新年规划聊天会会后感想前言23年大摆一个寒假后，在回上海的前一个礼拜得知老师希望我们单独和他聊一聊新年规划。但是似乎大家都没和他聊，产生名场面： 1“这次让大家单独找我开会，本意是想分散会议时间，周一到周五都可以安排，这样每个同学也可以多聊一些。但到现在为止只有两个同学跟我讨论过，其他同学基本都约在周四周五，还有很多同学没有跟我约，估计会集中在周五，这样也就失去了单独约的意义了～那不如这样吧，我们

冈萨雷斯DIP-week1Hint待填坑 [x] 形态学处理的简单实现(暂时鸽)) [ ] 图像内插实现 [x] m邻接相关概念没有完全懂 [x] 关于色彩混合 [ ] 例6.1到底要说明什么现在还不是很懂 [x] HSI重点，但是还没弄懂 [ ] 例6.5 6.6有些不懂 [ ] 这部分目前均衡化和匹配基本看完了，后面还没有仔细看，需要增补 书本说明采用第四版电子版(因为有书签

彩色图像处理基础彩色基础颜色的描述物体本身的颜色是由光反射所产生的，这种反射是由物体的物理性质决定的，不同的物体由于光的吸收、发射光谱等因素的差异拥有了不一样的颜色。但人类对颜色的解释则更为复杂，这种解释主要来源于生活经验，我们通过视觉感知到的特征对光的颜色类别进行描述，往往还伴随着心理和生理因素的影响，难以定量分析，因此这里所讨论的颜色主要指由物体物理性质决定的颜色。 一般意义上的彩色光波长范围

分段双调排序-解题报告a)算法描述0.定义双调排序是一种并行排序算法，它同时也被用于排序网络的构建。 1.双调序列双调序列是一个先单调递增后单调递减（或者先单调递减后单调递增）的序列。 即序列表示为 x_0 \leq \ldots \leq x_k \geq \ldots \geq x_{n-1}(0 \leq k \leq n)2.Batcher定理将任意一个长为2n的双调序列分为等长的两半

名词汇总 名词 说明 举例（写法） training data set sample(data point, data instance数据样本) $\bold{x}^{(i)}=[x_1^{(i)}+x_2^{(i)}]^T$ label(target) 试图预测的目标 $y^{(i)}$ features(covariates协变量) 预测时依据的自变量

图像取样与量化参考https://www.jianshu.com/p/5a80a5681bb9 要点先转换为灰度图再进行取样和量化。 取样实际上是对原图像矩阵等间隔取样，量化采用histeq()进行，其中的参数代表量化分级数。 代码12345678910ori = imread("e:\\coding\test.png");gray = rgb2gray(ori);prop1

Re:从0开始的手写线性回归只使用tensor和autograd完成简单的线性回归全过程。 一些小细节 pycharm要求函数之间空两行 函数内部变量尽量不要与外部重名，参考： https://www.cnblogs.com/shengulong/p/10171386.html https://www.twle.cn/t/649 【目前还不完全理解，以及不确定是否需要解决】 代码注解生成数据集1

Python 补充【有问题的章节】字符串和编码 函数参数 返回函数 装饰 Hintparameter:形参，指的是函数中的参数名称： 12def add(x,y):>>>>>>>>>>>>>>>>>>>>>>>>>>>>>&g

Git入门Reference廖雪峰的官方网站中的git教程 猴子都能懂的git入门 基本操作初始化git仓库git init 注意只有在git目录下有效。 1234# 以创建空目录“learngit”为例$ mkdir learngit$ cd learngit$ git init 文件放入git仓库 git add <file>， 可反复多次使用，添加多个文件； git commi

降维观测器简介引入对于系统 \dot{x}=Ax+Bu \\ y=Cx假设其中x的维数为n，y的维数为m。 全维观测器对全部变量x进行重构。但是如果状态的某些线性组合可以直接作为输出被测量出来(这由矩阵C决定)，就不需要进行估计，则可以降低其维数，仅需要额外获得n-m个维度的信息，之后配合观测得到的m个维度的信息，通过线性组合，就可以获得状态x的信息，由此引入降维观测器。 若C矩阵秩为m，则只需