原创 使用最大似然策略學習正態分佈參數

最近在看計算機視覺:模型學習與推理這本書,書中講了幾十種算法,原書是使用matlab實現的,本人打算用c++重新實現一遍。書中作者也推薦自己實現一遍代碼對於理解問題大有裨益。 本篇博客主要講使用c++標準庫生成正態分佈的數據,然後

原创 基於分類分佈和正態分佈設計一個簡單分類器算法

最近在看計算機視覺:模型學習與推理,第六章中介紹一種算法,設計一個簡單的通用分類器。 設計思路基本如下: 寫一個數據生成器,產生三種label的數據,每個label分別服從一個正態分佈。label1:label2:label3=3

原创 基於最大後驗學習分類分佈參數

最近在看計算機視覺:模型學習與推理。本篇博客介紹:使用狄利克雷分佈作爲先驗概率計算分類分佈的最大後驗概率。 基本原理如下: λ^1…k=argmax⁡λ1…k[∏i=1IPr⁡(xi∣λ1…k)Pr⁡(λ1…k)]=argmax⁡

原创 基於貝葉斯方法學習分類分佈參數

最近在看計算機視覺:模型學習和推理,現在在使用c++實現裏面的代碼。本篇博客使用c++實現基於貝葉斯方法學習分類分佈的參數。 Pr⁡(λ1…λk∣x1…I)=∏i=1IPr⁡(xi∣λ1…k)Pr⁡(λ1…k)Pr⁡(x1…I)=

原创 基於最大似然學習分類分佈參數

最近在看計算機視覺:模型學習與推理。第四章使用最大似然方法學習分類分佈概率參數。 Pr⁡(x=k∣λ1…K)=λk\operatorname{Pr}\left(x=k | \lambda_{1 \ldots K}\right)=\

原创 使用最大後驗概率學習正態分佈的參數

最近在看計算機視覺:模型學習與推理,第四章將了使用最大後驗概率來學習正態分佈的參數。 1維正態分佈的先驗概率是正態逆伽馬分佈,N維正態分佈的先驗概率是正態逆維繫特分佈。這裏生成的數據是滿足1維正態分佈。 1維正態分佈先驗概率公式如

原创 vs2019 pcl1.10.1安裝

最近在vs2019上安裝pcl1.10.1,照着別人的教程試了一下,安裝沒有問題,但是運行的時候,會多次出現bad_alloc問題,我已經找到原因了,是在連接器鏈接庫文件,很多教程將debug和release版本的庫文件同時提供給

原创 Cmake教程

Cmake是構建c/c++非常好用的工具。本文基本按照Cmake官網翻譯而來。 1.開始 首先需要建立CmakeLists.txt文件,用於配置項目的各種源代碼和庫之間的構建依賴關係。 cmake_minimum_required

原创 深度學習中的概率與信息論

最近在看深度學習的理論,主要參考的是深度學習花書的內容,附帶一些頂會和期刊的論文,對於自己學習過程中產生的一些疑惑,我力圖做到真正理解,而真正理解最好的方式就是給別人講明白。所以我會在文章中將我遇到的困惑的解答寫出來,我想也許也有

原创 快排算法

最近在看算法導論,第七章講的是快排算法。 本篇文章使用c++來實現: 書中的僞代碼如下: 快排的核心思想是找出一個分割數組的元素,在小於該元素的數組索引對應的元素值小於該值,在大於該元素的索引的數組元素大於該值。當然等於也是可以的

原创 最大堆、堆排序以及基於最大堆實現的最大優先級隊列和基於最小堆實現的最小優先級隊列

最近在刷算法導論,第六章是堆排序,本文主要講使用c++實現最大堆、最小堆以及最大優先級隊列和最小優先級隊列,還有堆排序。 對可以分爲最大堆和最小堆。本文所使用的的堆是基於數組的完全二叉樹實現。 最大堆 每個樹節點的子樹中的任意元素

原创 計算序列逆序數

最近在刷算法導論,在第二章思考題2-4的d問題,提示使用遞歸排序計算序列的逆序數。基本思想如下,歸併排序的內容見我上一篇文章https://blog.csdn.net/weixin_44004576/article/details

原创 最大子數組問題

最近在刷算法導論,在第四章看到最大子數組問題,使用C++編碼實現如下。 算法的流程還是使用分治策略,因爲一個數組的最大子數組存在三種情況,以數組的中間位置爲邊界,要麼在左半區間,要麼在右半區間,這兩個情況可以使用遞歸調用,化解爲子

原创 歸併排序

最近在看算法導論第三版,練習題2.3-2要求根據書中介紹,使用不帶哨兵的歸併排序算法。 歸併排序的基本思想可以理解爲:將數組二分,分成不能再分的單個元素爲止,然後將兩個單個的元素比較,按照大小順序合併,一層一層向上遞歸。 如果不使

原创 Eigen 簡明教程

Eigen中的hello world程序 #include <iostream> //cpp控制檯輸入輸出頭文件 #include<Eigen/Dense> //加載Eigen中的Dense頭文件,該頭文件定義了數據類型Matr