这里接着上篇讲一下双线性变换Bilinear Transformation，它实现了模拟信号（连续域）与数字信号（离散域）之间的转换。 双线性变换公式如下： 反推可得到： 因此可以根据连续域传递函数推出离散域的传递函数： ...
分类：
其他好文 时间：
2016-06-03 22:49:26
阅读次数：
193
写在前面
前面为本节内容准备了向量和矩阵、线性变换等内容，本节开始学习OpenGL中的坐标处理。OpenGL中的坐标处理过程包括模型变换、视变换、投影变换、视口变换等内容，这个主题的内容有些多，因此分节学习，主题将分为5节内容来学习。本节主要学习模型变换。本节示例代码均可在我的github处下载。通过本节可以了解到
模型变换的作用
模型变换的类型和计算方法
坐标处理的全局过程(了解，另文详...
分类：
其他好文 时间：
2016-05-30 14:57:29
阅读次数：
247
PCA（Principal Component Analysis）是一种常用的数据分析方法。PCA通过线性变换将原始数据变换为一组各维度线性无关的表示，可用于提取数据的主要特征分量，常用于高维数据的降维。网上关于PCA的文章有很多，但是大多数只描述了PCA的分析过程，而没有讲述其中的原理。这篇文章的目的是介绍PCA的基本数学原理，帮助读者了解PCA的工作机制是什么。
当然我并不打算把文章写成纯数...
分类：
其他好文 时间：
2016-05-28 17:47:16
阅读次数：
350
学习UFDL栈式自编码算法的笔记
深度神经网络，即含有多个隐藏层的神经网络。通过引入深度网络，我们可以计算更多复杂的输入特征。因为每一个隐藏层可以对上一层的输出进行非线性变换，因此深度神经网络拥有比“浅层”网络更加优异的表达能力（例如可以学到更加复杂的函数关系）。其实三层网络，只要能无限增加隐层的单元数就能拟合任何函数。而使用深度网络的最主要优势是：它能以更加紧凑简洁的方式来表达比浅层网...
分类：
编程语言 时间：
2016-04-22 21:02:04
阅读次数：
408
PCA（Principal Component Analysis）是一种常用的数据分析方法。PCA通过线性变换将原始数据变换为一组各维度线性无关的表示，可用于提取数据的主要特征分量，常用于高维数据的降维。网上关于PCA的文章有很多，但是大多数只描述了PCA的分析过程，而没有讲述其中的原理。这篇文章的目的是介绍PCA的基本数学原理，帮助读者了解PCA的工作机制是什么。
当然我并不打算把文章写成...
分类：
其他好文 时间：
2016-04-22 19:50:00
阅读次数：
241
最近的项目涉及到了图像处理领域，小小研究了一番，同时收集资料实现了几个基础功能。
一、图像反转
I=imread('input_image.jpg');
J=double(I);
J=-J+(256-1); %图像反转线性变换
H=uint8(J);
subplot(3,3,4),imshow(H);
title('图像反转线性变换');
axis([50,250,50,200]);
axis...
分类：
编程语言 时间：
2016-04-19 20:06:55
阅读次数：
322
matlab 图像分割算法源码 1.图像反转 MATLAB程序实现如下：I=imread('xian.bmp');J=double(I);J=-J+(256-1); %图像反转线性变换H=uint8(J);subplot(1,2,1),imshow(I);subplot(1,2,2),imshow( ...
分类：
其他好文 时间：
2016-04-11 22:27:09
阅读次数：
224
给定一组有限维向量空间V的基{e1, e2, ... en}，一个线性变换T: V->V'的关于这组基的“矩阵分量”[T(i,j)]，定义为: T ej = sigma(i = 1 to n, T(i,j) ei) = T(1,j) e1 + T(2,j) e2 + ... T(n,j) en也就是 ...
分类：
其他好文 时间：
2016-04-09 23:35:18
阅读次数：
195
数学上，线性变换的特征向量（本征向量）是一个非退化的向量，其方向在该变换下不变。该向量在此变换下缩放的比例称为其特征值（本征值）。 一个线性变换通常可以由其特征值和特征向量完全描述。特征空间是相同特征值的特征向量的集合。“特征”一词来自德语的eigen。1904年希尔伯特首先 在这个意义下使用了这个 ...
分类：
其他好文 时间：
2016-04-09 20:17:14
阅读次数：
217
本文转载自他人： PS：一直以来对SVD分解似懂非懂，此文为译文，原文以细致的分析+大量的可视化图形演示了SVD的几何意义。能在有限的篇幅把这个问题讲解的如此清晰，实属不易。原文举了一个简单的图像处理问题，简单形象，真心希望路过的各路朋友能从不同的角度阐述下自己对SVD实际意义的理解，比如 个性化推
分类：
其他好文 时间：
2016-03-19 16:01:44
阅读次数：
175
