ICode9

精准搜索请尝试: 精确搜索
  • 设计模式之适配器模式与外观模式(二)2019-05-25 09:51:17

    好了,通过上次的学习,我们已经知道适配器模式是如何将一个类的接口转换成另一个符合客户期望的接口。同时也知道在Java中要做到这一点,必须将一个不兼容接口的对象包装起来,变成兼容的对象。 我们现在要看一个改变接口的新模式,但是它改变接口的原因是为了简化接口。这个模式被巧妙地命

  • 机器学习中的数学原理——矩阵论2019-05-20 11:48:37

    正定矩阵 在线性代数里,正定矩阵 (positive definite matrix) 有时会简称为正定阵。 定义: AAA是n阶方阵,如果对任何非零向量xxx,都有xTAx>0x^TAx>0xTAx>0,其中xTx^TxT 表示xxx的转置,就称AAA正定矩阵。 性质: 正定矩阵的行列式恒为正; 实对称矩阵AAA正定当且仅当AAA与单位矩阵

  • 谷歌AMP技术辅助搜索排名2019-05-14 20:48:56

    AMP网站用户的体验 AMP UI工作组负责AMP的可视组件和交互以及AMP的整体可访问性和体验。这意味着我们经常对现有组件进行视觉润色,以改善网站用户的体验。因此,Web上现有的AMP页面自动获得改进的用户体验,而部署它们的工程团队则毫不费力。核心AMP团队的工程师Sepand Parhami最近致力

  • 用相似矩阵的几何意义直观理解PCA降维方法2019-05-12 15:55:48

    PCA(主成分分析)是降维中最经典的方法,其推导求解的常用两种方法包括最大方差理论(样本点到超平面的投影都尽可能分开)以及最小平方误差理论(样本点到超平面的距离都足够近),以上两种方法都需要进行严格意义上的数学推导,而本文想从另一个角度——相似矩阵的几何意义——直观理解PCA的

  • 平衡有向图上的异步随机投影算法2019-05-11 21:55:20

    Asynchronous Gossip-Based Random Projection Algorithm Over Networks 概述本篇论文讨论的是在有向平衡的拓扑结构下的,带约束的分布式次梯度投影算法。首先,根据次梯度下降算法的性质,步长必定是逐渐下降的才能最终收敛于最优解;对于一个固定的步长,也是可以获得一个有限误差的最优解

  • 带header信息头的mock请求2019-05-10 11:56:37

    新建json文件命名为startupWithHeader,增加内容,代码如下:[{"description":"这是一个带header信息的post请求","request":{"uri":"/post/with/headers&amp

  • 【转载】数字IC设计流程及开发工具2019-05-06 16:43:26

    原文链接:https://www.zhihu.com/question/28322269/answer/42048070 Design Flow <img src="https://pic1.zhimg.com/50/c21722c94ed307d02d10330460cf6886_hd.jpg" data-rawwidth="827" data-rawheight="1023" class="origi

  • 实验3 类与对象的定义及使用-加强2019-05-04 17:48:08

    实验内容1、 程序功能:设计一个学生类型Stu,包括学生的姓名和成绩;设计一个教师类Tea,包括教师的姓名、职称。两个类共用一个友元函数,输出相关信息(学生姓名、成绩、教师姓名、职称)。在主函数中分别定义两个类的对象并初始化,利用友元函数输出相关信息。注:友元函数声

  • 视觉SLAM中的对极约束、三角测量、PnP、ICP问题2019-05-01 13:52:51

      这篇博客是在学习高翔《视觉SLAM十四讲》过程中对计算机视觉的多视图几何相关知识点做的总结,个人觉得这部分内容比较难,有理解不对的地方请指正! 〇、ORB特征点   对于特征点法的SLAM来说,ORB(Oriented FAST and Rotated BRIEF)特征应该是目前最合适的特征点了。ORB与SIFT

  • 2.本征矩阵 基本矩阵以及对极几何之间的约束关系2019-04-29 19:54:02

    摘要: 本节重点在于左右像点之间的约束关系,左右像素点之间的约束关系。 本征矩阵E和基本矩阵F可以分别表示上述两约束关系 如非必要,可只看总结 Epipolar geometry is a description of the geometric relationship between a pair of stereo images. It is represented b

  • 获得单应矩阵(每张图片需要m个棋盘格角点,m≥4)2019-04-29 19:50:21

    一、单应矩阵的引出 根据《16个相机参数》的推导, zc⎡⎣⎢uv1⎤⎦⎥=K⋅[R0T1]⎡⎣⎢⎢⎢⎢xwywzw1⎤⎦⎥⎥⎥⎥=K⋅[r1r2r3T]⎡⎣⎢⎢⎢⎢xwywzw1⎤⎦⎥⎥⎥⎥zc[uv1]=K⋅[RT01][xwywzw1]=K⋅[r1r2r3T][xwywzw1]zc[uv1]=K⋅[Ramp;T0amp;1][xwywzw1]=K⋅[r1amp;r2amp;r3am

  • PangRank算法原理及其Python实现2019-04-28 20:53:21

    文章目录算法来源算法原理终止节点和陷阱节点终止节点陷阱节点解决思路算法不足算法实现 算法来源 早期搜索引擎采用分类目录的方法,通过人工进行网页分类,并整理出高质量的网页。 后来,随着网页的增多,人工分类已经不现实,此时期搜索引擎采用文本检索的方法,即计算用户检索的关键

  • 证明Ax=0的最小二乘解是ATA的最小特征值对应的特征向量(||x||=1)2019-04-25 17:54:37

    证明: 当 ||x||=1时,Ax=0的最小二乘解是ATAA^TAATA的最小特征值对应的特征向量 证:上式等同于证明如下命题:ATAA^TAATA的最小特征值所对应的特征向量可使||Ax||最小。 (1) 若x为ATAA^TAATA的特征向量,则 ATAx=λx A^TAx=\lambda x ATAx=λx 可得 ∣∣Ax∣∣=(Ax)T(Ax)=xTATAx=xTλx=

  • PCA算法数学原理2019-04-15 21:54:39

    转载 :http://blog.codinglabs.org/articles/pca-tutorial.html More Actions 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

  • ACM常见博弈(更新中)2019-04-13 13:49:05

    巴什博弈(Bash Game) 题意:n 个石子,两人轮流取,可以自己挑选 1 到 m 个,谁取完最后一堆谁获胜. 结论: n%(m+1)==0n \% (m+1)==0n%(m+1)==0 先手必败,否则必胜 尼姆博弈论(Nimm Game) 题意:n 堆石子,每堆石子有a[i]个,每人轮流取,每次取某堆石子至少一个,最后取完者胜。 结论 a1⨁a

  • 矩阵分解2019-04-12 22:51:29

    矩阵分解 所谓矩阵分解就是将矩阵分解成两三个标准矩阵的乘积 矩阵分解的目的在于 求解线性方程组 矩阵存储 矩阵重构以预测 矩阵分解的根本方法在于线性变换 矩阵分解的分类 对角化分解:通过正交变换将矩阵对角化 奇异值分解SVD:针对一般矩阵的分解 A=UΣVH,其中U,V为酉

  • 宽带信号的DOA估计学习笔记(三):宽带信号阵列接收模型2019-04-12 11:49:39

    在宽带阵列信号处理中,阵列接收到的信号包络不再恒定,相位延迟和时延不再是简单的线性关系。 宽带时域模型 MMM个阵元组成的阵列,接收空间中PPP个宽带信号,入射角度分别为θ1,θ2,⋯ ,θP\theta_1,\theta_2,\cdots,\theta_Pθ1​,θ2​,⋯,θP​,则第kkk个阵元接收到的

  • 2019数学三考研真题线性代数部分解析2019-04-09 09:56:00

    01 选择题 一、5 设AAA是四阶矩阵,A∗A^*A∗是AAA的伴随矩阵。若线性方程组 Ax=0Ax=0Ax=0的基础解系中只有两个向量,则A∗A^*A∗的秩等于( ) A. 0 \quad B. 1 \quad C. 2 \quad D. 3 解: 条件“若线性方程组Ax=0Ax=0Ax=0的基础解系中只有两个向量”告诉了矩阵AAA的秩:r(A)=

  • 机器人学之逆运动学数值解法及SVD算法2019-04-04 21:53:27

    机器人学之逆运动学数值解法及SVD算法 文章目录机器人学之逆运动学数值解法及SVD算法前言数值逆运动学牛顿-拉普森方法数值逆运动学算法奇异值(SVD)分解算法计算伪逆算法的测试验证一般机器人逆运动学数值解法实现Example1: 2R机械臂逆解(1)初始状态螺旋轴表示(2)轨迹点描述(3)逆解

  • 07_OpenCv图像掩膜操作2019-03-29 13:52:28

    07_图像掩膜操作 一.以行为单位遍历Mat中的像素信息 通过src.row(i,0,new byte[src.cols()*src.channels()])得到由图像第i行的像素信息组成的byte数组 像素值的范围处理:保证运算后的像素值在0-255之间: private static int saturateCast(double pixelValue) { int n

  • 适配器模式与外观模式2019-03-28 19:48:55

    适配器GitHub代码 外观GitHub代码 适配器模式 场景描述:想象一下我们维护了一套老系统,并于一个厂商通过接口进行交互。但是最近厂商更新它们的代码,并变更了接口格式,我们如何在不修改老系统代码的基础上,优雅的过渡呢? 提出方案:我们可以想象一下我们平时使用的转换头,这就是一种适

  • 如何在网页上添加一个微信关注链接2019-03-17 12:38:46

    作者:知乎用户 链接:https://www.zhihu.com/question/20721399/answer/110652118来源:知乎著作权归作者所有。商业转载请联系作者获得授权,非商业转载请注明出处。 复制这个链接:https://mp.weixin.qq.com/mp/profile_ext?action=home&__biz=MzA5MzUxMDQ2OQ==&scene=110#wechat

  • 学习zabbix(十)2019-03-11 16:16:39

    Zabbix 3.0 基础介绍 [一]   一、Zabbix介绍   zabbix 简介 Zabbix 是一个高度集成的网络监控解决方案,可以提供企业级的开源分布式监控解决方案,由一个国外的团队持续维护更新,软件可以自由下载使用,运作团队靠提供收费的技术支持赢利 zabbix是一个基于Web界面的,提供分布式系统

  • C++AMP 遇见C++ AMP 在GPU上做并行计算2019-03-09 11:00:25

    分享一下我老师大神的人工智能教程吧。零基础!通俗易懂!风趣幽默!还带黄段子!希望你也加入到我们人工智能的队伍中来!http://www.captainbed.net 遇见C++ AMP:在GPU上做并行计算   Written by Allen Lee   I see all the young believers, your target audience. I see all the old de

  • 集成算法(随机森林)【知识整理】2019-03-04 16:01:50

    集成算法·随机森林的原理介绍(分析基础)综述Ensemble LearningBagging模型Random ForestKKNBoosting模型AdaboostStacking模型小结 综述 整理一些关于数据分析的知识:本章为集成算法(随机森林)的原理介绍,具体的实现代码在下一章的titanic获救数据分析中具体讲述。 Ensemble Learnin

专注分享技术,共同学习,共同进步。侵权联系[81616952@qq.com]

Copyright (C)ICode9.com, All Rights Reserved.

ICode9版权所有