证明命题：∀满足正态分布的随机变量X，Y，有X，Y不相关⇔X,Y独立\forall 满足正态分布的随机变量X，Y，有X，Y不相关\Leftrightarrow X,Y独立∀满足正态分布的随机变量X，Y，有X，Y不相关⇔X,Y独立如果X,YX,YX,Y独立，则必有X,YX,YX,Y不相关因为X,YX,YX,Y独立，那么有E(XY)=E(X)E(Y)E(XY)=E(X)E(Y)E(XY)=E...

简单小矩阵直接赋值初始化，将小矩阵赋值到大矩阵某个区域，访问多通道矩阵某个元素某个通道，将多个点组成一个矩阵。

没有免费的午餐定理(No Free Lunch Theorem),这个定理说明若学习算法LaL_a 在某些问题上比学习算法LbL_b 要好，那么必然存在另一些问题，在这些问题中LbL_b 比LaL_a 表现更好。这里说的表现好就是前面所说的泛化能力更强。然后出现了下面这个公式Eote(La|X,f)=∑h∑x∈χ−XP(x)I(h(x)≠f(x))P(h|X,La)E_{ote

我已经下载好了相应的文件，将我上传的压缩包解压到opencv目录下的.cache目录中就可以了，目录架构像下面这样就可以了/opencv/.cache/xfeatures2d

一、有效数字的定义要定义有效数字，我们需要首先给出下面几个定义，其实都是很简单能理解的东西，但是用数学公式表达一下就有点绕。误差：若x∗x^{\ast }x∗是准确值xxx的一个近似值，则称e∗=x∗−xe^{\ast }=x^{\ast }-xe∗=x∗−x为x∗x^{\ast }x∗的误差。这个很好理解，就是近似值减去实际值咯，而且误差肯定是针对近似值来说的，所以是称e∗e^{\a...

一、OpenCV下载opencv下载地址opencv_contrib下载地址注意opencv以及opencv_contrib的版本最好对应二、OpenCV编译安装2.1 cmake编译安装下载下来后，进入源码目录（即CMakeLists.txt的同级目录）新建build目录mkdir build运行cmake命令，注意针对OpenCV的编译，该命令有许多选项，这里仅给出我自己常用的sudo cma

没有免费的午餐定理(No Free Lunch Theorem),这个定理说明若学习算法LaL_a 在某些问题上比学习算法LbL_b 要好，那么必然存在另一些问题，在这些问题中LbL_b 比LaL_a 表现更好。这里说的表现好就是前面所说的泛化能力更强。然后出现了下面这个公式Eote(La|X,f)=∑h∑x∈χ−XP(x)I(h(x)≠f(x))P(h|X,La)E_{ote