原创 壓縮感知的實現——圖像重建(含matlab代碼)

最近看到GitHub上有一個利用壓縮感知重建圖像的matlab代碼,代碼裏方法很全,在這裏做一下分享 關於壓縮感知的原理以及一維實現參考我上一篇博文 https://blog.csdn.net/Di_Wong/article/detail

原创 在本地Win10系統映射雲服務器爲網絡驅動器——阿里雲搭建samba服務器

  目的: 通過window系統的映射網絡驅動器,將阿里雲服務器的開發目錄映射到window系統上,這樣就可以在window系統上編寫代碼,然後通過Xshell終端上編譯運行,極大提高碼代碼方便性!   方法: 阿里雲的購買以及遠程ssh

原创 壓縮感知的實現——圖像重建(MATLAB)

最近看到GitHub上有一個利用壓縮感知重建圖像的matlab代碼,代碼裏方法很全,在這裏做一下分享 關於壓縮感知的原理以及一維實現參考我上一篇博文 https://blog.csdn.net/Di_Wong/article/detail

原创 極大似然估計(MLE)

一、原理 極大似然估計方法(Maximum Likelihood Estimate,MLE)也稱爲最大概似估計或最大似然估計,是求估計的一種方法。 給定一堆數據,假如我們知道它是從某一種分佈中隨機取出來的,可是我們並不知道這個分佈具體的參

原创 Tensorboard出現“No dashboards are active for the current data set. ”的解決方法

關於這一問題網上的解決方法有很多,比如確保cmd運行的路徑正確、確保event文件裏有內容等等 除此之外還有一點!!!! 保存event文件的路徑一定不能出現中文!!!!!! 血淚教訓啊。。。。。。

原创 面試(2)----2018提前批及秋招

國慶前基本就結束了我的秋招,現在總結一下一些面試經歷。 主要是找3D視覺類的崗位,投了阿里、網易、海康、華爲、匯頂等,拿了海康、華爲offer後在後面的公司就沒面了。 目錄 1、阿里 2、網易 3、海康 4、匯頂 5、華爲 1、阿里 1面

原创 隨機森林算法學習(RandomForest)

文章轉載自:隨機森林算法學習(RandomForest) 隨機森林算法學習 最近在做kaggle的時候,發現隨機森林這個算法在分類問題上效果十分的好,大多數情況下效果遠要比svm,log迴歸,knn等算法效果好。因此想琢磨琢磨這個算法的原

原创 算法學習(4)——歸併排序(遞歸版)

代碼、課程參考: 數據結構——浙江大學 9.4.1 有序子列的歸併;9.4.2 歸併算法; 算法可視化: https://www.cs.usfca.edu/~galles/visualization/Algorithms.html 史上最

原创 算法學習(3)——堆排序

轉載自:http://www.cnblogs.com/skywang12345/p/3602162.html 堆排序介紹 堆排序(Heap Sort)是指利用堆這種數據結構所設計的一種排序算法。 因此,學習堆排序之前,有必要了解堆!若讀者

原创 圖像的特徵提取——HOG特徵、Harr特徵、LBP特徵

轉載自: https://blog.csdn.net/zouxy09/article/details/7929348 https://blog.csdn.net/zouxy09/article/details/7929531 https:

原创 算法學習(1)——快速排序

課程參考: 數據結構——浙江大學 10.1.1 算法概述;10.1.2 選主元;10.1.3 子集劃分;10.1.4 算法實現; 算法可視化: https://www.cs.usfca.edu/~galles/visualization/

原创 算法學習(2)——冒泡排序、插入排序

課程參考: 數據結構——浙江大學 9.1.2 冒泡排序;9.1.3 插入排序; 算法可視化: https://www.cs.usfca.edu/~galles/visualization/Algorithms.html 史上最容易理解的《

原创 PCL庫學習(2)----多個點雲的讀取與顯示

運行環境: VS2013,PCL1.8.0 在本文示例中,需要對保存在路徑“D:/vs project/cluster_extraction.cpp/cluster_extraction.cpp/”下的點雲文件,文件名分別爲“cloud_

原创 最小二乘法

(面試讓我手推最小二乘求解過程。。。面完趕緊回來亡羊補牢。。。) 轉載自:http://www.cnblogs.com/pinard/p/5976811.html 最小二乘法的目標:求誤差的最小平方和,對應有兩種:線性和非線性。線性最小

原创 利用自適應閾值法提取線結構光中心

算法描述 在基於三角法的線結構光測量系統中,如何準確的提取線結構光的中心是能否測量準確的關鍵問題。 自適應閾值法又叫變域值重心法,它的閾值是隨着每一行光強最大值不同而變化的。 如圖1所示,首先在採集到的光刀圖像上找到本行灰度最大值(假設灰