线性变换第30页

矩阵的几何意义

线性变换f(x)+f(y)=f(x+y)kf(x)=f(kx)上面的例子有点抽象，如缩放就是一种线性变换，如f(x)=2x可以表示一个大小为2的统一缩放，即经过矢量x的模是原来的两倍。

小盖子·2020-08-15 04:55

[深度学习]神经网络中权重矩阵/卷积核以及（y=wx+非线性变换）输出值/特征图的本质理解

文章目录CNN权重矩阵和特征图理解特征是什么权重矩阵\滤波器理解特征图\输出值理解总结基础知识从线性分类器说起损失函数优化梯度下降法后向传播算法神经网络-非线性映射最近在学习cs231n课程和之前自学习的内容有了理解上的偏差，现在记录有点理解在此。对于之前知识需要了解的，请先看本章第二部分（或者观看cs231n前五章）.CNN权重矩阵和特征图理解特征是什么隐层输出作为特征，权重矩阵或者叫隐藏权重，

少年初心·2020-08-14 21:07

关于图像对比度【5】——局部自适应对比度调整

关于图像对比度【5】——局部自适应对比度调整之前说的对比度都是对整幅图像来说的，在进行对比度调整的时候，也是对整幅图像使用了相同的参数，比如用线性变换的方法来做对比度调整，即y=kx+b，对于所有的像素点

泾渭漳淮·2020-08-14 20:24

判别函数（二）广义线性函数和分段线性函数

，其中x*的各个分量是x的单值实函数，x*的维数k高于x的维数n，即若取x*=(f1(x),f2(x),….,fk(x)),k>n；则分类界面在x*中是线性的，在x中是非线性的，此时只要将模式x进行非线性变换

匍匐-菜鸟·2020-08-14 18:00

线性代数知识点梳理（部分）

线性变换有多种形式：从方程的角度，从矩阵A的角度，从x→Ax的角度…矩阵是否可逆是研究矩阵的一个重要角度。我们说一个矩阵可逆（非奇异），从定义的角度（AC=I/CA=I）不容易揭示

kqusai·2020-08-14 14:49

python使用M2Crypto模块进行AES加密

AES将原始数据分成多个4×4字节矩阵来处理，通过预先定义的密钥对每个字节矩阵中的每个字节进行异或、替换、移位以及线性变换操作来达到加密的目的。密钥长度可以是128，192或256比特。

shudou·2020-08-14 05:21

pytorch学习笔记（十二）————全连接层

pytorch学习笔记（十二）————全连接层nn.Linear()classtorch.nn.Linear（in_features，out_features，bias=True）对传入数据应用线性变换

南风渐起·2020-08-13 22:36

基于PCA的图像降维及图像重构

1PCA简述PCA（PrincipalComponentAnalysis）主成分分析算法，在进行图像识别以及高维度数据降维处理中有很强的应用性，算法主要通过计算选择特征值较大的特征向量来对原始数据进行线性变换

Sirius小狼·2020-08-13 22:32

主成分分析 PCA （Principal components analysis）& 图像压缩 Image Compression (R)

Clark Kent 2000·2020-08-13 16:50

线性代数的本质（1）——基底、向量、线性变换、逆阵、行列式

我不知道多少人和我之前一样，在看到线性代数矩阵、向量之间的数值运算那些头发都要掉一圈。尤其是当我考研时考场上看到那两道线代题的时候人都傻了（20年数二）。但是在这考完后重新回来思考线性代数的本质的时候，发现这个真的是一个很有趣很奇妙的东西。这篇文章不是以应试为目的的，而是在于讲解线性代数的本质，如果是只想学会怎样计算的同学可以不用浪费时间了。当然由于本人水平有限，也还在漫漫求学路中，所以理解的可能

在秃顶的边缘疯狂试探·2020-08-13 16:45

主成分分析（PCA）及白化（ZCA）

现要对X进行线性变换为另一个矩阵Y，使得Y消除了X各特征的相关性，即Y的协方差矩阵为对角矩阵。

jiumi123·2020-08-13 15:31

数据白化

现在，寻找一个线性变换B对x进行变换，即y=Bx，使得Ry=BE[xxT]BT=I上

jiumi123·2020-08-13 15:31

摘抄 - 从几何角度看协方差矩阵

简介：本文通过探索线性变换和变换后数据协方差的的关系，提供一个直观的、几何图示的协方差矩阵解释。大多数教材都是通过协方差矩阵的概念来解释数据的分布形状。相反的我们通过数据分布的形状来解释协方差矩阵。

htuhxf·2020-08-13 14:14

主成分（PCA）降维

主成分降维:主成分分析法是一种数学变换的方法,它把给定的一组相关变量通过线性变换转成另一组不相关的变量，这些新的变量按照方差依次递减的顺序排列。

hllingg·2020-08-13 14:31

PCA人脸识别

PCA通过线性变换将原始数据变换为一组各维度线性无关的表示，可用于提取数据的主要特征分量，常用于高维数据的降维。

Er_meiyao·2020-08-13 14:00

PCA（主成分分析）获取BoundingBox&代码分析

理论PCA(PrincipalComponentAnalysis)是一种十分常用的数据降维方法，其主要思想是通过线性变换的方法，将一组高维数据投影成互不相关的低维数据，保留原始

$南山种豆$·2020-08-13 12:43

机器学习系列（8）：主成分分析（PCA）及白化（ZCA）

现要对X进行线性变换为另一个矩阵Y，使得Y消除了X各特征的相关性，即Y的协方差矩阵为对角矩阵（YY'为对角矩阵）。

涵子涵·2020-08-13 10:28

【机器学习】Sklearn库主成分分析PCA降维的运用实战

原理：线性映射（或线性变换），简单的来说就是将高维空间数据投影到低维空间上，那么在数据分析上，我们是将数据的主成分（包含信息量大的维度）保留下来，忽略掉对数据描述不重要的成分。

brucewong0516·2020-08-13 10:30

kf 和 ekf 和 ukf 入门

KF的假设：高斯分布的xx预测后的不确定性仍服从高斯分布高斯分布的xx变换到测量空间后不确定性仍服从高斯分布;1和2所代表的F、H矩阵，线性变换应用在线性系统；线性离散系统；虽然实际生活中大多都是非线性的

hoppss·2020-08-12 17:59

DirectX12 3D 游戏开发与实战第三章内容

变换学习目标理解如何使用矩阵表示线性变换和仿射变换学习对几何体进行缩放、旋转和平移的坐标变换根据矩阵之间的乘法运算性质，将多个变换矩阵合并为一个单独的净变换矩阵找寻不同坐标系之间的坐标转换方法，并利用矩阵来表示此坐标变换熟悉

林栋·2020-08-12 15:50

pytorch学习5：实现autoencoder

自动编码器讲述的是对于一副输入的图像，或者是其他的信号，经过一系列操作，比如卷积，或者linear变换，变换得到一个向量，这个向量就叫做对这个图像的编码，这个过程就叫做encoder，对于一个特定的编码，经过一系列反卷积或者是线性变换

yuyangyg·2020-08-12 14:39

FWT

线性变换>->类比FFT对于这类东西，我们考虑tf(A)tf(B)=tf(A∗B)tf(A)tf(B)=tf(A*B)tf(A)tf(B)=tf(A∗B),其中*为某二元运算,tf为线性变换,设C=A∗

psc233·2020-08-11 03:18

规范化（标准化）数据的3种方法

1、最小—最大规范化最小—最大规范化对原始数据进行线性变换。假设和分别为属性A的最大值和最小值。最小—最大规范化通过计算：把A的值映射到区间中。

Meoop·2020-08-11 02:02

线性代数 -- 3 线性变换与矩阵

3线性变换与矩阵开篇一个问题，即能让线性代数的其他内容一目了然，又经常会被忽略：线性变换的概念以及它和矩阵的关系。

wyf_zyrs·2020-08-11 01:30

3DSlicer27:OpenIGTLinkIF

该模块提供了以下特性：数据输入：该模块可以从OpenIGTLink兼容的软件导入位置数据、线性变换、图像数据到MRML场景中。数据输出：该模块可以将线性变换、图像从MRML场景中导出到外部软件中。

沈子恒·2020-08-10 21:58

矩阵的特征值与特征向量

矩阵的特征值与特征向量一个m×n的矩阵是n维线性空间V1到m维线性空间V2的一个线性映射的表示，当m=n时，线性变换的矩阵是一个n×n方阵。

creable·2020-08-10 15:07

线性代数笔记（2）：线性变换及其矩阵表示

一、线性变换的定义Definition:LetVandWbevectorspaces.WecallafunctionT:V→Walineartransformation(orlinear)fromVtoWifforallx

白马负金羁·2020-08-10 15:48

强烈推荐篇将PCA讲解得十分清楚的博文——PCA的数学原理

PCA通过线性变换将原始数据变换为一组各维度线性无关的表示，可用于提取数据的主要特征分量，常用于高维数据的降维。网上关于PCA的文章有很多，但是大多数只描述了PCA的分析过程，而没有讲述其中的原理。

一生所爱丶·2020-08-10 13:50

《前端图形学从入门到放弃》002 教练我想学矩阵

本文大纲矩阵和线性变换是什么？webgl如何实现缩放和旋转？平移不是线性变换，那该怎么办？webgl如何实现平移？

master_yoda·2020-08-10 10:45

lesson 5

1、PCA主成分分析就是将输入的矩阵通过简单的线性变换转换成一个用较少数量的特征就可以覆盖原矩阵大部分元素的新矩阵2、在表格处理中，为类别变量创建的也是嵌入矩阵，其实就是矩阵，比独热编码输入做矩阵乘法免去了计算和内存负担

世界待你如此好·2020-08-10 08:19

遥感数字图像处理——第四章——变换域处理方法

4.1变换域处理方法概述一、重点：各变换算法在图像处理中的物理含义及应用二、线性变换：(1)主成分分析(2)最小噪声分离(3)缨帽变换频率域变换：(1)傅里叶变换(2)小波变换(3)颜色空间变换4.2主成分变换一

�小幸运�·2020-08-10 08:48

数字图像处理——第三章（灰度变换与空间滤波（空间域））

灰度变换与空间滤波一、灰度变换1.1基本灰度变换函数1.1.1图像反转1.1.2对数变换1.1.3幂律（伽马）变换1.1.4分段线性变换函数1.2直方图处理1.2.1直方图均衡化1.2.2直方图匹配（规定化

一千种风的味道·2020-08-10 06:01

数字图像处理——第三章空间域图像增强（灰度变换和直方图处理）

文章目录空间域图像增强1.背景知识2.基本灰度变换2.1图像反转2.2对数变换2.3幂次变换2.4分段线性变换函数2.4.1对比拉伸2.4.2灰度切割2.4.3位图切割3.基本灰度变换函数3.1函数imadjust

Flamingo_NJ·2020-08-10 05:21

计算机视觉编程——图像到图像的映射

文章目录图像到图像的映射1单应性变换1.1直接线性变换算法1.2仿射变换2图像扭曲2.1图像中的图像2.2分段仿射扭曲2.3图像配准3创建全景图3.1RANSAC3.2稳健的单应性矩阵估计3.3拼接图像图像到图像的映射

Flamingo_NJ·2020-08-10 05:23

python数据分析数据标准化及离散化详解

python数据分析数据标准化及离散化详解本文为大家分享了python数据分析数据标准化及离散化的具体内容，供大家参考，具体内容如下标准化1、离差标准化是对原始数据的线性变换，使结果映射到[0,1]区间

weixin_30733003·2020-08-10 02:11

复旦大学数学学院 18 级本科生对每周一题的评价

在课内已讨论过在复数域上有n个特征值的线性变换的全部不变子空间，而那道思考题则是讨论一般域上线性变换的全部不变子空间（一下推广到底了）。这个问题让我对线性空间的几

dianyachuo4691·2020-08-09 20:57

hashmap解析与1.7和1.8 put方法流程图与常见问题

哈希算法：直接定址法：对键值进行线性变换得到哈希地址数字分析法：找到数据中区别较大的部分，组成哈希地址平方取中法：取键值平方后的中间几位作为哈希地址折叠法：将键值分为几部分，将这几部分进行叠加得到哈希地址除留取余法

淡墨w青衫·2020-08-09 11:09

matlab分析矩阵与线性变换

把变换矩阵AAA看作两个二维列向量的组合A=[α1,α2]A=[\alpha_1,\alpha_2]A=[α1,α2]，α1,α2\alpha_1,\alpha_2α1,α2称作此变换的基向量，A=[10.2501]A=\begin{bmatrix}1&0.25\\0&1\end{bmatrix}A=[100.251]的基向量为α1=[10]\alpha_1=\begin{bmatrix}1\\0

只是有点小怂·2020-08-09 03:30

图像的运算

线性点运算当GST函数为线性函数时，对应的变换为线性变换。当a=1,b=0时，图像不发生变换；当a>1，b非负时，图像的各个像素点的灰度值都增加，图像的对比度

xholes·2020-08-09 02:32

16灰度非线性变换

#主要包括对数变换、幂次变换、指数变换、分段函数变换，#通过非线性关系对图像进行灰度处理#原始图像的灰度值按照DB=DA×DA/255的公式进行非线性变换importcv2importnumpyasnpimportmatplotlib.pyplotasplt

不可道是常道 Sean·2020-08-09 02:20

FIR滤波器和IIR滤波器的区别和选择

例如用频率抽样法设计阻带衰减为-20db的FIR滤波器，其阶数要33阶才能达到，而如果用双线性变换法设计只需4-5阶的切贝雪夫滤波器，即可达到指标要求，所以FIR滤波器的阶数要高5-10倍左右。

Gamal_xin·2020-08-08 22:39

PCA主成分分析解释及PYTHON代码

个样本中每一个维度值进行取平均，然后每个样本的值在减去这个平均值，记为newData，这个新矩阵对应每一维的均值是0，依然是m∗nm*nm∗n矩阵3进行主成分分析降维，是为了找一个n∗dn*dn∗d矩阵，将newData矩阵进行线性变换成

qq_41131535·2020-08-08 20:01

主成分分析（principle component analysis）介绍

它是一个线性变换。这个变换把数据变换到一个新的坐标系统中，使得任何数据投影的第一大方差在第一个坐标(称为第一主成分)上，第二大方差在第二个坐标(第二主成分)上，依次类推。主成分分析经常用减少

guoyunfei20·2020-08-08 15:21

Opencv 基础知识点整理——对比度增强

对比度增强对比度增强的常见方法：线性变换、分段线性变换、伽马变换、直方图正规化、全局直方图均衡化、局部自适应直方图均衡化（限制对比度的自适应直方图均衡化）灰度直方图：概括了一幅图像的灰度级信息。

TerryWenD·2020-08-08 13:05

「图形学/渲染管线/图元装配」透视投影矩阵的推导和原理解释

文章目录前言前置知识视见体和标准设备坐标系透视投影原理目的/结果透视投影矩阵的推导1.计算视锥体的点投影到近平面的x、y坐标2.规范化近投影面的x、y坐标3.透视除法消除非线性变换4.计算视锥体的点投影后的深度

Arkish·2020-08-08 01:42

数据处理之PCA