共 34 篇文章
显示摘要每页显示  条
对应的汇编代码 10: a = c[1]; 00401067 8A 4D F1 mov cl,byte ptr [ebp-0Fh] 0040106A 88 4D FC mov byte ptr [ebp-4],cl 11: a = p[1]; 0040106D 8B 55 EC mov edx,dword ptr [ebp-14h] 00401070 8A 42 01 mov al,byte ptr [edx+1] 00401073 88 45 FC mov byte ptr [ebp-4],al 第一种在读取时直接就把字符串中的元素读到寄存器cl中,而第二种...
他分配的是一块栈内存,所以这句话的意思就是:在栈内存中存放了一个指向一块堆内存的指针p。堆则是C/C++函数库提供的,它的机制是很复杂的,例如为了分配一块内存,库函数会按照一定的算法(具体的算法可以参考数据结构/操作系统)在堆内存中搜索可用的足够大小的空间,如果没有足够大小的空间(可能是由于内存碎片太多),就有可能调用系统功...
Beta-binomial分布,就是Beta分布和二项分布这一对共轭分布的结合。因此,只要我们证明泊松分布的MGF趋近于正态分布的MGF,就证明泊松分布近似正态分布。正态分布的MGF:根据公式6 和7 ,易知当σ 2 =u 时,泊松分布的MGF近似于正态分布的MGF,因此泊松分布近似于正态分布。标准正态分布和一般正态分布的关系。正态分布是多元正态分布的一种特例。...
计算机视觉简述。由于计算机视觉系统发展遭遇到众多瓶颈问题,如:图像分割的不稳定性、二维图形到三维立体的病态问题、机器缺少大规模并行处理能力等,使得现有的计算机视觉系统在识别能力、实时性上与人类视觉相差甚远,更不可比拟的是,选择性注意的能力,即人类视觉分分秒秒都在接受外界的信息,但是人们并不会对所有的信息都处理,而是对...
求这个样本的协方差矩阵,得到一个10*10的协方差矩阵,然后求出这个协方差矩阵的特征值和特征向量,应该有10个特征值和特征向量,我们根据特征值的大小,取前四个特征值所对应的特征向量,构成一个10*4的矩阵,这个矩阵就是我们要求的特征矩阵,100*10的样本矩阵乘以这个10*4的特征矩阵,就得到了一个100*4的新的降维之后的样本矩阵,每个特征...
主成分分析PCA降维的必要性。PCA把原先的n个特征用数目更少的m个特征取代,新特征是旧特征的线性组合,这些线性组合最大化样本方差,尽量使新的m个特征互不相关。由特征值和特征向量的定义知,Q的列向量就是A的特征向量。Jama包是用于基本线性代数运算的java包,提供矩阵的cholesky分解、LUD分解、QR分解、奇异值分解,以及PCA中要用到的特征值...
PCA.主成分分析(PCA)与LDA有着非常近似的意思,LDA的输入数据是带标签的,而PCA的输入数据是不带标签的,所以PCA是一种unsupervised learning。下图是PCA的投影的一个表示,黑色的点是原始的点,带箭头的虚线是投影的向量,Pc1表示特征值最大的特征向量,pc2表示特征值次大的特征向量,两者是彼此正交的,因为这原本是一个2维的空间,所以最...
笔迹鉴别(4)二、Gabor函数。Gabor变换属于加窗傅立叶变换,Gabor函数可以在频域不同尺度、不同方向上提取相关的特征。double Sigma, Kv, Qu;Exp(-(Kv * Kv * ( x*x + y*y)/(2 * Sigma)));Cos(Qu) * x + Kv * Math.return tmp1 * tmp2 * Kv * Kv / Sigma;Sin(Kv * Math.有了Gabor核函数后就可以采用前文中提到的“离散二维叠加和卷积”或“快速...
Gabor学习笔记。Gabor取g(t)为一个高斯函数有两个原因:一是高斯函数的Fourier变换仍为高斯函数,这使得Fourier逆变换也是用窗函数局部化,同时体现了频域的局部化;用Gabor 函数形成的二维Gabor 滤波器具有在空间域和频率域同时取得最优局部化的特性,因此能够很好地描述对应于空间频率(尺度)、空间位置及方向选择性的局部结构信息。Gabor滤波...
Meanshift,聚类算法。记得刚读研究生的时候,学习的第一个算法就是meanshift算法,所以一直记忆犹新,今天和大家分享一下Meanshift算法,如有错误,请在线交流。Meanshift推导。再以meanshift向量的终点为圆心,再做一个高维的球。如此重复下去,meanshift算法可以收敛到概率密度最大得地方。2.meanshift在图像上的聚类:真正大牛的人就能创造...
帮助 | 留言交流 | 联系我们 | 服务条款 | 下载网文摘手 | 下载手机客户端
北京六智信息技术股份有限公司 Copyright© 2005-2024 360doc.com , All Rights Reserved
京ICP证090625号 京ICP备05038915号 京网文[2016]6433-853号 京公网安备11010502030377号
返回
顶部