原创 最好的kalman濾波詳解,沒有之一

How a Kalman filter works, in pictures

原创 Udacity機器學習入門筆記4-集成方法

Udacity機器學習入門筆記4-集成方法1 概述2 集成學習方法2.1 Bagging(bootstrap aggregating,裝袋)2.2 Boosting3 數學模型4 sklearn 應用5 mini-project6

原创 Udacity機器學習入門筆記5-迴歸

Udacity機器學習入門筆記5-迴歸1.sklearn 廣義線性模型1.1 普通最小二乘1.2 脊迴歸(ridge regression)2.Udacity test參考文獻 1.sklearn 廣義線性模型 以下是一組用於線性

原创 Udacity機器學習入門筆記3-決策樹

Udacity機器學習入門筆記3-決策樹1 sklearn 決策樹1.1 數學表示1.1.1 分類標準1.1.2 迴歸標準1.2 分類1.3 迴歸1.4 多輸出問題2 udacity mini-project3 參考文獻 1 skle

原创 Udacity機器學習入門筆記2-支持向量機(SVM)

Udacity機器學習入門筆記2-支持向量機(SVM)Udacity機器學習入門筆記2-支持向量機(SVM)1.初步瞭解SVM1.1 邏輯迴歸:logistic迴歸1.2 線性分類的一個例子1.3 函數間隔Functional m

原创 轉載A*算法詳解

英文原文鏈接:http://theory.stanford.edu/~amitp/GameProgramming/     英文原文參考:http://www-cs-students.stanford.edu/%7Eamitp/gamep

原创 自動泊車路徑規劃概述

自動泊車路徑規劃概述自動泊車路徑規劃概述1.路徑規劃問題的一些概念1.1 狀態空間1.2 環境1.3 目標點1.4路徑和軌跡1.5 全向性1.6 可行性1.7 路徑規劃2.路徑規劃方法簡介2.1 從幾何到可行的路徑規劃2.2 基於基本

原创 Udacity機器學習入門筆記1-樸素貝葉斯

Udacity機器學習入門筆記1-樸素貝葉斯Udacity機器學習入門筆記1-樸素貝葉斯1.監督學習與非監督學習的區別2.決策面3.樸素貝葉斯3.1 先驗概率3.2 條件概率3.3 全概率公式3.4後驗概率3.5樸素貝葉斯的推導3.6

原创 三維剛體運動

三維剛體運動點和向量,座標系座標系的歐式變化四元數 點和向量,座標系 首先說說向量是什麼,它是線性空間的一個元素,可以想象從原點指向某處的一個箭頭,不要把向量和座標混淆。談論向量a⃗\vec aa在一個線性基(e⃗1,e⃗2,e⃗3\

原创 C++中的聲明與定義

聲明和定義是完全不同的概念,聲明是告訴編譯器“這個函數或者變量可以在哪找到,它的模樣像什麼”。而定義則是告訴編譯器,“在這裏建立變量或函數”,並且爲它們分配內存空間。   函數聲明與定義:   函數的聲明如:int Add(int, in

原创 自動泊車中的路徑規劃算法

       首先講一下自動泊車和自主泊車的區別,自主泊車是自動泊車的高級形式,自動泊車僅僅是汽車找到車位後輔助駕駛者或者自動泊入停車位的過程,而自主泊車則是從汽車到達停車場到尋找車位、泊入車位都不需要人爲干預,其智能程度遠超自動泊車。而

原创 程序的整個生命週期

程序啓動     有了以上的進程地址空間分佈和可執行文件的分佈信息,就可以描述進程啓動過程了。程序啓動時,操作系統會新建一個進程來執行該程序,主要分爲三個步驟:  (1)操作系統分配一個獨立的進程地址空間,主要是在內存的內核區域中新建一個

原创 稀疏矩陣

稀疏矩陣  編輯 本詞條缺少名片圖,補充相關內容使詞條更完整,還能快速升級,趕緊來編輯吧! 在矩陣中,若數值爲0的元素數目遠遠多於非0元素的數目時,則稱該矩陣爲稀疏矩陣;與之相反,若非0元素數目佔大多數時,則稱該矩陣爲稠密矩陣。定

原创 自由度的相關知識

自由度   (機械系統的自由度)  編輯 根據機械原理,機構具有確定運動時所必須給定的獨立運動參數的數目(亦即爲了使機構的位置得以確定,必須給定的獨立的廣義座標的數目),稱爲機構自由度(degree of freedom of m