将空间上一组一般的基(如{1 0 0;1 1 0;1 1 1})转换为一组规范正交基(如{1 0 0;0 1 0;0 0 1})。
(1).
(2)条件极值,设长宽高xyz。则优化问题可描述为
核心步骤是每一次都向梯度相反的方向移动,具体可参考:百度百科梯度下降。
参考:百度百科罚函数法
(1)这里就是做多项式拟合,不写了,直接上之前的草纸吧。
(2)上述是非线性拟合。线性拟合参数上不含有x高次方项的系数,下面来个线性拟合。
对数几率回归,决策树,支持向量机,朴素贝叶斯,神经网络。
朴素贝叶斯是基于贝叶斯定理与特征条件独立假设(即用于分类的特征在类确定的条件下都是条件独立的)并使用后验概率最大化策略的分类方法。
不想写了,直接上照片。
参考:李航的《统计学习方法》4.1节
从基本的梯度算子sobel到LoG、DoG再到比较完善的Canny边缘检测。
特征点检测:比如harris,SIFT、SURF、ORB等吧。
特征区块检测:HOG直方图。
是对数据点在k维空间(如二维(x,y),三维(x,y,z),k维(x1,y,z..))中划分的一种数据结构,本质上说Kd-树就是一种平衡二叉树。主要应用于多维空间关键数据的搜索(如:范围搜索和最近邻搜索)。
参考:从K近邻算法、距离度量谈到KD树、SIFT+BBF算法
(1)滤波是将信号中特定波段频率滤除的操作。图像滤波是在尽量保留图像细节特征的条件下对目标图像的噪声进行抑制。
(2)时域滤波是在空间的图像矩阵上进行卷积运算,一般比较耗时。频域滤波要先进行傅里叶变换,然后和相关的算子进行乘积运算。对于不规则的噪声值,通过傅里叶变换可以得到很好的平滑效果;但相应的,时域在边缘提取上,要比频域处理效果好很多。
(3)频域滤波:首先,将时域信号转换成频域信号。具体参见:频域信号处理
卡尔曼滤波:首先你要建立卡尔曼滤波模型,然后套公式即可。参见:卡尔曼滤波之目标跟踪
参考:Linux 磁盘管理:df,du,fdisk,mkfs,fsck
进程间通信的主要手段:管道(Pipe),信号(Signal),消息队列(Message),共享内存(Shared memory),信号量(semaphore)和套接字(Socket)。
参考:linux命令后台运行
参考:TCP协议的滑动窗口具体是怎样控制流量的?
2*8+5
j
超文本传输协议)位于OSI模型(Open System Interconnection Reference Model, 开放式系统互联通信参考模型)的传输层。
常用的请求方法有:GET、HEAD、POST、PUT、DELETE、CONNECT、OPTIONS、TRACE、PATCH。
具体参考:HTTP请求方法:GET、HEAD、POST、PUT、DELETE、CONNECT、OPTIONS、TRACE
参考:linux下which、whereis、locate、find 命令的区别
int PreOrderTraverse(BinaryTreeNode* root){
if(root==NULL) return 0;
cout << root->m_nValue << ' ';
PreOrderTraverse(root->m_pLeft);
PreOrderTraverse(root->m_pRight)
return 0;
}