线性变换

利用主成分分析（PCA）简化数据

一．PCA基础线性映射（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。
diechen2576·2020-08-06 12:21

图像增强处理之：同态滤波与Retinex算法(一)同态滤波

在生活中会得到这样的图像，动态范围很大，感兴趣的部分的灰度却很暗，范围很小，灰度层次和细节没有办法辨认，用一般的灰度线性变换法是不行的，因为扩展灰度级虽可以提高物体图像的因为扩展灰度级虽可以提高物体图像的反差
Naruto_Q·2020-08-06 11:17

MSRCR（Multi-Scale Retinex with Color Restore）

不同于传统的图像增强算法，如线性、非线性变换、图像锐化等只能增强图像的某一类特
风吹夏天·2020-08-06 11:55

机器学习方法（五）：逻辑回归Logistic Regression，Softmax Regression

线性回归的缺点也是很明显的，因为线性回归是输入到输出的线性变换，拟
weixin_30275415·2020-08-05 22:23

Java实例10 - 最小-最大规范化 Min-MaxNormalization

/**最小最大规范化也叫离差标准化*可以对原始数据进行线性变换，*假定Min和Max是最小值和最大值，*v是该区间中的一个值，将其映射到新的区间[newMin,newMax]中为v'*则有：*v'=(v-Min
kindTerry·2020-08-05 19:39

[Python与图像处理]Python实现图像的仿射变换

如下图所示：  仿射变换是一个非奇异线性变换与一个平移变换的复合，现在给出简单计算该变换的方法，首先选择原始图像中的点src_point（x,y），找到其在变换图像
Alyosha507·2020-08-04 20:32

创新工厂地狱５０题

深度神经网络是多重非线性变换构成的多个处理层对数据进行高层抽象的算法，或者说是通过复合多层次线性空间的
虎妞C·2020-08-04 18:00

算法笔记学习Part3：入门篇 2 散列（例题待更新）

那么转换后的整数就是H(key)常用散列函数对于key是整数的情况，常用的方法有直接定址法，平方取中法和除留余数法，其使用如下：直接定址法1.H(key)=key//恒等变换2.H(key)=a*key+b;//线性变换平方取中法
上兰杂技师·2020-08-04 17:16

Spectral（SPY）学习笔记(3)-高光谱降维（Dimensionality Reduction）

主成分变换表示原始图像波段到一组新的、不相关的特征的线性变换。这些新特征对应于图像协方差矩阵的特征向量，其中相关特征值表示特征向量方向上的方差。
luomuone·2020-08-04 16:57

图像处理-基本算法之幂次变换

当r=1时，幂次变换转变为线性变换。(1)当r0时，变换函数曲线在正比函数下方。此时扩展高灰度级，压缩低灰度级，使图像变暗。代码如下：[cpp]viewplaincopyprint?
fuyun_613·2020-08-04 14:30

线性代数拾遗（六）：特征值与特征向量

线性代数拾遗（一）：线性方程组、向量方程和矩阵方程线性代数拾遗（二）：线性方程组的解集及其几何意义线性代数拾遗（三）：线性变换以及矩阵的意义线性代数拾遗（四）：线性方程组的应用线性代数拾遗（五）：矩阵变换的应用上一章最后
算法与数学之美·2020-08-04 12:51

自动驾驶（十三）---------无损卡尔曼滤波

而UKF类似于将高斯分布中的均值，方差通过非线性方程处理后，去匹配预测方程的非线性变换。假设初始状态满足高斯分布，如X∼N(µ,σ^2)，如经过非线性状态转移方程以后，如何求变换过后的期望和方差呢？
一实相印·2020-08-04 10:06

自动驾驶（十二）---------扩展卡尔曼滤波

取一阶导时，状态转移方程和观测方程就近似为线性方程，高斯分布的变量经过线性变换之后仍然是高斯分布，这样就能够延用标准卡尔曼滤波的框架。与标准卡尔曼滤波对比：1状态转移方程：标准卡尔
一实相印·2020-08-04 10:02

PCA（降维）原理与实现

PCA的作用是降维，利用正交变换来对一系列可能相关的变量的观测值进行线性变换，从而投影为一系列线性不相关变量的值，这些不相关变量称
wyfiverson·2020-08-04 08:18

SVM(5)——核函数

支持向量机通过某非线性变换φ(x)，将输入空间映射到高维特征空间。特征空间的维数可能非常高。
嘻哈过路人·2020-08-04 06:28

凸优化概括总结

比如：直线、平面、超平面类似于线性变换。n维空间的n-1维仿射集为n-1维超平面。仿射包（Affinehull）：包含集合C的最小仿射集。比如：直线的仿射包是它自己。球不是仿射集。
vivian_ll·2020-08-04 03:33

彻底理解PCA（Principal Component Analysis）主成分分析

矩阵代表着一个线性变换，包括旋转和伸缩。旋转和伸缩的是向量所在坐标系的基。
ChuanjieZhu·2020-08-04 03:08

【机器学习】降维方法(一)----主成分分析(PCA)

线性降维欲获得低维子空间，最简单的方法就是对原始高维空间进行线性变换。
htshinichi·2020-08-04 03:23

非线性SVM与核函数

核技巧应用到SVM，基本想法是通过一个非线性变换将输入空间对应于一个特征空间，使得在输入空间中的超曲面模型对应于特征空间中的超平面模型（SVM）。
浅梦s·2020-08-04 02:50

漫步凸分析六——凸集的相对内点

，Rn中点x,y之间的欧几里得距离是d(x,y)=|x−y|=⟨x−y,x−y⟩1/2函数d(欧几里得度量)是R2n上的凸函数，(这个结论基于的事实是：将欧几里得范数f(z)=|z|和从R2n到Rn的线性变换
会敲键盘的猩猩·2020-08-04 01:05

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。
嘻哈吼嘿呵·2020-08-04 00:57

IIR数字滤波器设计（数字信号处理）

欢迎来访交流~~IIR数字滤波器设计（数字信号处理）一、实验目的1.熟悉双线性变换法设计IIR数字滤波器的原理与方法。
Five-菜鸟级·2020-08-03 23:17

第十四章：综合评价与决策方法

算法步骤用向量规划化的方法求得规范决策矩阵构造加权规范阵C确定正理想解C∗C^*C∗和负理想解C0C^0C0计算各方案到正理想解和负理想解的距离计算各方案的排序指标值（即综合评价指数）按fi∗f_i^*fi∗由大到小排列方案的优劣次序（2）属性规范化方法线性变换标准
victor_cs_bit·2020-08-03 23:50

affine/linear(仿射/线性)变换函数详解及全连接层反向传播的梯度求导

摘要Affine仿射层,又称Linear线性变换层,常用于神经网络结构中的全连接层.本文给出了Affine层的两种定义及相关的反向传播梯度.相关配套代码,请参考文章:Python和PyTorch对比实现
BrightLampCsdn·2020-08-03 20:09

CNN神经网络层次分析

分级通过堆叠一个或者多个特征提取阶段，每个阶段包括一个滤波器组合层、非线性变换层和一个p
liulina603·2020-08-03 19:15

SVM（三）：非线性支持向量机

对于这样的问题，基于Mercer核展开定理，通过内积函数定义的非线性变换，将样本从原始空间映射到一个高维特征空间（Hibbert空间），使得样本在这个高维特征空间内线性可分（升维线性化）。
机器学习Zero·2020-08-03 15:45

pytorch学习笔记（5）transforms 一定坚持学完啊！！

torchvision.transforms:常用的图像预处理方法1.数据中心化2.数据标准化3.缩放4.裁剪5.旋转6.翻转7.填充8.噪声添加9.灰度变换10.线性变换11.仿射变换12.亮度、饱和度以及对比度变换
YaYan233·2020-08-03 14:55

电子科大提出BT-RNN：替代全连接操作而大幅度提升LSTM效率

优秀的ResNet和DenseNet等CNN架构试图绕过巨大而繁琐的全连接层，但改进RNN全连接式的线性变换仍然只有有限的研究。
机器之心V·2020-08-03 14:38

PCA降维原理(主成分分析)小结

与数学理论均值和零均值化均值零均值化特征向量和特征值定义性质方差协方差协方差矩阵协方差矩阵对角化PCA过程总结PCA是什么PCA（PrincipalComponentAnalysis）是一种常用的数据分析方法PCA通过线性变换将原始数据变换为一组各维度线性无关表示
rcoon·2020-08-03 13:21

PyTorch学习笔记（二）图像数据增强

macOSMojavePythonversion:3.7PyTorchversion:1.4.0IDE:PyCharm文章目录0.写在前面1.基本变换类1.1填充1.2擦除1.3缩放1.4裁剪1.5旋转1.6翻转1.7颜色1.8仿射变换和线性变换
longrootchen·2020-08-03 10:19

使用PCA对特征数据进行降维

PCA通过线性变换将原始数据中可能相关的数据转换为一组线性不相关的数据。以本篇文章中所使用的贷款用户特征数据来说
dazhi_1314·2020-08-03 10:56

机器学习中的核技巧

当数据线性不可分的时候，但高维可分（这个不理解可以多看看书），我们仍然想用线性分类的方法去解决，这个时候就需要用非线性变换将非线性问题转换成线性问题。
Yonghua Li·2020-08-03 10:40

特征值和特征向量有什么用？

在线性变换作用下，向量仅仅在尺度上变为原来的倍。称是线性变换的一个特征向量，是对应的特征值。矩阵是一个表示二维空间的数组，矩阵可以看作是一个变换。
巨柠檬·2020-08-03 07:23

核函数

核函数核函数基本想法:通过非线性变换将数据从一个空间映射到另一个空间(欧式空间对应于希尔伯特空间)扩展–核函数是一个独立的概念(只是在机器学习中仅仅用作将数据从低纬度映射到高纬度)1.核函数与SVM完全是两个正交的概念
troysps·2020-08-03 05:09

Eigendecomposition, SVD and PCA

特征值分解,SVD和PCA特征值分解特征值与特征向量Av=λv注意矩阵A是一个线性变换。
Yang-W·2020-08-03 04:18

非线性支持向量机（SVM）与核函数（kernel），python实现

核函数运用到支持向量机就是通过一个非线性变换将输入空间对应到一个特征空间，使得在输入空间Rn\textbfR^nRn中的超曲面模型对应于特征空间中的超平面模型。这样，分类问题就可以通过在特征空间中求解
xjtu_rzc·2020-08-03 03:31

形象理解线性代数（三）——列空间、零空间（核）、值域、特征值（特征向量）、矩阵与空间变换、矩阵的秩

这里，我们还是要以形象理解线性代数（一）——什么是线性变换？为基础。矩阵对向量的作用，可以理解为线性变换，同时也可以理解为空间的变换，即（m*n）的矩阵会把一个向量从m维空间变换到n维空间。
CQ_Liu·2020-08-03 03:41

形象理解线性代数（一）——什么是线性变换？

在之前学习线性代数的时候，我们总是说矩阵乘以向量就是对其进行了线性变换，而且我们可以很容易的计算出结果，但是我们并不知道其在形象的几何角度有什么意义。
CQ_Liu·2020-08-03 03:41

SVM原理，SVM核函数、SVM的软间隔和硬间隔的区别、惩罚系数对SVM的影响

这个最优化超平面需要满足的条件是：离其最近的点到其的距离最大化，这些点被称为支持向量SVM只和分类界限上的支持向量点有关,换而言之只和局部数据有关推导过程：核函数：对于输入空间中的非线性分类问题，可以通过非线性变换将它转化为某个维特征空间中的线性分类问题
今 晚 打 老 虎·2020-08-03 02:46

坐标变换学习和理解

工程中常用的线性变换主要有Clark变换、Park变换和Dq0变换，其中Clark变换是将ABC三相坐标系变换至αβγ\alpha\beta\gammaαβγ坐标系，Park变换则是用来旋转坐标系的，而
fcwrls·2020-08-02 23:06

矩阵的核（kernel）与象（image）

这部分内容有助于我们从更加深入的层次去审视矩阵与线性变换的关系，对于更进一步地学习和领会泛函分析中的内容也很有帮助。
白马负金羁·2020-08-02 23:41

支持向量机（三）——利用核函数得到非线性分类器

这时可以将原输入空间中的数据点通过非线性变换，映射到新特征空间去，在此
Vic时代·2020-08-02 22:47

核函数与SMO

所采取的方法是进行一个非线性变换，将非线性问题变换为线性问题，通过解变换后的线性问题的方法求解原来的非线性问题。
joker-G·2020-08-02 20:42

线性代数拾遗（五）：矩阵变换的应用

线性代数拾遗（一）：线性方程组、向量方程和矩阵方程线性代数拾遗（二）：线性方程组的解集及其几何意义线性代数拾遗（三）：线性变换以及矩阵的意义线性代数拾遗（四）：线性方程组的应用上一章用了一个经济学的例子
算法与数学之美·2020-08-02 15:43

线性代数拾遗（五）：矩阵变换的应用

线性代数拾遗（一）：线性方程组、向量方程和矩阵方程线性代数拾遗（二）：线性方程组的解集及其几何意义线性代数拾遗（三）：线性变换以及矩阵的意义线性代数拾遗（四）：线性方程组的应用上一章用了一个经济学的例子
算法与数学之美·2020-08-02 15:42

Python计算机视觉编程第三章——图像到图像的映射

Python计算机视觉编程图像到图像的映射（一）单应性变换1.1直接线性变换算法1.2仿射变换（二）图像扭曲2.1图像中的图像2.2图像配准（三）创建全景图3.1RANSAC3.2稳健的单应性矩阵估计3.3
Dujing2019·2020-08-02 15:11

TensorFlow HOWTO 5.1 循环神经网络（时间序列）

在最基本的RNN中，单元（方框）中的操作和全连接层没什么区别，都是线性变换和激活。它完全可以看做多个全连接层的横向扩展。
布客飞龙·2020-08-02 14:31

遗传算法（Genetic Algorithm）应用于函数优化--MATLAB源码详细解析-附GA思维导图

遗传算法流程图三、遗传算法思维导图GA算法思维导图下载四、代码解析主函数GAmain.mclearcloseclc%varnum变量个数%eps精度%lbub变量范围%n种群大小%pc交叉概率%pm变异概率%M动态线性变换
Better Bench·2020-08-02 14:16

MATLAB BP神经网络用法的总结（试用于初学者）

1.数据输入：数据输入时需先使用传递函数进行变化，变换方法包括阈值（阶跃）函数、分段线性变换、归一化函数（mapminmax）、对数S形变换（logsig）、正切S形变换（tansig）。
这是一个昵称唉·2020-08-02 13:58

三、【python计算机视觉编程】图像到图像的映射

图像到图像的映射（一）单应性变换（1）直接线性变换算法（DLT）（2）仿射变换（affine）（二）图像扭曲（1）图像中的图像（2）分段仿射扭曲（3）图像配准（三）创建全景图（1）RANSAC（2）稳健的单应性矩阵估计
Liaojiajia2019·2020-08-02 12:46
上一页 27 28 29 30 31 32 33 34 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他