一.局部领域搜索Local Search（LS），又称爬山启发式算法，从当前的节点开始，和周围的邻居节点的值进行比较。如果当前节点是最大的，那么返回当前节点，作为最大值(即山峰最高点)；反之就用最高的邻居节点替换当前节点，从而实现向山峰的高处攀爬的目的。它是禁忌搜索的基础，TS算法是在其上改进而来。优点：1、容易理解，容易实现，具有较强的通用...

前面的相机矩阵，是针对单个相机的，可我们知道单个相机图片并不能告诉我们物体的深度信息，这时至少需要两个相机，这样在两视图间内在的射影几何关系就是对极几何，而基本矩阵就算对极几何的代数表示。1.对极几何如果仅看一个相机，我们并不能知道深度信息，可如果有两个相机的话（就像人有两只眼睛）我们就能得到深度的信息，上图O和O'是两个相机中心，P点是物体所在，如果我们只看左边图像上的点p，我们不能知道物体到底

1. 欧氏距离最常见的两点之间或多点之间的距离表示法，又称之为欧几里得度量，它定义于欧几里得空间中，如点 x = (x1,...,xn) 和 y = (y1,...,yn) 之间的距离为：二维平面上两点a(x1,y1)与b(x2,y2)间的欧氏距离：两个n维向量a(x11,x12,…,x1n)与 b(x21,x22,…,x2n)间的欧氏距离：两个...

一.卷积的定义简单定义：卷积是分析数学中一种重要的运算。设:是上的两个可积函数，作积分：可以证明，关于几乎所有的实数，上述积分是存在的。这样，随着x的不同取值，这个积分就定义了一个新函数，称为函数与的卷积，记为。分析：（1）将和中的自变量由改为，成为函数的自变量；（2）把其中一个信号翻转、平移；（3）将与；对乘积后的图形积分。二.信号与线性系...

当前项目中需要对所有图表计算它们之间的相似性，我们通过计算两两图表间的欧式距离来衡量其相似性。然而直接使用图表的原始数据进行计算会导致即使图表相似性极高但因为数据范围差别过大而失败，这里我们考虑对原始数据进行处理，将所有数据映射到某一个固定区间之内再计算。这里就用到了特征缩放（Feature scaling），特征缩放（Feature Scaling）是将不同特征的值量化到...

1.安装numpy库NumPy库使用Python进行科学计算，尤其是数据分析时，所用到的一个基础库。它是大量Python数学和科学计算包的基础，比如我们后面会讲到的pandas库就用到了NumPy。pandas库专门用于数据分析，充分借鉴了Python标准库NumPy的相关概念。而Python标准库所提供的内置工具对数据分析方面的大多数计算来说都过于简单而不够用。为了更好地理解和使用Py...

在根据压力入口条件初始化求解时，Supersonic/Initial Gauge Pressure（静压）与Gauge Total Pressure（滞止压力）一起根据等熵关系（可压流）或者伯努利方程（不可压缩流）计算初始值。否则，Supersonic/Initial Gauge Pressure在不可压缩流计算中输入被忽略。Static pressure（静压）Dynamic pressure（

一.复数的起源人们最初认识的数是自然数，然后为了表示没有，引入了0；为了处理小数部分是有限或为无限循环的数引进了有理数的，小数部分是无限不循环的数称为无理数；为了表示赊欠， 又引入了复数。到此为止，实数都已经推出来了。后来又遇到一个问题，-1的平方根是什么？显然，实数域里面是没有解得。可是，-1的平方根有很有用，例如求解一元二次方程。于是，人们就定义：...

1.相机小孔模型针孔模型是相机成像的基础模型，是理解后续相机矩阵内容的基础。下图描述了基本的小孔成像过程：图中，X坐标系是针孔所在坐标系，Y坐标系为成像平面坐标系，P为空间一点，小孔成像使得P点在图像平面上呈现了一个倒立的像。这幅图是前一幅图的俯视图，由三角相似关系可以得到：写成矩阵的形式：多了一个讨厌的负号（小孔成像上下颠倒，左右也颠倒），为了方便，大家把成像平面移到了和物体（P点）相同的一边，

一.卷积和相关函数的定义1.卷积的定义设函数是上的两个可积函数，作积分：则称为函数的卷积。常表示为。卷积是频率分析的一种工具，其与傅里叶变换有着密切关系。2.互相关函数的定义设函数是上的两个可积函数，作积分：则称为函数的互相关函数。（容易证明与等价。）互相关函数描述了两信号之间的相关情况或取值依赖关系。如果对一个理想测试系统的输入与输出信号求互相...