机器学习——马氏距离前言马氏距离马氏距离的推导前言在介绍马氏距离之前，我们首先看如下概念：方差：方差是标准差的平方，而标准差的意义是数据集中各个点到均值点距离的平均值。反应的是数据的离散程度协方差：标准差与方差是描述一维数据的，当存在多维数据时，我们通常需要知道每个维数的变量中间是否存在关联。**协方差就是衡量多维数据集中，变量之间相关性的统计量。**比如说，一个人的身高与他的体重的关系，这就需要

首先，对匈牙利算法解决的问题进行概述：实际中，会遇到这样的问题，有n项不同的任务，需要n个人分别完成其中的1项，每个人完成任务的时间不一样。于是就有一个问题，如何分配任务使得花费时间最少。通俗来讲，就是n*n矩阵中，选取n个元素，每行每列各有一个元素，使得和最小。可以抽象成一个矩阵，如果是求和最小问题，那么这个矩阵就叫做花费矩阵（Cost Matrix）；如果要求的问题是使之和最大化，那么这个矩阵

机器学习——PCA与LDAPCA推导一个PCALDALDA的中心思想是什么LDA的优缺点LDA的步骤推导LDAPCA和LDA有什么区别PCA主成分分析（PCA）是一种多变量统计方法，它是最常用的降维方法之一，通过正交变换将一组可能存在相关性的变量数据转换为一组线性不相关的变量，转换后的变量被称为主成分可以使用两种方法进行PCA，分别是特征分解或奇异值分解（SVD）。PCA旨在找到数据中的主成分，并

深度学习基本模块OptimizationSGD公式while True:dx = compute_gradient(x)x -= learning_rate * dxSGD+Momentum公式：​vx = 0while True:dx = compute_gradient(x)vx = rho*vx+dxx -= learning_rate * vxAdaGradAdaGrad就是在sgd的基础

TabNine是一款机器学习的自动补全插件首先在pycharm中ctrl+alt+s打开设置,点击Plugins，在右边搜索TabNine然后点击安装，安装后重启pycharm,然后点击下图所示的区域点击加号，然后选择TabNine此时，你就可以解锁tabNine的普通补全功能了然后，选择帮助中的的选项在其中输入TabNine::config,一定要自己输入，这时会弹出网站，按照网...

ubuntu系统配置git及github1.安装配置git服务器配置ssh公钥使用github管理项目仓库初始化：进入需要版本控制的项目目录（本机需要上传的目录）git常用命令1.安装配置git服务器安装ssh: sudo apt-get install openssh-server openssh-client启动ssh服务器：sudo /etc/init.d/ssh restart安装git服

三维场景渲染与重建是利用场景的图形或图像等信息渲染出特定观测视点的场景图像和重建出三维场景的结构模型，它是计算机视觉中的一个重要的研究课题，开展该方面的研究对于模型识别、虚拟现实、探险救援、军事侦察等都具有非常重要的意义。经典的三维场景渲染与重建方法按照基本处理单位的不同分为：以像素点作为基本处理单位逐点进行渲染与重建，该方法获得的渲染图像和重建模型比较真实，但是速度较慢；以网格作为基本处理单位进

视觉传感器总结激光雷达优势结构组成分类激光雷达的性能评估3D深度传感ToF工作原理测量δT\delta{T}δT方法连续波方法脉冲方法立体视觉优点缺点结构光优点缺点惯性导航系统简介惯性测量单元激光雷达与雷达工作原理类似，激光雷达通过测量激光信号的时间差和相位差来确定位置，但其最大优势在于能够利用多普勒成像技术，创建出目标清晰的3D图像。激光雷达通过发射和接收激光束，分析激光遇到目标对象后的折返时间

深度学习基本模块OptimizationSGD公式while True:dx = compute_gradient(x)x -= learning_rate * dxSGD+Momentum公式：​vx = 0while True:dx = compute_gradient(x)vx = rho*vx+dxx -= learning_rate * vxAdaGradAdaGrad就是在sgd的基础

机器学习——模型优化模型压缩方法squeezeNet的Fire Module有什么特点？模型压缩方法低秩近似神经网络的基本运算卷积，实则就是矩阵运算，低秩近似的技术是通过一系列小规模矩阵将权重矩阵重构出来，以此降低运算量和存储开销。目前有两种常用的方法：一是Toeplitz矩阵（指矩阵中每条自左上至右下的斜线上的元素相同）直接重构权重矩阵，二是奇异值分解（SVD），将权重矩阵分解为若干个小矩阵。剪