风云高的模式识别和图像处理

摘要： 水平集的思想是将演化的曲线看成高一维（三维曲面）函数的零水平集，这样，曲线的演化过程就可以用三维曲面在不同水平高度的投影的集合表示。演化过程可以用三维的符号距离函数（SDF）来描述，SDF方程在某种条件下属于Hamilton–Jacobi类型的偏微分方程，因而SDF方程的求解类似于Hamilton–Jacobi的求解，借助双曲型偏微分方程的熵守恒（entropy-satis... 阅读全文

摘要： 1、 matlab函数bwareaopen──删除小面积对象格式：BW2 = bwareaopen(BW,P,conn)作用：删除二值图像BW中面积小于P的对象，默认情况下使用8邻域。算法：(1)Determine the connected components.L = bwlabeln(BW, conn);(2)Compute the area of each component.S = re... 阅读全文

摘要： 最大似然估计法的思想很简单：在已经得到试验结果的情况下，我们应该寻找使这个结果出现的可能性最大的那个 作为真 的估计。　　我们分两种情进行分析：　　1．离散型总体　　　设 为离散型随机变量，其概率分布的形式为 ，则样本 的概率分布为 ，在 固定时，上式表示 取值 的概率；当 固定时，它是 的函数，我们把它记为 并称为似然函数。似然函数 的值的大小意味着该样本值出现的可能性... 阅读全文

摘要： 在线性代数中，n乘n方阵“A”的迹，是指“A”的主对角线各元素的总和（从左上方至右下方的对角线），例如：tr(A) = A1,1 + A2,2 + ... + An,n其中 Aij 代表在 i 行 j 栏中的数值。同样的，元素的迹是其特征值的总和，使其不变量根据选择的基本准则而定。迹的英文为“trace”，是来自德文中的&ld... 阅读全文

摘要： 主元分析(PCA)理论分析及应用(主要基于外文教程翻译)什么是PCA? PCA是Principal component analysis的缩写，中文翻译为主元分析。它是一种对数据进行分析的技术，最重要的应用是对原有数据进行简化。正如它的名字：主元分析，这种方法可以有效的找出数据中最“主要”的元素和结构，去除噪音和冗余，将原有的复杂数据降维，揭示隐藏在复杂数据背后的简单结构。... 阅读全文

摘要： k-means 算法接受输入量 k ；然后将n个数据对象划分为 k个聚类以便使得所获得的聚类满足：同一聚类中的对象相似度较高；而不同聚类中的对象相似度较小。聚类相似度是利用各聚类中对象的均值所获得一个“中心对象”（引力中心）来进行计算的。　　k-means 算法的工作过程说明如下：首先从n个数据对象任意选择 k 个对象作为初始聚类中心；而对于所剩下其它对象，则根据它们与这些... 阅读全文

摘要： （梯度下降法，就是利用负梯度方向来决定每次迭代的新的搜索方向，使得每次迭代能使待优化的目标函数逐步减小。梯度下降法是2范数下的最速下降法。 最速下降法的一种简单形式是：x(k+1)=x(k)-a*g(k),其中a称为学习速率，可以是较小的常数。g（k）是x(k)的梯度。 直观的说，就是在一个有中心的等值线中，从初始值开始，每次沿着垂直等值线方向移动一个小的距离，最终收敛在中心。 对于某一个性能... 阅读全文

摘要： 理论部分我就不细说了，可以参看上面提及的《模式识别（第二版）》P91。程序的算法是梯度下降法，参看书的P93~94，形式如下： 这个算法还是很简单的，用Matlab实现尤为容易，废话不多说，贴程序（Matlab版本7.0.1）： 下面这个是用感知准则函数和梯度下降法求解向量的函数JP.m：function a=JP(c1,c2,varargin) %感知准则函数 %用梯度下降算法 %求解满足条件... 阅读全文

摘要： 1.高尚兵,张建伟,夏德深.DCT域的分形图像编码算法的改进（香港特区政府研究资助局研究项目（CUHK/4180/01E, CUHK/1/00C）.计算机工程，2006,32(23):221-223(EI收录号20070410389581)2. 高尚兵,张建伟.基于9-7整数小波变换的SPIHT的改进.计算机工程与设计，2006，27(5):884-8863. 高尚兵,严云洋,鲍政,柏桦,张建伟.... 阅读全文