内容简介本书由射影几何、矩阵与张量、模型估计三个部分组成，它们是三维计算机视觉所涉及到的基本数学理论与方法。
I.射影几何学是三维计算机视觉的数学理论基础，是从事计算机视觉研究所必备的数学知识。
本书着重介绍射影几何学和它在视觉中的应用，主要内容包括：平面与空间射影几何，摄像机几何，两视点几何，自标定技术和三维重构理论。
II.矩阵与张量是描述和解决计算机视觉问题的必要数学工具，视觉领域研究人员都应该掌握这门数学。
本书着重介绍与视觉有关的矩阵、张量理论与它的应用，主要内容包括：矩阵分解，矩阵分析，张量代数，运动与结构，多视点张量。
III.模型估计是三维计算机视觉的基本问题，通常涉及到变换或某种数学量的估计。
本书着重介绍与视觉估计有关的数学理论与方法，主要内容包括：迭代优化理论，参数估计理论，视觉估计的代数方法、几何方法、鲁棒方法和贝叶斯方法。
上述三部分涉及的数学内容是相对独立的，但三维计算机视觉将它们组成一个有机的整体。
通过阅读本书，读者能掌握三维计算机视觉中的基本数学内容与方法，增强数学素养、提高分析和解决视觉问题的数学能力。
I.射影几何学是三维计算机视觉的数学理论基础，是从事计算机视觉研究所必备的数学知识。
本书着重介绍射影几何学和它在视觉中的应用，主要内容包括：平面与空间射影几何，摄像机几何，两视点几何，自标定技术和三维重构理论。
II.矩阵与张量是描述和解决计算机视觉问题的必要数学工具，视觉领域研究人员都应该掌握这门数学。
本书着重介绍与视觉有关的矩阵、张量理论与它的应用，主要内容包括：矩阵分解，矩阵分析，张量代数，运动与结构，多视点张量。
III.模型估计是三维计算机视觉的基本问题，通常涉及到变换或某种数学量的估计。
本书着重介绍与视觉估计有关的数学理论与方法，主要内容包括：迭代优化理论，参数估计理论，视觉估计的代数方法、几何方法、鲁棒方法和贝叶斯方法。
上述三部分涉及的数学内容是相对独立的，但三维计算机视觉将它们组成一个有机的整体。
通过阅读本书，读者能掌握三维计算机视觉中的基本数学内容与方法，增强数学素养、提高分析和解决视觉问题的数学能力。
2023/8/27 4:23:33
4.27MB
1
非负矩阵分解的matlab代码,内容全ThisfunctionscomparestwoW'matricesfromNMF%byestimatingthepermutationandcomputingthe%normalizedLSofthepermutedmatrix
2023/6/5 6:52:45
488KB
1
非负矩阵分解(NonnegativeMatrixFactor)，简称NMF，是由Lee和Seung于1999年在自然杂志上提出的一种矩阵分解方法[1]，它使分解后的所有分量均为非负值(要求纯加性的描述)，并且同时实现非线性的维数约减。
NMF已逐步成为信号处理、生物医学工程、模式识别、计算机视觉和图像工程等研究领域中最受欢迎的多维数据处理工具之一。
NMF已逐步成为信号处理、生物医学工程、模式识别、计算机视觉和图像工程等研究领域中最受欢迎的多维数据处理工具之一。
2016/1/5 18:58:57
873B
1
非负矩阵分解(NonnegativeMatrixFactor)，简称NMF，是由Lee和Seung于1999年在自然杂志上提出的一种矩阵分解方法[1]，它使分解后的所有分量均为非负值(要求纯加性的描述)，并且同时实现非线性的维数约减。
NMF已逐步成为信号处理、生物医学工程、模式识别、计算机视觉和图像工程等研究领域中最受欢迎的多维数据处理工具之一。
NMF已逐步成为信号处理、生物医学工程、模式识别、计算机视觉和图像工程等研究领域中最受欢迎的多维数据处理工具之一。
2018/2/1 4:43:58
873B
1
本书可作为工科类研究生矩阵论教材，全书共分6章（约50学时），主要讲解矩阵的基本理论与方法，包括线性空间与线性变换，常见的矩阵分解，广义逆矩阵，矩阵分析，矩阵的直积与非负矩阵的引见等，各章配有相应的习题用作练习。
本书也可作为理工科学生及教师的教学参考书。
第2版前言第1章线性代数引论1.1线性空间1.2线性变换及矩阵1.3Jordan标准形1.4欧氏空间和酉空间第2章矩阵的分解2.1QR分解2.2正规矩阵及Schur分解2.3满秩分解2.4奇异值分解2.5单纯矩阵的谱分解第3章矩阵的广义逆3.1广义逆矩阵3.2广义逆矩阵A+3.3A+的几种基本求法3.4广义逆与线性方程组第4章矩阵分析4.1向量与矩阵的范数4.2特征值估计4.3矩阵级数4.4矩阵函数及其计算4.5矩阵函数的应用第5章矩阵的直积5.1直积的定义与性质5.2直积与特征值5.3矩阵的拉直5.4直积与矩阵方程第6章非负矩阵引见6.1非负矩阵的基本性质6.2正矩阵与Perron定理6.3不可约非负矩阵6.4素矩阵与M矩阵6.5随机矩阵6.6两个非负矩阵模型参考文献
本书也可作为理工科学生及教师的教学参考书。
第2版前言第1章线性代数引论1.1线性空间1.2线性变换及矩阵1.3Jordan标准形1.4欧氏空间和酉空间第2章矩阵的分解2.1QR分解2.2正规矩阵及Schur分解2.3满秩分解2.4奇异值分解2.5单纯矩阵的谱分解第3章矩阵的广义逆3.1广义逆矩阵3.2广义逆矩阵A+3.3A+的几种基本求法3.4广义逆与线性方程组第4章矩阵分析4.1向量与矩阵的范数4.2特征值估计4.3矩阵级数4.4矩阵函数及其计算4.5矩阵函数的应用第5章矩阵的直积5.1直积的定义与性质5.2直积与特征值5.3矩阵的拉直5.4直积与矩阵方程第6章非负矩阵引见6.1非负矩阵的基本性质6.2正矩阵与Perron定理6.3不可约非负矩阵6.4素矩阵与M矩阵6.5随机矩阵6.6两个非负矩阵模型参考文献
2020/7/12 14:09:24
2.25MB
1
对矩阵进行分解，包括LU分解，QR分解，Householder分解，Givens分解，代码采用matlab编写，包括清楚的正文，下载后即可直接运行。
2018/1/25 11:30:08
4KB
1
NMF是一种新的矩阵分解算法，它将1个非负矩阵分解为左右2个非负矩阵的乘积。
由于分解前后的矩阵中仅包含非负的元素，因而原矩阵中的列向量可以解释为对左矩阵中所有列向量(称为基向量)的加权和，而权重系数为右矩阵中对应列向量中的元素。
由于分解前后的矩阵中仅包含非负的元素，因而原矩阵中的列向量可以解释为对左矩阵中所有列向量(称为基向量)的加权和，而权重系数为右矩阵中对应列向量中的元素。
2016/11/15 17:43:41
2KB
1
基于MovieLens数据集，采用随机梯度下降算法优化最小化能量函数的概率矩阵分解Python源代码，本人做实验的源代码ProbabilisticMatrixFactorization
2019/11/19 18:15:44
749KB
1
在日常工作中，钉钉打卡成了我生活中不可或缺的一部分。然而，有时候这个看似简单的任务却给我带来了不少烦恼。
每天早晚，我总是得牢记打开钉钉应用，点击"工作台"，再找到"考勤打卡"进行签到。有时候因为工作忙碌，会忘记打卡，导致考勤异常，影响当月的工作评价。而且，由于我使用的是苹果手机，有时候系统更新后，钉钉的某些功能会出现异常，使得打卡变得更加麻烦。
另外，我的家人使用的是安卓手机，他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说，每次打卡都是一次挑战。他们总是担心自己会操作失误，导致打卡失败。
为了解决这些烦恼，我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习，我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。
2024-04-09 15:03
15KB