乍一看到某个问题，你会觉得很简单，其实你并没有理解其复杂性。当你把问题搞清楚之后，又会发现真的很复杂，于是你就拿出一套复杂的方案来。实际上，你的工作只做了一半，大多数人也都会到此为止……。但是，真正伟大的人还会继续向前，直至找到问题的关键和深层次原因，然后再拿出一个优雅的、堪称完美的有效方案。

—— from 乔布斯

09 2018 档案

摘要：均值与方差首先回忆下均值和方差的定义，若存在

n

$n$ 个数为

x_{1}, x_{2}, \dots, x_{n}

$x_1, x_2, \dots, x_n$ ，则均值

μ

$\mu$ 为：

μ = \frac{x_{1} + x_{2} + \dots + x_{n}}{n}

$\mu = \frac{x_1+x_2+\dots+x_n}{n}$ 均值衡量的是数值集中在哪个数值附近。令标准差为

σ

$\sigma$ ，则方差

σ^{2}

$\sigma^2$ 为：阅读全文

posted @ 2018-09-27 17:43 shine-lee 阅读(3272) 评论(0) 推荐(0) 编辑

摘要：高斯函数与高斯滤波一维高斯函数我们都熟悉，形式如下：

G (x) = \frac{1}{\sqrt{2 π} σ} \exp (\frac{x^{2}}{2 σ^{2}})

$G(x) = \frac{1}{\sqrt{2\pi}\sigma} \exp( \frac{x^2}{2\sigma^2})$ 计算机视觉中，高斯滤波使用的高斯核为

x

$x$ 和

y

$y$ 两个一维高斯的乘积，两个维度上的标准差

σ

$\sigma$ 通常阅读全文

posted @ 2018-09-18 20:37 shine-lee 阅读(36870) 评论(2) 推荐(9) 编辑

昵称： shine-lee
园龄： 11年4个月
粉丝： 438
关注： 3

日拱一卒