的投影是什么,哪个矩阵能产生到一条线上和到一个平面的投影? 当 $b$ 被投影到 $z$ 轴上时,它的投影 $p$ 就是 $b$ 沿着那条线的部分。当 $b$ 被投影到一个平面时,它的投影就是 $b$ 在平面中 阅读全文
posted @ 2018-11-21 11:54 seniusen 阅读(6439) 评论(0) 推荐(1) 编辑
摘要: 1. 正交子空间 两个向量垂直,意味着 $v^Tw=0$。 两个子空间 $\boldsymbol V$ 和 $\boldsymbol W$ 是正交的,如果$\boldsymbol V$ 中的每个向量 $v$ 都垂直于 $\boldsymbol W$ 中的每个向量 $w$。 想象你处在一个房间里,那么 阅读全文
posted @ 2018-11-21 11:50 seniusen 阅读(1400) 评论(0) 推荐(0) 编辑
上一页 1 ··· 7 8 9 10 11 12 13 14 15 ··· 20 下一页