随笔分类 -  数学

摘要：原文链接：http://blog.csdn.net/tuqu/article/details/5177405 贝塞尔基函数用作权重。B-样条基函数也一样；但更复杂。但是它有两条贝塞尔基函数所没有的特性，即(1)定义域被节点细分（subdivided）； (2) 基函数不是在整个区间非零。实际上，每个 阅读全文

摘要：以下转的贝塞尔曲线，可以通过三个点，来确定一条平滑的曲线。在计算机图形学应该有讲。是图形开发中的重要工具。实现的是一个图形做圆周运动。不过不是简单的关键帧动画那样，是计算出了很多点，当然还是用的关键帧动画，即使用CAKeyframeAnimation。有了贝塞尔曲线的支持，可以赋值给CAKeyfra... 阅读全文

摘要：正定矩阵式自共轭矩阵的一种。正定矩阵类似复数中的正实数。定义：对于对称矩阵M，当且仅当存在任意向量x，都有若上式大于等于零，则称M为半正定矩阵。正定矩阵记为M>0。也被称为正定二次型正定矩阵的判定1、所有特征值为正数（根据谱定理，若条件成立，必然可以找到对角矩阵呢D和正定矩阵P，使M=P^-1DP）... 阅读全文

摘要：在数学最优化问题中,拉格朗日乘数（以约瑟夫·路易斯·拉格朗日命名） 是一种寻找变量受一个或多个限制的多元方程的极值的方法。这种方法将一个有n变量与k约束的问题转换为一个更易解的n+k个变量的方程组，其变量不受任何约束。这种方法引入了一种新的标量未知数，即拉格朗日乘数：约束方程的斜率（gradient... 阅读全文

摘要：特征值与特征向量的几何意义矩阵的乘法是什么，别只告诉我只是“前一个矩阵的行乘以后一个矩阵的列”，还会一点的可能还会说“前一个矩阵的列数等于后一个矩阵的行数才能相乘”，然而，这里却会和你说——那都是表象。矩阵乘法真正的含义是变换，我们学《线性代数》一开始就学行变换列变换，那才是线代的核心——别会了点猫... 阅读全文

摘要：PS：一直以来对SVD分解似懂非懂，此文为译文，原文以细致的分析+大量的可视化图形演示了SVD的几何意义。能在有限的篇幅把这个问题讲解的如此清晰，实属不易。原文举了一个简单的图像处理问题，简单形象，真心希望路过的各路朋友能从不同的角度阐述下自己对SVD实际意义的理解，比如 个性化推荐中应用了SVD，... 阅读全文

摘要：版权声明： 本文由LeftNotEasy发布于http://leftnoteasy.cnblogs.com, 本文可以被全部的转载或者部分使用，但请注明出处。前言： 上一次写了关于PCA与LDA的文章，PCA的实现一般有两种，一种是用特征值分解去实现的，一种是用奇异值分解去实现的。在上篇文章中便是基... 阅读全文

摘要：一、统计学的基本概念统计学里最基本的概念就是样本的均值、方差、标准差。首先，我们给定一个含有n个样本的集合，下面给出这些概念的公式描述：均值：标准差：方差：均值描述的是样本集合的中间点，它告诉我们的信息是有限的，而标准差给我们描述的是样本集合的各个样本点到均值的距离之平均。以这两个集合为例，[0, ... 阅读全文

摘要：信号处理中的一个重要运算是卷积.初学卷积的时候,往往是在连续的情形, 两个函数f(x),g(x)的卷积,是∫f(u)g(x-u)du 当然，证明卷积的一些性质并不困难，比如交换，结合等等，但是对于卷积运算的来处，初学者就不甚了了。 其实，从离散的情形看卷积，或许更加清楚， 对于两个序列f... 阅读全文