Cavalier
《专利法》专题1-4
专题一：专利法基础知识与权利归属 《中华人民共和国专利法》由全国人大常委会制定、修改，属于法律。《专利法》于==1984年3月12日==通过，自==1985年4月1日==起施行，第四次修改自==2021年6月1日==起施行。 《中华人民共和国专利法实施细则》由国务院制定、修改，属于行政法规。《细则》
FRFCM笔记
Fast and Robust Fuzzy C-Means Clustering Algorithm Based on Morphological Reconstruction and Membership Flitering - FRFCM FCM：保留更多原始图像信息。但是由于只考虑灰度信息而不
变分水平集图像分割方法
变分水平集图像分割方法 A Level Set Model for Image Classification Abstract 提出了一个基于变分方法的监督分类模型。该模型致力于寻找由具有规则借口的同构类组成的最优划分。所提出的方法的独创性涉及通过使用水平集来定义分区。与类关联的每组区域和边界由唯一
Matrix Profile I-时间序列的全对相似性连接
Introduction And Background 全对相似性连接问题有很多种变体，其基本任务为：给定一组数据对象，检索每个对象的最近邻居。与K近邻相似，对于时间序列，如果需要检测子序列的前K个最近邻或每个对象的最近邻（如果在近邻子序列在阈值\tau内）。 这种对于阈值\tau的依赖在时间序列更
快速低成本语义分割- FLOSS（Fast Low-cost Online Semantic Segmentation）
Abstract： Floss是一种快速低成本的在线语义分割算法，它具有如下几种特点： 领域无关性：大多数的现有时间序列分割技术都有特定的领域，而Floss是一种通用的算法，适用于各种类型的时间序列数据。 在线分割：Floss可以在数据流中进行实时分割，而不需要对整个数据进行离线处理。即对于实时采集
技术方案核心点的构思过程
在整个技术方案的撰写生涯中，经历了很多个阶段。 从最初的不知何为核心，到之后的初窥门径，再之后的复杂构造，之后又回到精简范畴，而后繁复复杂，在这样一个简单到复杂的撰写模式之间反复变化。 其实形式上的复杂与核心点的充分并不是对应的关系。 并不是说内容越多越复杂，技术方案的质量就越高。 撰写的案件到现在
关于工作的一些感受
坐标：长春 学历：垃圾二本本科 年龄：28 专业：统计学 大概与很多这样的院校出来的学生一样，毕业就开始陷入迷茫，尝试考研但是没考上，只能面对来自内心的疑问：我能做点什么？ 一开始的追求其实很俗气，能挣些钱就行，没有对于职业的规划，没有对于未来的憧憬，想的就只是能有个工作能吃上饭。 我是毕业之后考研
史密斯控制器 - Smith Predictor
原论文：《Smith Predictor Control and Internal Model Control - A Tutorial》 《Smith Predictor Control and Internal Model Control - A Tutorial》 Abstract （摘要）
PCA降维
最大可分性：划分后方差最大 最近重构行：点到划分平面距离最小 1. 向量表示与基变换 1.1 内积 两个向量A和B内积形式： (a_1,a_2,\cdots,a_n)\cdot(b_1,b_2,\cdots,b_n)^T = a_1b_1+a_2b_2+\cdots+a_nb_n 内积运算将两个向量
基于模糊C均值聚类（FCM）的图像分割原理
图像分割概述 图像分割就是把图像细分为构成它的对象或子区域，这些区域是互不相交的，每个区域都满足特定区域的一致性。分割的程度主要取决于人们想要解决的问题，当感兴趣的区域或对象已经被区分出来，分割就算是完成了。计算机视觉中的图像理解，包括目标检测、特征提取和目标识别都依赖于图像分割的质量。 目前，图像
基于局部信息影响的模糊C均值聚类（FLICM）
A Robust Fuzzy Local Information C-Means Clustering Algorithm -Stelios Krinidis and Vassilios Chatzis FLICM提出的目的 传统的FCM算法在大多数无噪声图像上的效果比较好，但是它对噪声和其它成像的
无监督的数据异常检测算法（3）- INFLO
1. INFLO原论文 Ranking Outliers Using Symmetric Neighborhood Relationship 1.1 综述（Abstract） 挖掘数据集中的异常值是为了找到偏离数据集其余部分的异常对象。除了经典的异常值分析算法之外，最近的研究还集中在挖掘局部异常值，
无监督的数据异常检测算法（2）- COF
1.COF-基于连通性的局部异常因子检测方法 在LOF中，k距离邻域默认是根据欧式距离来剂型计算的，这样也间接性地假定了数据是以球形的方式分布在样本周围。但如果特征有一个直接线性相关，那这个密度的估算就会出现问题。在《Enhancing effectiveness of outlier detect
无监督的数据异常检测算法（1）- LOF
无监督的数据异常检测算法（1）- LOF 1.1 LOF简介 在众多的离群点检测方法中，LOF方法是一种典型的基于密度的高精度离群点检测方法。在LOF方法中，通过给每个数据点都分配一个依赖于邻域密度的离群因子LOF，进而判断该数据点是否为离群点。若LOF\gg1，则该数据点为离群点；若LOF接近于1
暗通道先验
暗通道先验 暗通道先验算法是一种简单但有效的图像去雾算法。暗通道先验是一种对无雾户外图像的统计。该算法基于一项观察-无雾户外图像中大多数局部块中包含一些像素点，这些像素至少在一个颜色通道中具有非常低的强度。将此先验与雾霾成像模型结合使用，我们可以直接估计雾霾的厚度并恢复高质量的无雾图像。 在计算机视
LBP局部二值模式
LBP局部二值模式 算法过程 局部二值模式是一种用于提取图像纹理特征的算法，可以对图像的局部纹理特征进行描述。具体过程如下： 将图像转化为灰度图像。 选择一个像素点，以该像素点为中心，选取一定大小的局部区域。 计算邻域内每个像素点与中心像素点的灰度值差异，将灰度值差异转化为二进制码，得到一个二进制序
聚类方法整理
聚类方法整理 聚类（Clustering）：指按照某个特定的标准把一个数据集分割成不同的类或簇，使得同一个簇内的数据对象的相似性尽可能大，不在同一个簇中的数据对象的差异性也尽可能地大；聚类后同一类的数据尽可能聚集到一起，不同类数据尽量分离。 完整的聚类过程： 数据准备：特征标准化、降维 特征选择：从
DTW与WDTW动态时间规整
DTW与WDTW动态时间规整 动态时间弯曲距离 在时间序列分析中，时间序列的相似性度量是衡量两条时间序列相似程度的度量方法，是时间序列聚类分析中一个不可缺少的步骤。因此，度量距离的大小决定了时间序列的相似程度，相似性度量方式的特点决定了相似性度量的效果。动态时间弯曲是时间序列相似性度量中常用的方法。
卡尔曼滤波（Kalman Filter）
卡尔曼滤波算法笔记
SA-Cluster
Clustering Large Attributed Graphs: A Balance between Structural and Attribute Similarities 社交网络、传感器网络、生物网络和许多其它信息网络都可以建模为一个大图。图顶点表示实体，图边表示他们的关系或交互。在许