原创 頻率域圖像增強筆記
圖像增強一般是在頻域進行，因此將圖像從空域變成頻域是一個很重要得圖像預處理，然後在頻域進行一些處理，最後在變換成空域。也就是：空域—>頻域（處理）—>空域 頻域增強方法 頻域增強方法有一下幾種： 1，低通濾波 2，高通濾波 3，帶阻，
2018-11-04 05:03:23
3
原创 分段線性判別函數&&模式空間和權空間
線性判別函數在進行分類決策時是最簡單有效的，但在實際應用中，常常會出現不能用線性判別函數直接進行分類的情況。 採用廣義線性判別函數的概念，可以通過增加維數來得到線性判別，但維數的大量增加會使在低維空間裏在解析和計算上行得通的方法在高
2018-10-20 04:48:54
9
原创 在windows下安裝 Ruby on rails 的血淚史
高級軟件工程老師要求我們安裝一下ruby on rails 試一下，因爲我們的project是股票預測，羅鐵堅老師給我們提供了git上一些數據集，模型跟例子，想讓我們能不能在原來的基礎上進一步優化，我回宿舍之後開始安裝起來，無奈我的電
2018-10-20 04:48:54
1
原创 空間濾波基礎
有些領域處理工作是操作領域的圖像像素值以及相應的與鄰域有相同維數的子圖像的值。 這些子圖像可以被稱作爲濾波器，掩模，核，模板，窗口等等。在濾波器子圖像中的值是係數值，而不是像素值。 空間濾波的分類 空間濾波分爲兩大類： 1，線性空間濾
2018-10-15 04:09:55
5
原创 計算機算法分析與設計
我們在求解一個問題的時候，不應當只是逐個嘗試各個算法技術或者純粹依賴於靈感，而是應該依賴於我們對問題結構的認識，思考問題應該沿着“實際問題-----抽象出的數學問題------算法設計”這一脈絡。怎麼感覺有點像運籌學呢？？ 問題結構與
2018-10-15 04:09:55
原创 機器學習與模式識別第三章：判別函數
在很多實際問題中，由於樣本特徵空間的類條件概率密度的形式常常很難確定，利用非參數方法估計需要很大的樣本空間，而且隨着特徵空間位數的增加所需的樣本數急劇增加，因此在實際問題中，我們往往不確定某個判別函數類，然後利用樣本集確定出判別函數中
2018-10-15 04:09:55
1
原创 圖像處理———圖像均衡化的例子
今天學習了圖像均衡化處理，簡單的說，就是將一個灰度級分佈不均勻的圖像，通過某種變換得到一個均勻分佈的操作。 圖像均衡化推導 一副圖像的灰度級可以看作區間【0，1】的隨機變量，這裏有一個最重要的東西就是概率密度函數，設Pr®,Ps(s)
2018-10-13 04:20:37