原创 傅里葉變換與小波變換聯繫和區別
聯繫：小波變換功能和傅立葉變換功能相同，傅立葉變換作用在穩定信號上，小波變換對非穩定信號有很好的效果，這是2個變換的最根本的區別。而小波變換可以在頻率上可以利用分解級數更細緻的分辨率分析，傅立葉變換在固定的分辨率上進行分析的。 傅立葉變換
2020-06-21 02:22:59
原创 圖像壓縮
數據壓縮了是指減少表示給定信息量所需數據量的處理。在該定義中，數據和信息是不相同的事情；數據是信息傳遞的手段。因爲相同數量的信息可以用不同數量的數據表示，包含不相關或重複信息的表示稱之爲冗餘數據。二位灰度陣列受如下三種主要類型的數據冗餘的
2020-02-24 02:31:09
原创 最小二乘法
最小二乘法（又稱最小平方法）是一種數學優化技術。它通過最小化誤差的平方和尋找數據的最佳函數匹配。利用最小二乘法可以簡便地求得未知的數據，並使得這些求得的數據與實際數據之間誤差的平方和爲最小。最小二乘法還可用於曲線擬合。其他一
2020-02-24 02:31:09
原创 頻率域濾波
之前介紹了關於空間域濾波的一些操作，主要目的是減少噪聲和平滑圖像，空間域的處理方法都是在已知噪聲數據類型基礎上進行噪聲過濾的，而在某些噪聲圖像類別上上述方法就顯得十分渺小了，頻率域的引入就是來尋找噪聲的類型，並進行空間過濾的。其中頻率是單
2020-02-24 02:31:09
41
原创 空間域濾波
空間域濾波 （1）基礎 i.機理 空間濾波器由（1）一個鄰域（圖像中的一個較小的矩陣），（2）對該鄰域的圖像像素執行預定義操作（線性、非線性）組成。濾波器的中心訪問圖像中的每個像素，就產生了濾波後的圖像。如果濾波是線性操作，則濾波器就是線
2020-02-24 02:31:09
原创 彩色圖像色彩模型
彩色圖像處理可分爲兩個主要領域：全綵色處理和僞彩色處理。全綵色處理通常要求圖像用全綵色傳感器獲取，僞彩色處理是對一種特定的單色灰度活灰度範圍賦予一種顏色。 定義： 亮度：具體表達了無色的強度概念，顯示圖像的明亮程度。 色調：色調是光譜混合
2020-02-24 02:31:09
原创 tensorflow實現卷積神經網絡
本文是在參考文獻2的基礎上進行擴展和改進的，並將代碼進行註釋，方便學習。並將每層的size進行簡要註釋參數設定N_CLASSES = 5IMG_W = 208IMG_H = 208BATCH_SIZE = 8CAPACITY = 64MA
2018-08-25 12:16:40
原创 前饋神經網絡權值更新案例
本章的主要目的是在於用tensorflow實現一個簡單的神經網絡算法。 下圖是一個簡單的前饋神經網絡圖，改圖中有3層結構，第一層爲輸入層，第二層爲隱藏層，第三層則爲輸出層，圖中的W1，……，W9爲連接邊的權值。下圖展示如何進
2018-08-25 12:16:40
原创 激活函數
激活函數是用來解決線性不可分問題的一個方法，常用來svm以及神經網絡中。常見的激活函數有sigmoid函數、tanh函數、softmax函數以及ReLU函數，上述方法都可以作爲隱層神經元的輸出。1.sigmoid函數導數爲：圖像及導數圖像
2018-08-25 12:16:40
原创 tensorflow常用函數
Tensorflow的名字中包含兩個概念-tensor和flow。Tensor是張量的意思，在tensorflow中可以被簡單的理解爲數組。Flow就是張量之間通過計算相互轉化的過程。分別介紹tensorflow的計算模型
2018-08-25 12:16:40
4
原创 python語法總結
1.變量（1）命名規則：變量名只能包含字母、數字和下劃線，並且數字不能作爲首字；變量名中不能包含空格；變量名既簡潔又具有代表性；儘量不要使用易混淆字母；大小寫字母不是一個變量；不要和python裏面的關鍵字混淆創建變量時會根據後面的值進行
2018-08-25 12:16:40
原创 利用rnn進行irris分類
import numpy as np from random import shuffle import tensorflow as tf train_path = 'C:/Users/user/Documents/irris_trai
2018-08-25 12:16:40
3
原创 Learning to rank總結
Learning to rank是解決排序問題的一種方法。 1.排序問題 排序問題就是當我們搜索一個query下，搜索頁面會返給我們很多的頁面，而這些頁面就是通過排序方法得到的。 2.常見計算方法 NDCD = DCG/perfect_D
2018-08-25 12:16:40
原创 梯度下降法
梯度下降法的定義就是從百科上拿下來的，梯度下降是迭代法的一種,可以用於求解最小二乘問題(線性和非線性都可以)。在求解機器學習算法的模型參數，即無約束優化問題時，梯度下降（Gradient Descent）是最常採用的方法之一
2018-08-25 12:16:38