摘要：
衡量两幅图像的相似度： SNR/PSNRSSIM1. SNR vs PSNRabout SNR 和 PSNRMSE：mean squared error ∑x=1Nx∑y=1Ny(f(x,y)−f^(x,y))2NxNy f(x,y)：表示原始的信号/图像；f^(x,... 阅读全文
posted @ 2016-11-02 10:36
未雨愁眸
阅读(913)
评论(0)
推荐(0)
摘要：
对条件概率可以天然地引入贝叶斯公式作进一步的转换。1. 引入辅助变量由边缘概率的定义可知：P(B|D)≡∫∞−∞P(B,p|D)dp对 P(B,p|D) 做进一步的展开，又有：P(B,p|D)=P(B,p,D)P(D)=P(B|p,D)⋅P(p,D)P(D)=P(... 阅读全文
posted @ 2016-11-01 23:20
未雨愁眸
阅读(289)
评论(0)
推荐(0)
摘要：
对条件概率可以天然地引入贝叶斯公式作进一步的转换。1. 引入辅助变量由边缘概率的定义可知：P(B|D)≡∫∞−∞P(B,p|D)dp对 P(B,p|D) 做进一步的展开，又有：P(B,p|D)=P(B,p,D)P(D)=P(B|p,D)⋅P(p,D)P(D)=P(... 阅读全文
posted @ 2016-11-01 23:20
未雨愁眸
阅读(317)
评论(0)
推荐(0)
摘要：
支持向量机（Support Vector Machine ,SVM）的主要思想是：建立一个最优决策超平面，使得该平面两侧距离该平面最近的两类样本之间的距离最大化，从而对分类问题提供良好的泛化能力。对于一个多维的样本集，系统随机产生一个超平面并不断移动，对样本进行分类，... 阅读全文
posted @ 2016-11-01 22:25
未雨愁眸
阅读(458)
评论(0)
推荐(0)
摘要：
1. 求偏导、更新以及模型的训练以 LogisticRegression 为例：求损失函数关于参数的偏导：import theano.tensor as Tg_W = T.gradient(cost=cost, wrt=clf.W)g_b = T.gradient(c... 阅读全文
posted @ 2016-11-01 17:49
未雨愁眸
阅读(98)
评论(0)
推荐(0)
摘要：
1. 求偏导、更新以及模型的训练以 LogisticRegression 为例：求损失函数关于参数的偏导：import theano.tensor as Tg_W = T.gradient(cost=cost, wrt=clf.W)g_b = T.gradient(c... 阅读全文
posted @ 2016-11-01 17:49
未雨愁眸
阅读(125)
评论(0)
推荐(0)
摘要：
可定制： Layout（布局）Topic Line Style（主题线型）Floating（漂浮）增加漂浮主题，游离在核心主题框架体系之外可为某一个区域增加边界（boundary），以示整体之意1. 快捷键Insert Subtopic（增加子项）：insertctr... 阅读全文
posted @ 2016-11-01 10:36
未雨愁眸
阅读(174)
评论(0)
推荐(0)
摘要：
可定制： Layout（布局）Topic Line Style（主题线型）Floating（漂浮）增加漂浮主题，游离在核心主题框架体系之外可为某一个区域增加边界（boundary），以示整体之意1. 快捷键Insert Subtopic（增加子项）：insertctr... 阅读全文
posted @ 2016-11-01 10:36
未雨愁眸
阅读(135)
评论(0)
推荐(0)
摘要：
单目相机标定的目标是获取相机的内参和外参，内参（1/dx,1/dy,Cx,Cy,f）表征了相机的内部结构参数，外参是相机的旋转矩阵R和平移向量t。内参中dx和dy是相机单个感光单元芯片的长度和宽度，是一个物理尺寸，有时候会有dx=dy，这时候感光单元是一个正方形。Cx... 阅读全文
posted @ 2016-10-31 22:59
未雨愁眸
阅读(2622)
评论(0)
推荐(0)
摘要：
0. 形容词sacred：神的；神圣的；宗教的；庄严的divine：adj. 神圣的；非凡的；天赐的；极好的1. 宗教inferno：地狱2. 典籍创世纪：Genesis， 阅读全文
posted @ 2016-10-31 22:02
未雨愁眸
阅读(441)
评论(0)
推荐(0)
浙公网安备 33010602011771号