y00

before leaving, all the process

svm与非线性规划

svm 简单点讲,SVM就是一种二类分类模型,他的基本模型是的定义在特征空间上的间隔最大(max margin)的线性分类器,SVM的学习策略就是间隔最大化。 通俗理解svm模型在特征点分类上的过程,把特征点的集群比作一盒乒乓球的话,那就是将桌上的一堆乒乓球拍起来,然后用一个kernel(核,高维空间下低一维度的超平面)将不同颜色的乒乓球在高维空间上分割开来。 这里球的维度取决于数据点...

仿射加密与求逆元

仿射加密 在加密方法中,有一种仿射变换(一个向量空间的一次线性变换+平移)迁移到密码学中的放射加密方式。 仿射密码是一种表单代换密码,字母表的每个字母相应的值使用一个简单的数学函数对应一个数值,再把对应数值转换成字母。 A B C D E F G H I J K L M N O P Q ...

李代数笔记

要点记录(按过程) 叉乘的结果是反对称矩阵,我们将之作为反对称符号^记录。 空间中的一次变换可以写作欧式变换矩阵T,由坐标系的一次旋转和一次平移两个矩阵来表达 对于旋转部分,用R(t)旋转矩阵来描述 旋转矩阵从一个向量旋转前后坐标的变换来定义 向量旋转是旋转空间加一个复数维度,例如二维中的旋转可以用单位复数表达,因此三维空间中的向量的旋转可以用四元数表达,四元数包括一...

齐次坐标系的理解

简介 在计算机图形学中,我们通常要引用齐次坐标系来表示平移变换,在学习《slam十四讲》的过程中,书中描述了欧拉变换定理,即一个三维空间中,刚体的一次运动可以分解为一次平移变换加上一次旋转变换。 对于平移变换的过程,我们通常需要进行形如(x,y,z,w)T=>(x/w,y/w,z/w,1)T的一个齐次坐标系的变换过程,但对于这样做带来的好处我还不太清楚,因此进行了一些资料的查阅。 ...

正交矩阵与旋转矩阵

致谢 转载自wangliangster的博客。 出于对正交矩阵的几何意义的不清晰,找到了这篇博客,解释的很详细。可以将正交矩阵理解为: 保持两点的欧式距离不变的线性变换 旋转和沿着一个子平面的镜像变换(reflection) 左乘正交矩阵造成的空间变换是用一个新空间代替原有空间,即用另一组正交基来描述被变换的向量,且不改变向量的长度和空间位置。 下列出目录,希望...

RSA算法

简介 RSA算法原理 找出两个”很大”的质数:P & Q N = P * Q M = (P - 1) * (Q - 1) 找出整数E,E与M互质,即除了1之外,没有其他公约数 找出整数D,使得E*D除以M余1,即 (E * D) % M = 1 经过上述准备工作之后,可以得到: E是公钥,负责加密 D是私钥,负责解密 N负责公钥和私钥之间的联...

概率图模型体系

前言 最近各种意义上,处在了一个相当忙碌的状态,更新的不是很频繁 因为笔者的数理基础不是很好,在学习到统计模型理论的时候,对hmm(隐马模型)和crf(条件随机场)这方面的理论,感觉十分模糊。 为了不只会掉包,看不大懂国外文献的我,在知乎上寻找了不少人的回答,惊喜的是,确实有解释的相当生动的。 这里对相关链接资料以及概念做简单梳理(因为网上大量的灌水实在太多了),减少学习中的弯路 ...

seaborn可视化

海上生明月,天涯共此时。 情人怨遥夜,竟夕起相思。 灭烛怜光满,披衣觉露滋。 不堪盈手赠,还寝梦佳期。 seaborn 在进行数据可视化过程中常常会用到plt,seaborn是基于plt的封装 如果你不介意自定义颜色这些琐碎的事情,那么seaborn能让你快捷方便地进行数据可视化(说白了就是很简单),而且非常漂亮 seaborn这个库的名字也很漂亮,不知道是哪位...

Sklearn与数据比赛

sklearn sklearn提供了丰富的机器学习模型,例如回归、聚类、简单神经网络模型,等等,并且封装便于使用,处理数据上十分便捷 用conda或者pip可以安装 sklearn在数据竞赛中十分常用,对于基本的结构化数据题,有时不用几行代码就可以完成dataset-model-preResult的分析过程 因此本文中,主要利用数据竞赛标程来展示sklearn这个强大的机器学习库...

py_openCV练习题

引言 openCV是什么 OpenCV的全称是:Open Source Computer Vision Library。OpenCV是一个基于(开源)发行的跨平台计算机视觉库,可以运行在Linux、Windows和Mac OS操作系统上 它轻量级而且高效——由一系列 C 函数和少量 C++ 类构成,同时提供了Python、Ruby、MATLAB等语言的接口,实现了图像处理和计算机视觉...