Quad

首页 > TAG信息列表 > Quad

直方图变换

直方图和累计直方图直方图公式如下： \[h(r)=n_k \quad k=0,1,\cdot \cdot \cdot ,L-1 \]其中$n_k$为图像中灰度级为$r$的像素个数。累计直方图公式如下： \[H(r)=\sum_{i=0}^{k} n_i \quad k=0,1,\cdot \cdot \cdot ,L-1 \]直方图的归一化表示方式为： \[\begin{array}{l} p\left(

2.5.1 直线与圆的位置关系

${\color{Red}{欢迎到学科网下载资料学习 }}$ 【基础过关系列】2022-2023学年高二数学上学期同步知识点剖析精品讲义(人教A版2019） ${\color{Red}{ 跟贵哥学数学，so \quad easy！}}$ 选择性必修第一册同步巩固，难度2颗星！基础知识直线、圆的位置关系 1 三种位置关系 2 判

2.2.1　直线的点斜式方程

${\color{Red}{欢迎到学科网下载资料学习 }}$ 【基础过关系列】2022-2023学年高二数学上学期同步知识点剖析精品讲义(人教A版2019） ${\color{Red}{ 跟贵哥学数学，so \quad easy！}}$ 选择性必修第一册同步巩固，难度2颗星！基础知识直线的点斜式方程若直线的斜率为$k$，且过定点

随机过程习题知识

1 第一章习题 1.1 第一次作业 1.1.1 两个随机变量的函数的概率密度求解法1：先求解概率分布函数，再由分布函数求导得到概率密度。例题：已知随机变量$X$服从参数为1的指数分布，求$Y = \sqrt{2X}$的概率密度函数。解答：由题意知，随机变量$X$的概率密度为： \[f(x) = \begin{cases

osg学习-6《显示三维矩阵》

在三维空间显示三维矩阵，需要显示它的6个外表面。假设xyz三个方向的维数是ni，nj，nk，三个方向的顶点维数是ni+1，nj+1， nk+1。在每个面上分别绘制各自的四边形。每个四边形的颜色根据矩阵的值获取，这个例子采用了离散的数值。使用了之前创建的颜色模板类。 void DrawShape::drawDisMode

对偶理论

对偶问题的意义在于无论原问题是凸还是非凸，对偶问题都是凸优化问题。通过将原问题转化为对偶问题，有将复杂问题简单化的可能性，并能够求得原问题的全局最优解。一、线性规划中的对偶理论 1.1 对偶的三种形式对称形式的对偶（只包含不等式约束）原问题 \[\begin{array}{ll} \min

最优性条件

非线性规划的最优解所满足的必要条件和充分条件（仅包含定理）注意：文中很多地方的变量其实是矢量，比如方向 $d$ 和梯度，为了方便写都没有写粗体。一、无约束问题的最优性条件定理 7.1.1 （其它定理证明需要的基础定理）设函数 $f(x)$ 在点 $\bar{x}$ 处可微，如果存在方向 \({d

numpy

暑假的小存货~ numpy库 numpy库最重要的对象是新定义n维数组 $ndarray$ 创建 $numpy.array()$ import numpy as np a = np.array([1,2,3]) type(a) #<class 'numpy.ndarray'> $np.zeros((n,m))$ np.zeros((2,3)) array([[0., 0., 0.], [0., 0., 0.]]) \(np.one

等比数列前n项求和公式证明

\[设等比数列a_{n}=ar^{n-1},首项为a_{1},r为公比,n\in N^{*}.\\ 求其前n项之和(设为s_{n}) \]\[\\ \\ \]\[s_{n}=a_{1}+a_{2}+a_{3}+...+a_{n}=a_{1}r^0+a_{1}r^{1}+a_{1}r^{2}+...+a_{1}r^{n-1} \]\[\\ \\ \]\[设s_{u}=r \cdot s_{n} \\ =r(a_{1}r^{0}+a_{1}r^{1}+a_{1}

论文解读（PPNP）《Predict then Propagate: Graph Neural Networks meet Personalized PageRank》

论文信息论文标题：Predict then Propagate: Graph Neural Networks meet Personalized PageRank论文作者：Johannes Gasteiger, Aleksandar Bojchevski, Stephan Günnemann论文来源：2019,ICLR论文地址：download 论文代码：download 1-Abstract 　　本文主要将 PageRank 算法引入到

[学习笔记]线性基

学长讲的，之前也在线性代数上看到过但这两个不是一个东西所以我自然结合了线性代数来乱搞（约定用 $\oplus$ 表示异或 1. 什么是线性基？ $\quad$ 线性基是一个数的集合，每一个序列都至少有一个线性基，取线性基中的若干个数异或起来可以得到序列中的任意数字 $\quad$ 为方便理解，可以将

第十届全国大学生GIS应用技能大赛试题及参考解题过程(A下午)

本次操作使用的ArcGIS版本为 10.8 。第Ⅰ部分：试题一、案例背景 $\quad\quad$太阳能是一种可再生资源，是指太阳的热辐射能。太阳能资源丰富，既可免费使用，又无需运输，对环境无任何污染。太阳能的利用还不是很普及，太阳能的使用受到昼夜、季节、地理纬度和海拔高度等自然条件的限制

【Deep Learning】神经网络与深度学习

本文为吴恩达 Deep Learning 笔记深度学习概述什么是神经网络： Neural Network 神经网络 Neuron 神经元 Rectified Linear Unit (ReLU) 线性整流函数房价预测案例用神经网络进行监督学习： Supervised Learning / Unsupervised Learning 监督学习 / 无监督学习 Structured

论文解读（AGC）《Attributed Graph Clustering via Adaptive Graph Convolution》

论文信息论文标题：Attributed Graph Clustering via Adaptive Graph Convolution论文作者：Xiaotong Zhang, Han Liu, Qimai Li, Xiao-Ming Wu论文来源：2019, IJCAI论文地址：download 论文代码：download 1 Introduction 　　关于GNN 是低通滤波器的好文。 2 Method 2.1 Graph Co

图和网络分析

图与网络分析图的基本概念与模型 P.S. 只列一些陌生概念（为什么图的概念会有这么多版本

dp斜率优化

dp斜率优化 T1 hdu3507 打印文章题目描述：给定一个含 $ n $ 个数的数列 $ C_n $ 和 $ M $ ,将 $ C_n $ 分为若干段 $ [a,b] $ ,求所有子段的 $ W $ 之和的最小值. \[W_{a,b}=(\sum^b_{i=a}C_i)^2+M \]$ n\le 5*10^5\quad M\le 1000 $ 思路： \[\begin{align} &\quad\ 令S_i=\sum^i_

模拟退火

总结 $\quad$模拟退火的基本思路就是，如果状态更优，那么就接受他，如果结果不更优，那么以 $\frac{-\Delta E}{T},\Delta E\geq0$ 的概率去接受当前值。 $\quad$要注意的是：接受一个不那么优的值时，不要改变全局答案和答案相关变量，仅仅改变当前相关值。对于温度和下降系数的设

01 分数规划

总结 $\quad$01分数规划的基本题目套路是这么一个式子 \[\sum\frac{w_ia_i}{w_ib_i},w_i=0/1 \]$\quad$也就是对于每一组问题取或不取，最好希望分数最大/小化 $\quad$一般采用的都是二分的方法，也就是会套一个 $log$ ，然后对于这个值贪心的去判断能否达到要求 $\quad$有的时

CDQ 分治

总结偏序问题 1D 动态规划优化动态问题转为静态问题 $\quad$所有的这些都离不开一个精髓，就是分治处理：先处理左边区间，然后处理左边区间对右边区间的贡献，然后处理右边区间。（后面两项处理根据具体应用调整操作顺序） $\quad$对于偏序问题一般的就是三维偏序，要注意的是一边算贡

莫队

$\quad$对于莫队的复杂度计算，我们首先块长，然后分别分析左右端点的移动，然后就会得到一个式子，为了使这个式子最小，适当调整分块块长即可。普通莫队 $\quad$对于普通莫队，一般的复杂度是 $O(n\sqrt n) $ 。 $\quad$最优的分块方式是对于端点分块，块长为 $\frac{n}{\sqrt m}$ ，然

整体二分

$\quad$这个就是对于所有询问一起二分答案。一般的格式是 solve(值域，操作范围) ，表示在这个操作范围内，所有的操作都是涉及这个值域的（答案在这个值域，加减在这个值域），并且按照顺序排列。那么求解的大概的过程就是，对于当前值域二分一个答案，扫一遍，对于涉及的数值比这个二分的值小的操

论文解读（DMVCJ）《Deep Embedded Multi-View Clustering via Jointly Learning Latent Representations and Grap

论文信息论文标题：Deep Embedded Multi-View Clustering via Jointly Learning Latent Representations and Graphs论文作者：Zongmo Huang、Yazhou Ren、Xiaorong Pu、Lifang He论文来源：2022, ArXiv论文地址：download 论文代码：download 1 Introduction 　　隶属于多视图聚类（MVC）算

数值优化：经典二阶确定性算法与对偶方法

我们在上一篇博客《数值优化：经典一阶确定性算法及其收敛性分析》中主要介绍了单机数值优化中一些经典的一阶确定性算法，本篇文章我们将会介绍二阶确定性算法和对偶方法。 1 牛顿法 1.1 算法描述牛顿法[1]的基本思想是将目标函数在当前迭代点处进行二阶泰勒展开，然后最小化这个近似

大学物理（1）公式列陈

第一章-质点运动学质点运动的描述运动方程一般为$\,\vec r=t(\vec v,\vec a)\,$,形如 \[\vec r=\vec v_0t+\frac 12\vec gt^2 \]轨迹方程一般为$\,y=f(x)\,$,形如 \[y=xtan\,\alpha-\frac{g}{2{v_0}^2cos^2\,\alpha}x^2 \]圆周运动 \[\vec a=\frac {{\rm d}\vec v}{{\rm d}t

论文解读（ARVGA）《Learning Graph Embedding with Adversarial Training Methods》

论文信息论文标题：Learning Graph Embedding with Adversarial Training Methods论文作者：Shirui Pan, Ruiqi Hu, Sai-fu Fung, Guodong Long, Jing Jiang, Chengqi Zhang论文来源：2020, ICLR论文地址：download 论文代码：download 1 Introduction 　　众多图嵌入方法关注于保存图