打字猴:1.70101141e+09
1701011410
1701011411 整理得到,
1701011412
1701011413
1701011414
1701011415
1701011416 当时,方程有最小值,。
1701011417
1701011418 采用手工计算,其计算量真的很难想象,特别对于N维带约束的不等式组,求解相当困难,大家通过对本问题的读解,可以很好地应用计算机编程求解自己的问题,大大地提高执行效率,简化工作量。
1701011419
1701011420
1701011421
1701011422
1701011423 我和数学有约:趣味数学及算法解析 [:1701004279]
1701011424 我和数学有约:趣味数学及算法解析 10.3 图像究竟是怎么表征的
1701011425
1701011426 现今由于自动化程度的提高,信息是作为现代社会的主要媒介,其中重要的媒介是图像。随着计算机技术的发展、离散数学理论及智能自动化的发展,数字图像处理被广泛地应用于各行各业。
1701011427
1701011428 图10-4所示为数字图像处理系统。
1701011429
1701011430
1701011431
1701011432
1701011433 图10-4 数字图像处理系统
1701011434
1701011435 图像处理的诞生,使得人们生活发生重大改变,电子眼、视频监控和目标跟踪等一系列智能化产业链逐渐应用到日常生活中,给人们的生活带来便利。
1701011436
1701011437 一幅图像就是一个数组,这个数组存储着图像的像素值,最神奇的是不同的像素值对应不同的颜色,就拿我们常见的uint8类型图像数据而言,0表示黑色,255表示白色,0~255之间的数据反应不同的颜色,因此构成了我们所看到的不同的颜色图像。图像数据最重要的特点就是大数据量,采用我们的人眼来进行图像分辨,是远远不够的,采用计算机进行图像处理,让我们对外界环境认识更加全面。
1701011438
1701011439 既然图像是由很多不同的数据点构成的,采用我们的计算机进行查看,编写MATLAB程序如下:
1701011440
1701011441     clc,clear,close all         %清屏和清除变量    warning off                 %消除警告    ps=imread(‘ysw.jpg’);       %读原始图像    figure(1)                   %新建一个画图窗口    imshow(ps)                  %显示原始图像    r = ps(:,:,1);              %红色分量    g = ps(:,:,2);              %绿色分量    b = ps(:,:,3);              %蓝色分量    rgb = b-g/2-r/2;            %去除背景    imshow(rgb)                 %显示图像    bw = im2bw(rgb,0.2);        %二值化    bw = ~bw;                   %取反    bw2 = bwareaopen(bw,30);          %去除小块    imshow(bw2)                       %显示图像    %%剔除背景后的RGB图像    ps = rgb2gray(ps);                %灰度化    ps = immultiply(ps,bw2);          %去掉背景    figure(2)                         %新建一个画图窗口    imshow(ps);                       %显示图像    for i=1:size(ps,1)        for j=1:size(ps,2)            if ps(i,j)>0                ps(i,j)=ps(i,j)+20;    %区分背景,增大差值            end        end    end    imshow(ps)                                    %显示图像    background=imopen(ps,strel(‘disk’,4));        %形态学处理,开运算    figure(‘color’,[1,1,1])                       %设置图形背景为白色    surf(double(background(1:4:end,1:4:end))),zlim([0 256]);   %曲面设置    set(gca,‘Xdir’,‘reverse’);                             %设置x轴方向反向    set(gca,‘Ydir’,‘reverse’);                             %设置y轴方向反向    box on                                                 %设置边框    grid off                                               %不显示网格    set(gca,‘ZTick’,zeros(1,0),‘YTick’,zeros(1,0),‘XTick’,zeros(1,0))                                                             %不显示坐标轴刻度
1701011442
1701011443 运行程序得到的图像,如图10-5和图10-6所示。
1701011444
1701011445
1701011446
1701011447   图10-5 原始图像     图10-6 图像的三维视图   图10-6所示为图10-5的图像灰度值,图像就是由不同的灰度值排列组成,三维图形能够很清晰地反应实际图像。照相机就是由感光单元进行数据采集,按照一定的格式进行数据保存,从而形成我们看见的图像。图像处理是20世纪末,21世纪初的产物,它的诞生,使得我们的生活日益丰富,让事物本身变得更加可观,触手可得。
1701011448
1701011449
1701011450
1701011451
1701011452 我和数学有约:趣味数学及算法解析 [:1701004280]
1701011453 我和数学有约:趣味数学及算法解析 10.4 人工神经网络PK人脑
1701011454
1701011455 多少年以来,人们从医学、生物学、生理学、哲学、信息学、计算机科学、认知学和组织协同学等各个角度企图认识并解答“人脑是如何工作的?”、“人类能否制作模拟人脑的人工神经元?”。
1701011456
1701011457 在寻找这些问题答案的研究过程中,逐渐形成了一个新兴的多学科交叉技术领域,称之为“神经网络”。
1701011458
1701011459 1943年,心理学家W·Mcculloch和数理逻辑学家W·Pitts在分析和总结神经元基本特性的基础上首先提出神经元的数学模型。此模型沿用至今,并且直接影响着这一领域研究的进展。因而,他们两人可称为人工神经网络研究的先驱。
[ 上一页 ]  [ :1.70101141e+09 ]  [ 下一页 ]