腾讯云开发者社区-腾讯云

开发者社区

文档建议反馈控制台

最新优惠活动

文章/答案/技术大牛

发布

闪电gogogo的专栏

专栏作者

71

文章

96820

阅读量

37

订阅数

Cortex-A9 Timing

arm 编程算法

在Cortex-A9的文档《Cortex-A9 NEON Media Processing Engine》Technical Reference Manual中有关于Instruction Timing的信息，解释如下：

2019-11-27

4880

《统计学习方法》笔记八提升方法

Boosting主要关注降低偏差，因此Boosting能基于泛化性能相当弱的学习器构建出很强的集成，Bagging主要关注降低方差，因此它在不剪枝的决策树、神经网络等学习器上效用更加明显。

2018-12-24

4930

《统计学习方法》笔记九 EM算法及其推广

EM算法是一种迭代算法，用于含有隐变量的概率模型参数的极大似然估计或极大后验概率估计。迭代由

2018-12-24

6670

《统计学习方法》笔记七（3）支持向量机——非线性支持向量机

本系列笔记内容参考来源为李航《统计学习方法》核函数定义核技巧在支持向量机中的应用正定核函数K（x,z）满足正定核时可作为核函数。常用核函数非线性支持向量机学习算法

2018-12-17

5060

《统计学习方法》笔记七（1）支持向量机——线性可分支持向量机

应用拉格朗日对偶性，通过求解对偶问题得到原始问题的最优解，一是因为对偶问题往往更容易求解，二是自然引入核函数，进而推广到非线性分类的问题。

2018-12-12

3580

《统计学习方法》笔记六（2）最大熵模型

首先考虑模型应满足的条件，给定训练数据集，可确定联合分布P（X,Y）的经验分布和边缘分布P（X）的经验分布

2018-12-07

6260

《统计学习方法》笔记三 k近邻法

k近邻是一种基本分类与回归方法，书中只讨论分类情况。输入为实例的特征向量，输出为实例的类别。k值的选择、距离度量及分类决策规则是k近邻法的三个基本要素。

2018-12-04

5100

《统计学习方法》笔记二感知机

感知机（perceptron）是二分类的线性分类模型，输入为实例的特征向量，输出为实例的类别，取±1。感知机对应与输入空间中将实例划分为正负两类的分离超平面，属于判别模型。感知机学习旨在求出将训练数据进行线性划分的分离超平面，为此，导入基于误分类的损失函数，利用梯度下降法对损失函数进行极小化，求得感知机模型。感知机算法具有简单而易于实现的优点，分为原始形式和对偶形式，感知机预测是用学习得到的感知机模型对新的输入实例进行分类。

2018-11-22

3400

《统计学习方法》笔记七（2）支持向量机——线性支持向量机

线性不可分的通常情况是训练数据中有一些特异点，将这些点去除后，剩下的大部分样本点组成的结合是线性可分的。即某些样本点不能满足函数间隔≥1的约束条件，据此，对每个样本点引入松弛变量，使函数间隔加上松弛变量≥1。

2018-11-21

3330

【数据结构(C语言版)系列二】栈

数据结构存储编程算法

栈和队列是两种重要的线性结构。从数据结构角度看，栈和队列也是线性表，但它们是操作受限的线性表，因此，可称为限定性的数据结构。但从数据类型角度看，它们是和线性表大不相同的两类重要的抽象数据类型。

2018-10-10

1.3K0

【数据结构(C语言版)系列一】线性表

数据结构存储编程算法

数据是对客观事物的符号表示，在计算机科学中是指所有能输入到计算机中并被计算机程序处理的符号的总称。

2018-10-10

2.1K1

IEEE Trans 2009 Stagewise Weak Gradient Pursuits论文学习

编程算法 matlab

论文在第二部分先提出了贪婪算法框架，如下截图所示：接着根据原子选择的方法不同，提出了SWOMP（分段弱正交匹配追踪）算法，以下部分为转载《压缩感知重构算法之分段弱正交匹配追踪(SWOMP)》分段弱

2018-04-02

8250

SAMP论文学习

SAMP：稀疏度自适应匹配追踪实际应用中信号通常是可压缩的而不一定为稀疏的，而且稀疏信号的稀疏度我们通常也会不了解的。论文中提到过高或者过低估计了信号的稀疏度，都会对信号的重构造成影响。如果过低估计

2018-04-02

1.1K0

凸优化之基追踪

http 编程算法

关于基追踪（BP），在压缩感知重构中我们所待求解的问题是L0范数问题，因为L1范数与L0范数等价，所以将L0范数转换为L1范数问题来求解，基追踪是将L1范数问题转为成为线性规划问题来进行求解，博主还提到了基追踪降噪问题，是转换为二次规划问题来进行求解的，但是这类凸优化问题计算复杂度高，重构时间长，所以目前还是以贪婪算法为学习重点，附出博客以参考： [1] 彬彬有礼. 压缩感知重构算法之基追踪(Basis Pursuit, BP),http://blog.csdn.net/jbb0523/article/de

2018-04-02

1.5K0

IEEE Trans 2006 使用K-SVD构造超完备字典以进行稀疏表示（稀疏分解）

K-SVD可以看做K-means的一种泛化形式，K-means算法总每个信号量只能用一个原子来近似表示，而K-SVD中每个信号是用多个原子的线性组合来表示的。 K-SVD算法总体来说可以分成两步，首先给定一个初始字典，对信号进行稀疏表示，得到系数矩阵。第二步根据得到的系数矩阵和观测向量来不断更新字典。设D∈R n×K，包含了K个信号原子列向量的原型{dj}j=1K，y∈R n的信号可以表示成为这些原子的稀疏线性结合。也就是说y=Dx，其中x∈RK表示信号y的稀疏系数。论文中采用的是2范数来计算误差。

2018-04-02

2.5K0

像素级压缩感知图像融合的论文

2012 基于压缩感知理论的图像融合方法不同的是在测量前先对稀疏矩阵进行融合，从仿真结果来看效果并不是很好，仅做介绍。 2012 一种基于小波稀疏基的压缩感知图像融合算法针对图像小波分解系数特点，

2018-04-02

9760

sublime学习笔记

编程算法 ide

1 sublime的几个优点 1.操作简单上手快 2.支持多点编辑：ctrl + 光标 3.基于Package Control强大的包管理功能 4.闪电一样的查找速度。打开一个大项目，鼠标右击进行全局查找。即使纯文本界面的 vim 都无法达到这样的速度。 5.深度可定制。所有的配置内容也都像 vim 一样以纯文本的形式保存在一个类似于 .vim 的目录之中。透明和分享带来的好处无限。 6.快速打开文件：ctrl + p 7.命令行面板：ctrl + shift + p 8.可启用vim模式 9.已经形成事实

2018-04-02

9710

IEEE Trans 2008 Gradient Pursuits论文学习

之前所学习的论文中求解稀疏解的时候一般采用的都是最小二乘方法进行计算，为了降低计算复杂度和减少内存，这篇论文梯度追踪，属于贪婪算法中一种。主要为三种：梯度（gradient）、共轭梯度（conjuga

2018-01-08

7430

压缩感知重构算法之子空间追踪(SP)

本文对压缩感知重构算法中的子空间追踪(SP)算法和压缩采样匹配追踪(CoSaMP)算法进行了研究对比。SP算法是一种基于正交匹配追踪(OMP)算法的改进算法，旨在解决信号重构中的稀疏信号的逼近问题。CoSaMP算法是一种基于贪婪算法的信号重构算法，具有与SP算法相近的复杂度。实验结果表明，在相同的测量矩阵下，SP算法和CoSaMP算法均可以有效地重构稀疏信号，但CoSaMP算法在某些情况下可能会遇到匹配追踪问题。然而，SP算法的性能在某些情况下可能会受到初始值的影响，因此需要进一步研究以提高其性能。

2018-01-08

1.2K0

OMP算法代码学习

正交匹配追踪(OMP)算法的MATLAB函数代码并给出单次测试例程代码测量数M与重构成功概率关系曲线绘制例程代码信号稀疏度K与重构成功概率关系曲线绘制例程代码参考来源：http://blog.c

2018-01-08

2.1K0

点击加载更多

社区活动

RAG七天入门训练营

鹅厂大牛手把手带你上手实战

Python精品学习库

代码在线跑，知识轻松学

博客搬家 | 分享价值百万资源包

自行/邀约他人一键搬运博客，速成社区影响力并领取好礼

技术创作特训营·精选知识专栏

往期视频·千货材料·成员作品最新动态