摘要: 前言 在图像增强中,平滑是为了消除图像中噪声的干扰,或者降低对比度,与之相反,有时为了强调图像的边缘和细节,需要对图像进行锐化,提高对比度。图的边缘是指在局部不连续的特征。原理 拉普拉斯锐化图像是根据图像某个像素的周围像素到此像素的突变程度有关,也就是说它的依据是图像像素的变化程度。我们知道,一个函 阅读全文
posted @ 2022-01-14 20:27 cute_Learner 阅读(22) 评论(0) 推荐(0) 编辑
摘要: 概念 零概率问题:在计算事件的概率时,如果某个事件在观察样本库(训练集)中没有出现过,会导致该事件的概率结果是 $0$ 。这是不合理的,不能因为一个事件没有观察到,就被认为该事件一定不可能发生(即该事件的概率为 $0$ )。 拉普拉斯平滑(Laplacian smoothing) 是为了解决零概率的 阅读全文
posted @ 2022-01-14 19:59 cute_Learner 阅读(131) 评论(2) 推荐(1) 编辑
摘要: 前言 数据分为两类:欧几里得数据与非欧几里得数据 欧几里得数据 特点:“排列整齐”,是一类具有很好的平移不变性的数据。 图像中的平移不变性:即不管图像中的目标被移动到图片的哪个位置,得到的结果(标签)应该相同的。 对于这类数据以其中一个像素为中心点,其邻居节点的数量相同。可以很好的定义一个全局共享的 阅读全文
posted @ 2022-01-14 17:57 cute_Learner 阅读(34) 评论(0) 推荐(1) 编辑
摘要: 图神经网络基础目录: 《图神经网络基础一:傅里叶级数与傅里叶变换》 《图神经网络基础二:谱图理论》 1、图的拉普拉斯矩阵 1.1 拉普拉斯算子 拉普拉斯算子 (Laplace Operator) 是为欧几里德空间中的一个二阶微分算子,定义为梯度的散度,可以写作 $\Delta, \nabla^{2} 阅读全文
posted @ 2022-01-14 16:16 cute_Learner 阅读(77) 评论(0) 推荐(0) 编辑
摘要: 如果 $A A^{\top}=E$ ( $E$ 为单位矩阵, $A^{\top} $ 表示“矩阵 $A$ 的转置矩阵") 或 $A^{\top} A=E$ ,则 $n$ 阶实矩阵 $A$ 称为正交矩阵 。正交矩阵是实数 特殊化的酉矩阵,因此总是属于正规矩阵。尽管我们在这里只考虑实数矩阵,但这个定义可 阅读全文
posted @ 2022-01-14 11:10 cute_Learner 阅读(42) 评论(0) 推荐(0) 编辑
摘要: 前提:矩阵A必须可相似对角化! 充分条件: $A$ 是实对称矩阵 $A$ 有 $n$ 个互异特征值 $A^{\wedge} 2=A $ $\mathrm{A}^{\wedge} 2=\mathrm{E} $ $ r(A)=1 且 \operatorname{tr}(A) !=0$ 谱分解(Spect 阅读全文
posted @ 2022-01-14 10:24 cute_Learner 阅读(23) 评论(0) 推荐(0) 编辑