注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. OTSU方法阈值计算

  2. 使用visual C++ 完成梯度的计算，OTSU简单易行！

  3. 所属分类：C++

    • 发布日期：2009-07-22
    • 文件大小：2kb
    • 提供者：zflck_08

  1. matlab 图像锐化

  2. 图像锐化的梯度算法，用梯度算子，一阶偏导数采用一阶差分近似表示。

  3. 所属分类：其它

    • 发布日期：2009-12-04
    • 文件大小：1kb
    • 提供者：love1989999

  1. 最优化方法_程序m文件

  2. 线性规划法，0.618法，Fibonacci法，一阶梯度法，共轭梯度法，变尺度法。matlab的m文件。

  3. 所属分类：其它

    • 发布日期：2010-09-03
    • 文件大小：63kb
    • 提供者：lilian_lilith

  1. 科学计算中无约束梯度法的原理

  2. 科学计算中的无约束梯度算法的原理 梯度法尽管收敛速度较慢，但其迭代的几何概念比较直观，方法和程序简单，虽要计算导数，但只要求一阶偏导，存储单元较少。此外，当迭代点距目标函数极小点尚远时，无论目标函数是否具有二次性，梯度法开始迭代时的下降速度还是很快的。常常利用这个特点，将梯度法和其他方法配合使用构成更有效和实用的算法，在理论上梯度法仍不失为一种极为重要的基本优化方法。

  3. 所属分类：其它

    • 发布日期：2010-12-26
    • 文件大小：80kb
    • 提供者：wengxiaokui

  1. 一阶与二阶微分锐化滤波器

  2. 运用梯度算法、Roberts 梯度算子法、Sobel算子法（加权平均差分法）、拉普拉斯算子对一阶与二阶锐化滤波器性能研究

  3. 所属分类：专业指导

    • 发布日期：2013-06-19
    • 文件大小：629kb
    • 提供者：heqing19910920

  1. 一阶分布式在线优化算法与分布式对偶平均算法的收敛速度对比.pdf

  2. 为提高分布式在线优化算法的收敛速度，对底层网络拓扑依次添边，提出一种快速的一阶分布式在线对偶平均优化（ FODD）算法。首先，对于分布式在线优化问题，运用添边方法使所选的边与网络模型快速混合，进而建立数学模型并设计FODD算法对其进行优化求解。其次，揭示了网络拓扑和在线分布式对偶平均收敛速度之间的关系，通过提高底层拓扑网络的代数连通度改进了Regret界，将在线分布式对偶平均（ODDA）算法从静态网络拓展到时变网络拓扑上，并证明了FODD算法的收敛性，同时解析地给出了收敛速度。最后的数值仿真表

  3. 所属分类：其它

    • 发布日期：2019-07-23
    • 文件大小：813kb
    • 提供者：weixin_39840650

  1. 一种矿井巷道图像边缘检测算法

  2. 针对传统的Canny算法在处理模糊的矿井巷道图像时存在边缘提取效果较差的问题,提出了一种基于小波变换和Canny算法的矿井巷道图像边缘检测算法。该算法首先对矿井巷道原始图像做小波分解,获得低频图像和高频图像,从而避免模糊图像对边缘检测效果的影响;然后采用Canny算法计算低频图像和高频图像的一阶差分,获得低频图像和高频图像的梯度图,通过计算局部梯度最大值,获得高频图像和低频图像的边缘图;当高频图像的边缘图上出现间断点时,在低频图像的边缘图中检测该点的8点邻域,寻找连接点,即可得到完整的矿井巷道边

  3. 所属分类：其它

    • 发布日期：2020-05-08
    • 文件大小：701kb
    • 提供者：weixin_38742291

  1. 最速下降法牛顿法（阻尼）共轭梯度法以及拟牛顿法.rar

  2. main为主函数 fun gfun ggfun分别为输入的函数以及一阶二阶导数 GD Newton FR BFGS 分别为最速下降法 牛顿法（阻尼）共轭梯度法 以及 拟牛顿法 F1-4为下降的图示 可以看到牛顿法和拟牛顿法收敛速度最快 但是牛顿法需要求矩阵的逆 在实际中 运算量可能较大

  3. 所属分类：专业指导

    • 发布日期：2020-04-04
    • 文件大小：171kb
    • 提供者：ANGELZZW

  1. 一阶微分图像锐化（梯度幅值）.pdf

  2. 该文档说明了一阶微分图像锐化的原理。通过阅读冈萨雷斯的数字图像处理第三版中的相关章节，总结了一阶微分图像锐化的原理。

  3. 所属分类：其它

    • 发布日期：2020-03-20
    • 文件大小：642kb
    • 提供者：hktkzgd

  1. 改进HS共轭梯度算法及其全局收敛性

  2. 改进HS共轭梯度算法及其全局收敛性，吴慧明，，基于梯度理论的非线性优化理论和方法中有很多种算法，其中共轭梯度法有其自身的特点和优势。共轭梯度法仅需利用一阶导数信息，但

  3. 所属分类：其它

    • 发布日期：2020-03-12
    • 文件大小：201kb
    • 提供者：weixin_38741317

  1. 人工智能与机器学习-梯度下降法

  2. 人工智能与机器学习-梯度下降法 一、梯度下降法概述 梯度下降法（Gradient descent）是一个一阶最优化算法。 要使用梯度下降法找到一个函数的局部极小值，必须向函数上当前点对应梯度（或者是近似梯度）的反方向的规定步长距离点进行迭代搜索。 二、梯度下降法直观理解 以人下山为例，要到达最低点，需要以下步骤： 第一步，明确自己现在所处的位置 第二步，找到相对于该位置而言下降最快的方向 第三步，沿着第二步找到的方向走一小步，然后到底一个新的位置，这时候的位置就比原来更低 第四步，又明确当前所处

  3. 所属分类：其它

    • 发布日期：2020-12-21
    • 文件大小：682kb
    • 提供者：weixin_38726407

  1. 【opencv学习笔记 19 图像的梯度】

  2. 图像的梯度 一阶导数 二阶导数 —拉普拉斯算子系数和为0 一阶导数 import cv2 as cv import numpy as np def sobel_demo(image): # grad_x = cv.Scharr(image, cv.CV_32F, 1, 0) grad_y = cv.Scharr(image, cv.CV_32F, 0, 1) # gradx = cv.convertScaleAbs(grad_x) grady =

  3. 所属分类：其它

    • 发布日期：2020-12-21
    • 文件大小：513kb
    • 提供者：weixin_38631182

  1. tensorflow求导和梯度计算实例

  2. 1. 函数求一阶导 import tensorflow as tf tf.enable_eager_execution() tfe=tf.contrib.eager from math import pi def f(x): return tf.square(tf.sin(x)) assert f(pi/2).numpy()==1.0 sess=tf.Session() grad_f=tfe.gradients_function(f) print(grad_f(np.zeros(1))[0

  3. 所属分类：其它

    • 发布日期：2020-12-20
    • 文件大小：34kb
    • 提供者：weixin_38614287

  1. opencv python图像梯度实例详解

  2. 这篇文章主要介绍了opencv python图像梯度实例详解,文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下 一阶导数与Soble算子 二阶导数与拉普拉斯算子 图像边缘： Soble算子： 二阶导数： 拉普拉斯算子： import cv2 as cv import numpy as np # 图像梯度（由x,y方向上的偏导数和偏移构成），有一阶导数（sobel算子）和二阶导数（Laplace算子） # 用于求解图像边缘，一阶的极大值，

  3. 所属分类：其它

    • 发布日期：2020-12-20
    • 文件大小：148kb
    • 提供者：weixin_38655561

  1. 机器学习之梯度下降法

  2. 1.基本概念 梯度下降法（Gradient descent）是一个一阶最优化算法。 要使用梯度下降法找到一个函数的局部极小值，必须向函数上当前点对应梯度（或者是近似梯度）的反方向的规定步长距离点进行迭代搜索。如果相反地向梯度正方向迭代进行搜索，则会接近函数的局部极大值点；这个过程则被称为梯度上升法。 2.几种梯度下降方法（针对线性回归算法） 2.1 批量梯度下降法 1.批量梯度下降法的特点及原理 运算量大：批量梯度下降法中的每一项计算：，要计算所有样本（共 m 个）； 批量梯度下降法的梯度是损

  3. 所属分类：其它

    • 发布日期：2021-01-06
    • 文件大小：209kb
    • 提供者：weixin_38698149

  1. 合成Kong径雷达场景分类的高阶广义无序合并网络

  2. 视觉单词袋（BOVW）模型中的固定编码样式以及卷积神经网络（CNN）特征表示中的强大空间信息，使得特征向量不太适合场景分类。 为了提取SAR场景分类的可学习无序特征，提出了一种通过反向传播训练的高阶广义无序池网络，以学习局部聚集描述符（VLAD）的高阶向量和局部约束仿射子空间编码。 （LASC），与一阶特征编码样式相比，所提出的网络可以通过外部产品自动学习高阶编码特征。 随后，为了使特征表示更加强大，将其梯度通过奇异值分解（SVD）和元素逐项归一化的矩阵归一化（平方根）引入了所提出的网络中。 最

  3. 所属分类：其它

    • 发布日期：2021-03-08
    • 文件大小：256kb
    • 提供者：weixin_38535364

  1. 梯度下降：使用python实现梯度下降。 我在BYU数学专业的python编码实验室Math 495R中完成了这个项目-源码

  2. 描述 该项目实现了两种不同的一维优化方法，牛顿法和梯度下降法。 牛顿法 牛顿法是一种求根算法，可以对实值函数的根（或零）连续产生更好的近似值。 在该项目中，我对输入函数的一阶导数实施牛顿方法，以识别输入函数的潜在最小和最大值。 牛顿法由下面的函数递归定义。 梯度下降 当二阶导数为正数时，牛顿法效果很好，但是当二阶导数为负数时，牛顿法有时无法收敛。 梯度下降是一种更有效的优化算法，它朝最大减小方向迈进，直到收敛到最小。 步长基于学习率，该学习率是使用从python包scipy导入的一维优化函数找

  3. 所属分类：其它

  1. 使用Robert-s-Gradient-Convolution-Mask进行边缘增强：使用罗伯特梯度通过卷积蒙版生成用于边缘增强的梯度图像-源码

  2. Robert Gradient属于基于梯度的技术类别，该技术使用一阶导数的最小值和最大值来检测图像的边缘。 该梯度近似假定该梯度与相邻像素之间的灰度级差成比例。 梯度使用离散微分来近似，离散微分是一种交叉差分操作，如图1所示。该梯度假定显着边缘的值较大，而在相当光滑的区域中的值较小，对于灰阶恒定的区域则为零。等级。 可以使用卷积蒙版完成Robert Gradient中的梯度近似。

  3. 所属分类：其它

    • 发布日期：2021-02-13
    • 文件大小：435kb
    • 提供者：weixin_42180863

  1. python实现共轭梯度法

  2. 共轭梯度法是介于最速下降法与牛顿法之间的一个方法，它仅需利用一阶导数信息，但克服了最速下降法收敛慢的缺点，又避免了牛顿法需要存储和计算Hesse矩阵并求逆的缺点，共轭梯度法不仅是解决大型线性方程组最有用的方法之一，也是解大型非线性最优化最有效的算法之一。 在各种优化算法中，共轭梯度法是非常重要的一种。其优点是所需存储量小，具有步收敛性，稳定性高，而且不需要任何外来参数。 算法步骤： import random import numpy as np import matplotlib.pypl

  3. 所属分类：其它

    • 发布日期：2021-01-20
    • 文件大小：154kb
    • 提供者：weixin_38650379

  1. 人工智能与机器学习—梯度下降法

  2. 一、梯度下降法 1、概述 梯度下降（gradient descent）在机器学习中应用十分的广泛，不论是在线性回归还是Logistic回归中，它的主要目的是通过迭代找到目标函数的最小值，或者收敛到最小值。 2、原理 梯度下降算法的基本原理就是通过多次迭代，求得与精度值匹配的最后结果： 二、牛顿法 1、牛顿法的概述 牛顿法是机器学习中用的比较多的一种优化算法。牛顿法的基本思想是利用迭代点处的一阶导数(梯度)和二阶导数(Hessen矩阵)对目标函数进行二次函数近似，然后把二次模型的极小点作为新的迭

  3. 所属分类：其它

    • 发布日期：2021-01-20
    • 文件大小：597kb
    • 提供者：weixin_38719564
« 12 3 4 5 6 7 8 9 10 »