title | categories | sticky | toc | date | |
---|---|---|---|---|---|
全站博客分类目录 |
|
10 |
true |
9999-12-31 15:59:59 -0800 |
本页面是全站写作思路和超级索引,所有文章都能通过索引跳转到相关文章,当然也可以使用搜索功能查找相关的话题。
如对本站有兴趣可以通过下面二维码添加博主,进入讨论群,感谢您的支持。
以下目录点击直接传送:
理论:
- 数学基础
- 集合论
- 分析
- 微积分
- 数学分析
- 实分析
- 复分析
- 泛函分析
- 测度论
- 线性代数
- 《Introduction to Linear Algebra》
- 线性代数BigPicture
- 1.0 向量
- 1.1 线性组合
- 1.2 点乘和长度
- 2.1 Ax=b
- 2.2 消元
- 2.3 消元和矩阵
- 2.4 矩阵计算
- 2.5 逆
- 2.6 LU和LDU分解
- 2.7 映射与排列
- 3.1 向量空间
- 3.2 Null 空间
- 3.3 秩
- 3.4 Ax=B
- 3.5 线性独立,基和维度
- 3.6 四个空间的维度
- 4.1 四个子空间的正交
- 4.2 投影
- 4.3 最小二乘(略)
- 4.4 正交基和Gram-Schmidt算法
- 5.1 行列式的性质
- 5.2 排列和代数余子式
- 5.3 Cramer's 法则,逆和体积
- 6.1 特征值介绍
- 6.2 矩阵对角化
- 6.3 微分方程应用(略)
- 6.4 对称矩阵
- 6.5 正定矩阵
- 6.6 相似矩阵
- 6.7 奇异值分解
- 7.1 线性变换**
- 7.2 线性变换的矩阵
- 7.3 对角化和伪逆
- 《Introduction to Linear Algebra》
- 微分方程
- 拓扑学
- 概率论
- 概率论BigPicture
- 1.0 概率介绍、试验、事件、公理化的概率
- 1.1 样本空间、柯氏公理、概率的性质
- 1.2 古典概率、乘法原理、排列
- 1.3 组合、二项式定理、多项式定理
- 1.4 有限事件并的概率、概率欺骗了你
- 2.1 条件概率、全概率公式
- 2.2 事件独立、条件独立
- 2.3 Bayes’ Theorem
- 3.1 随机变量和离散分布
- 3.2 连续分布
- 3.3 Cumulative Distribution Function
- 3.4 双变量分布
- 3.5 边缘分布不和独立随机变量
- 3.6 条件分布 (Part I)
- 3.6 条件分布 (Part II)
- 3.7 多变量分布(Part I)
- 3.7 多变量分布(Part II)
- 3.8 随机变量的函数
- 3.9 多随机变量的函数
- 4.1 随机变量的期望 (Part I)
- 4.1 随机变量的期望 (Part II)
- 4.2 期望的性质
- 4.3 方差
- 4.4 距
- 4.5 均值和中值
- 4.6 协方差和相关性
- 4.7 条件期望
- 5.1 分布介绍
- 5.2 伯努利和二项分布
- 5.3 超几何分布
- 5.4 泊松分布
- 5.5 负二项分布
- 5.6 正态分布(Part I)
- 5.6 正态分布(Part II)
- 5.6 正态分布(Part III)
- 5.7 Gamma分布(Part I)
- 5.7 Gamma分布(Part II)
- 5.8 Beta分布
- 5.9 多项式分布
- 5.10 二维正态分布
- 6.1 大样本介绍
- 6.2 大数定理
- 6.3 中心极限定理
- 6.4 连续性修正
- 数理统计
- 随机过程
- 信息论
- 凸优化
- 算法设计过程
- 算法
-
机器学习算法
-
统计学习算法
-
深度学习算法
-
图像处理
- 1.1 灰度级
- 1.2 灰度变换,gama变换,对数,反对数变换
- 2.1 一维DFT
- 2.2 二维DFT
- 2.3 FFT算法理解与c语言的实现
- 2.4 二维FFT,IFFT,c语言实现
- 2.5 图像傅里叶变换(快速傅里叶变换FFT)
- 3.0 二值图像
- 3.1 二值图像-形态学处理 数学形态学
- 3.2 二值图像-形态学处理 腐蚀和膨胀
- 3.3 二值图像-形态学处理 开操作和闭操作
- 3.4 二值图像-形态学处理4 其他操作
- 4.0 灰度图像
- 4.1 灰度图像-形态学处理
- 4.2 灰度图像-频域滤波 傅里叶变换之卷积
- 4.3 灰度图像-频域滤波 傅里叶变换之连续周期信号傅里叶级数
- 4.4 灰度图像-频域滤波 傅里叶变换之离散周期信号傅里叶级数
- 4.5 灰度图像-频域滤波 傅里叶变换之连续信号傅里叶变换(FT)
- 4.6 灰度图像-频域滤波 傅里叶变换之采样定理
- 4.7 灰度图像-频域滤波 傅里叶变换之离散时间傅里叶变换(DTFT)
- 4.8 灰度图像-频域滤波 傅里叶变换之离散傅里叶变换(DFT)
- 4.9 灰度图像-频域滤波 傅里叶变换之二维离散傅里叶变换
- 4.10 灰度图像-频域滤波 概论
- 4.11 灰度图像-频域滤波 滤波器
- 4.12 灰度图像-频域滤波 同态滤波
- 5.0 灰度图像-空域滤波 基础:卷积和相关
- 5.1 灰度图像-图像增强 综合介绍
- 5.2 灰度图像-图像增强 平滑之均值滤波、高斯滤波
- 5.3 灰度图像-图像增强 双边滤波 Bilateral Filtering
- 5.4 灰度图像-图像增强 中值滤波
- 5.5 灰度图像-图像增强 锐化基础
- 5.6 灰度图像--图像增强 拉普拉斯算子
- 5.7 灰度图像-图像增强 非锐化掩蔽 (Unsharpening Mask)
- 5.8 灰度图像-图像增强 Robert算子、Sobel算子
- 5.9 灰度图像--图像增强 灰度变换
- 5.10 灰度图像--图像增强 直方图均衡化(Histogram Equalization)
- 5.11 灰度图像-图像增强 直方图匹配(规定化)Histogram Specification
- 6.0 灰度图像-图像分割 综合介绍
- 6.1 灰度图像-图像分割 边缘模型
- 6.2 灰度图像-图像分割 边缘检测算子 综述
- 6.3 灰度图像-图像分割 Robert算子
- 6.4 灰度图像-图像分割 Sobel算子
- 6.5 灰度图像-图像分割 Prewitt算子
- 6.6 灰度图像-图像分割 Scharr算子
- 6.7 灰度图像-图像分割 Sobel算子,Prewitt算子和Scharr算子平滑能力比较
- 6.8 灰度图像-图像分割 Canny边缘检测
- 6.9 灰度图像-图像分割 Marr-Hildreth算子(LoG算子)
- 6.10 灰度图像-图像分割 霍夫变换(Hough Transform)--直线
- 7.0 灰度图像-图像分割 阈值处理综述
- 7.1 灰度图像-图像分割 阈值处理之平均阈值
- 7.2 灰度图像-图像分割 阈值处理之P-Tile阈值
- 7.3 灰度图像--图像分割 阈值处理之迭代均值阈值
- 7.4 灰度图像-图像分割 阈值处理之谷底阈值、峰顶平均
- 7.5 灰度图像-图像分割 阈值处理之OTSU阈值
- 7.6 灰度图像--图像分割 阈值处理之补充说明
- 7.7 灰度图像-图像分割 阈值处理之局部阈值
- 7.8 灰度图像-图像分割 区域分割之区域生长
- 7.9 灰度图像-图像分割 区域分割之区域分离
- 7.10 灰度图像-图像分割 区域分割之分水岭算法
- 8.0 彩色模型,CIE XYZ,CIE RGB
- 8.1 彩色图像-色彩空间 综述
- 8.2 彩色图像-色彩空间 RGB系列
- 8.3 彩色图像-色彩空间 CMY(K)空间
- 8.4 彩色图像-色彩空间 YIQ 、YUV 、YCbCr 、YC1C2 和I1I2I3
- 8.5 彩色图像-色彩空间 CIELAB、CIELUV
- 8.6 彩色图像-色彩空间 HSI(HSL)、HSV(HSB)
- 8.7 彩色图像-色彩空间 总结
- 9.1 彩色图像-伪彩处理 灰度图转伪彩色图像
- 9.2 彩色图像-彩色变换 补色处理
- 10.1 彩色图像-图像增强 直方图增强
- 10.2 彩色图像-图像增强 图像平滑
- 10.3 彩色图像-图像增强 图像锐化
- 10.4 彩色图像-图像分割 彩色空间分割
-
遗传算法
-
- 神经生物学
技术
- 语言
- C++
- Python
- Web Crawler
- CUDA
- 框架
- OpenCV
- TensorFlow .etc
- 设计实现框架
- PineNut
随笔