SFR 原理分析 代码
2024-04-28 15:01:52
MTF:REF
在表示相机图像解析力时，通常采用MTF50或者MTF50P。
MTF50是当MTF数值下降至最大值的50%时，对应的频率(Cycle Per Pixel)，它是一个广泛应用的锐利度衡量标准。但是它有一个重大的缺陷，就是当影像模组内部的软件对影像作锐利化时，对MTF数值有很大的影响，而其实大部分模组都会对影像作不同程度的锐利化，这就导致了MTF50已经不能够正确的反映锐利度的数值了。
由于前面所述原因，MTF50P被应用在锐利度的评价当中。MTF50P是使影像过度锐化以后再计算MTF数值，其MTF数值的最大值的50%对应的频率值。
SFR（spatial frequency response）表示空间频率响应，表示的也是相机的解像能力，在这个层面上，MTF与SFR是一样的意思。
SFR(spatial frequency response ) 主要用于测量随着空间频率的线条增加对单一影像所造成的影响。简言之SFR就是MTF的另外一种测试方法。这种测试方法在很大程度上精简了测试流程。SFR的计算目标是获得MTF曲线。SFR的计算方法和MTF虽然不同但是在结果上是一致的。
SFR不需要拍摄不同的空间频率下的线对。它只需要一个黑白的斜边（刀口）即可换算出约略相等于所有空间频率 下的MTF。
SFR是通过这条斜边的图进行超采样的到一条更加细腻的黑白变换的直线（ESF）。然后通过这条直线求导得到直线的变化率（LSF）。然后对将这个变化率进行FFT变换就能得到各个频率下的MTF的值。这里面的ESF，LSF，都是什么呢?
点扩展函数PSF(Point Spread Function)、线扩展函数LSF(Line Spread Function)和边缘扩展函数ESF(Edge Spread Function)是SFR 计算中的几个重要的概念。点扩展函数PSF是点光源成像后的亮度分布函数，如下图所示，
用PSF(X,Y)表示。点扩展函数是中心圆对称的，通常以沿x轴的亮度分布PSF(X,Y)作为成像系统的点扩展函数。
当获取点光源像的亮度分布函数PSF(X,Y)后，对其进行二维傅里叶变换即可得MTF (u，v)。因此，从理论上讲，从PSF也是获取MTF的一个方法。但是，在实际的应用中，由于地面点光源强度很弱，此方法一般较少采用。
相对于PSF来说，LSF的能量得到了一定程度的加强。
SFR计算MTF(通过斜边) 就是通过ESF来得到LSF，然后进行FFT得到MTF各个频率的值的。这几者之间的关系如下图。
https://blog.csdn.net/u011961033/article/details/103136186?utm_medium=distribute.pc_relevant.none-task-blog-BlogCommendFromMachineLearnPai2-1.nonecase&depth_1-utm_source=distribute.pc_relevant.none-task-blog-BlogCommendFromMachineLearnPai2-1.nonecase
https://blog.csdn.net/weixin_30911451/article/details/97913237
算法过程
0、获取垂直斜边的ROI
1、进行数据的归一化
2、计算图像每一行的像素矩心
3、对每行的矩心使用最小二乘法进行线性拟合，获得一条关于矩心的直线
4、重新定位ROI，获得ESF
5、对获得的ESF进行四倍超采样
6、通过差分运算获得LSF
7、对LSF应用汉明窗
8、进行DFT运算
0 获取垂直边缘的ROI：
这里水平和垂直的Edge只是为了计算图像在水平方向和垂直方向的解析力，与算法本身无关，因为水平的Edge会被进行90°旋转后作为输入，然后计算SFR的值
1、进行数据的归一化
在Sensor获得图像之后，呈现出来的图像由于要符合人眼的感觉，会对图像像素进行伽马变换，使得其变成非线性的像素数据，从而使图像的显示更加符合人眼的感受。所以，当我们要进行sensor的成像解析力分析时，要先将图像处理成没有经过伽马变换前的。
一般sensor会对raw图像进行一个2.2的gamma变换，若我们想恢复原始图像时，我们只需要进行一个1/2.2的gamma变换即可。
2、计算图像每一行的像素矩心
这一步的操作其实是为了计算出边缘的位置。具体讲来就是，我们会将图片中的每一行像素都计算具体的矩心位置。
可以看到，其实每一行像素的矩心计算出来的结果，其实就是在黑白分界线的附近。
矩心的计算公式如下：
shift[i]就是对应的第i行的矩心位置。
/*****************************************************************************/
unsigned short locate_centroids(double *farea, double *temp, double *shifts,unsigned short size_x, unsigned short size_y,double *offset) {unsigned long i, j;double dt, dt1, dt2;/* Compute the first difference on each line. Interpolate to find the centroid of the first derivatives. */for (j = 0; j < size_y; j++) {dt = 0.0;dt1 = 0.0;for (i = 0; i < size_x-1; i++) {dt2 = farea[(j*(long)size_x)+(i+1)] - farea[(j*(long)size_x)+i]; dt += dt2 * (double)i;dt1 += dt2;}shifts[j]=dt/dt1;}/* check again to be sure we aren't too close to an edge on the corners. If the black to white transition is closer than 2 pixels from either side of the data box, return an error of 5; the calling program will display an error message (the same one as if there were not a difference between the left and right sides of the box ) */if (shifts[size_y-1] < 2 || size_x - shifts[size_y-1] < 2) {fprintf(stderr,"** WARNING: Edge comes too close to the ROI corners.\n");return 5;}
//防止矩心过于靠近图像的边界if (shifts[0] < 2 || size_x - shifts[0] < 2){fprintf(stderr,"** WARNING: Edge comes too close to the ROI corners.\n");return 5;}/* Reference rows to the vertical centre of the data box */j = size_y/2;dt = shifts[j];for (i = 0; i < size_y; i++) {temp[i] = (double)i - (double)j;shifts[i] -= dt;}*offset = dt;return 0;
}
3、对每行的矩心使用最小二乘法进行线性拟合，获得一条关于矩心的直线
我们知道用的是最小二乘法就可以了。最小二乘法公式如下：
unsigned short fit(unsigned long ndata, double *x, double *y, double *b, double *a, double *R2, double *avar, double *bvar)
{unsigned long i;double t,sxoss,syoss,sx=0.0,sy=0.0,st2=0.0;double ss,sst,sigdat,chi2,siga,sigb;*b=0.0;for ( i=0; i < ndata; i++ ) {sx += x[i];//x的叠加sy += y[i];//y的叠加}//求平均值ss=(double)ndata;sxoss=sx/ss; syoss=sy/ss;for ( i=0; i < ndata; i++ ) {t = x[i] - sxoss; //st2 += t*t; //方差*b += t * y[i]; }*b /= st2; /* slope *///斜率*a =(sy-sx*(*b))/ss; /* intercept *///截距siga=sqrt((1.0+sx*sx/(ss*st2))/ss);sigb=sqrt(1.0/st2);chi2=0.0;sst=0.0;for (i=0; i < ndata; i++) {chi2 += SQR( y[i] - (*a) - (*b) * x[i]); sst += SQR( y[i] - syoss); }sigdat=sqrt(chi2/(ndata-2));siga *= sigdat;sigb *= sigdat;*R2 = 1.0 - chi2/sst;//拟合程度*avar = siga;*bvar = sigb;return 0;
}
4、重新定位ROI，获得ESF
首先，转换坐标轴，将坐标轴转换到计算出来的矩心直线上。如图所示：
/* Start image at new location, so that same row is center */center_row = *nrows/2;start_row = center_row - size_y/2;farea_old = farea;farea = farea + start_row*size_x;/* On center row how much shift to get edge centered in row. *//* offset = 0.; Original code effectively used this (no centering)*/if(user_angle)offset = *off - size_x/2;elseoffset = offset1 + 0.5 + offset2 - size_x/2; *off = offset;if(version & ROUND || version & DER3)offset += 0.125;if (err != 0) { /* Slopes are bad. But send back enoughdata, so a diagnostic image has a chance. */*pcnt2 = 2*size_x; /* Ignore derivative peak */return 4; }/* reference the temp and shifts values to the new y centre *//* Instead of using the values in shifts, synthesize new ones based on the best fit line. */col = size_y/2;for (i=0; i < size_y; i++) {shifts[i] = (*slope) * (double)(i-col) + offset;}5、对获得的ESF进行四倍超采样
然后，我们将每一行中X轴坐标相等的像素值累加起来，然后求均值后得到下面第一行的数组。
这里是将整张图片的像素转换为一个长度为rows的数组，然后进行4倍的扩增。然后其他没有像素的地方，是进行一个向前寻找非0的像素值进行替换，这样就获得了ESF。
//进行超采样，生成长度为size_x*ALPHA(4)的当行图像（ESF），保存在AveEdge中
unsigned short bin_to_regular_xgrid(unsigned short alpha,//alpha->指的是超取样的倍数double *edgex, double *Signal, double *AveEdge, long *counts,unsigned short size_x,unsigned short size_y)
{long i, j, k,bin_number;long bin_len;int nzeros;bin_len = size_x * alpha; //扩大四倍for (i=0; i<bin_len; i++) {AveEdge[i] = 0;counts[i] = 0;}for (i=0; i<(size_x*(long)size_y); i++) {bin_number = (long)floor((double)alpha*edgex[i]);//向下取整if (bin_number >= 0) {if (bin_number <= (bin_len - 1) ) {AveEdge[bin_number] = AveEdge[bin_number] + Signal[i];//把每一行的距离边缘x轴一样远的信号相加counts[bin_number] = (counts[bin_number])+1;//记录下对应位置有多少个信号相加}}}nzeros = 0;for (i=0; i<bin_len; i++) {j = 0;k = 1;//感觉写的有点复杂if (counts[i] == 0) {nzeros++; //记录有多少个位置是空的，即没有信号//K的作用：因为这里的信号为0，找到后面第一个不为零的值，赋给当前这个零if (i == 0) {while (!j) { //当j==0时，表示此处的信号为0if (counts[i+k] != 0) {//第一行的元素AveEdge[i] = AveEdge[i+k]/((double) counts[i+k]);j = 1;//充当flag。。。为啥不用布尔类型}else k++;//直到找到第一个不为零的数字才会停止}} else {while (!j && ((i-k) >= 0) ) { //j==0&&i-k>=0 j==0说明 counts[i]是0 i-k>0说明 k在i前面，找前面不为零的数值赋给AveEdge[i]if ( counts[i-k] != 0) {AveEdge[i] = AveEdge[i-k]; /* Don't divide by counts since it already happened in previous iteration */j = 1;} else k++;}if ( (i-k) < 0 ) {//k>i,其实联合上面那段，就是：此处的counts[i]累加次数为零，所以AveEdge[i]也就是0，所以要找到附近一个不为零的值赋给AveEdge[i]k = 1;while (!j) {if (counts[i+k] != 0) {AveEdge[i] = AveEdge[i+k]/((double) counts[i+k]);j = 1;} else k++;}}}} else AveEdge[i] = (AveEdge[i])/ ((double) counts[i]);//如果此处不为零，直接就求个平均值}if (nzeros > 0) {//提示信息fprintf(stderr, "\nWARNING: %d Zero counts found during projection binning.\n", nzeros);fprintf(stderr, "The edge angle may be large, or you may need more lines of data.\n\n");}return nzeros;
}
6、通过差分运算获得LSF
得到的ESF数组元素进行差分，获得LSF。一下是函数公式：
void calculate_derivative(unsigned int len, double *AveTmp, double *AveEdge,double *centroid,int separation)
{unsigned long i;double dt, dt1;dt = 0.0;dt1 = 0.0;for (i=0; i< len; i++) AveTmp[i] = AveEdge[i];for (i=1; i< len-separation; i++) {/* Not wasting time with division by 2 since constant factors don't change SFR computation */AveEdge[i] = (AveTmp[i+separation]-AveTmp[i-1]); if (separation == 1)AveEdge[i] /= 2.0;dt += AveEdge[i] * (double)i;dt1 += AveEdge[i];}*centroid = dt/dt1;AveEdge[0] = AveEdge[1];if (separation == 1) AveEdge[len-1] = AveEdge[len-2];
}
7、对LSF应用汉明窗
对上面的LSF数组进行汉明窗处理，这一步主要也是看公式，如下：
void apply_hamming_window( unsigned short alpha,unsigned int oldlen, //size_x*4unsigned short newxwidth, //size_xdouble *AveEdge, long *pcnt2)
{long i,j,k, begin, end, edge_offset;double sfrc;/* Shift the AvgEdge[i] vector to centre the lsf in the transform window */// 将Avgedge移到中心位置， 两边由于移动造成的空位由0补齐edge_offset = (*pcnt2) - (oldlen/2);//不能理解为什么一定要反着计算，pcnt2肯定是小于oldlen/2吧。。if (edge_offset != 0) { //cer=6if (edge_offset < 0 ) { //这里根据分析的话，应该edge_offset只会小于0啊。。 ↓for (i=oldlen-1; i > -edge_offset-1; i--) // [l l l l l l l max l l l l l]AveEdge[i] = (AveEdge[i+edge_offset]); // ↑ ↑ ↑for (i=0; i < -edge_offset; i++) // left center=3 rightAveEdge[i] = 0.00; /* last operation */ //offset = center-cer=-3} else { // cer=6// ↓for (i=0; i < oldlen-edge_offset; i++) // [0 0 0 l l l l l l l max l l]AveEdge[i] = (AveEdge[i+edge_offset]); // ↑ ↑ ↑for (i=oldlen-edge_offset; i < oldlen; i++) // center=3AveEdge[i] = 0.00;}}/* Multiply the LSF data by a Hamming window of width NEWXWIDTH*alpha *///将begin和end两侧的值用0填充,但是感觉没啥用begin = (oldlen/2)-(newxwidth*alpha/2);//上下看来，begin只会等于0，因为oldlen=bin_len, bin_len=size_x*alpha == newxwidth*alphaif (begin < 0) begin = 0;end = (oldlen/2)+(newxwidth*alpha/2);if (end > oldlen ) end = oldlen;for (i=0; i< begin; i++) AveEdge[i] = 0.0;for (i=end; i< oldlen; i++) AveEdge[i] = 0.0;// 给begin和end之间的数据加上汉明窗// 汉明窗 W(n,α ) = (1 -α ) - α cos(2*PI*n/(N-1)) ，（0≤n≤N-1）// 一般情况下，α取0.46// 下面计算方法等于窗发生了平移（故符号发生了变化）， 结果是一样的for (i=begin,j = -newxwidth*alpha/2; i < end; i++,j++) {sfrc = 0.54 + 0.46*cos( (M_PI*(double)j)/(newxwidth*alpha/2) );AveEdge[i] = (AveEdge[i])*sfrc; }//将lsfbegin的位置左移到index0的位置//但在代码中应该是不会起作用的，if (begin != 0) /* Shift LSF to begin at index 0 (rather than begin) */for (k=0, i=begin; k<newxwidth*alpha; i++,k++) AveEdge[k] = AveEdge[i];}
8、进行DFT运算
DFT公式表达
最后的到的SFR数组就是空间频域响应的值。
unsigned short ftwos(long number, double dx, double *lsf, long ns, double ds, double *sfr)
{double a, b, twopi, g;long i,j;// n-1 k// DFT ==> X[k] = Σ x[n]e^(-j2π - n)// n=0 Ntwopi = 2.0 * M_PI;for (j = 0; j < ns; j++){//ns=1/2*bin_len 前一半g = twopi * dx * ds * (double)j;for (i = 0, a = 0, b = 0; i < number; i++) { a += lsf[i] * cos(g * (double)(i));b += lsf[i] * sin(g * (double)(i)); }sfr[j] = sqrt(a * a + b * b); }return 0;
}
main
short sfrProc (double **freq, double **sfr, int *len,double *farea,unsigned short size_x, int *nrows,double *slope, int *numcycles, int *pcnt2, double *off, double *R2,int version, int iterate, int user_angle)
{unsigned short i, j, col, err = 0;long pcnt;double dt, dt1, sfrc, tmp, tmp2;double *temp=NULL, *shifts=NULL, *edgex=NULL, *Signal=NULL;double *AveEdge=NULL, *AveTmp=NULL;long *counts=NULL;int nzero;unsigned short size_y;unsigned int bin_len;double avar, bvar, offset1, offset2, offset;double centroid;int start_row, center_row;double *farea_old;double cyclelimit;FILE *fp = NULL;size_y = *nrows;/* Verify input selection dimensions are EVEN */if (size_x%2 != 0) { fprintf(stderr, "ROI width is not even. Does this really matter???\n");return 1;}/* At least this many cycles required. *//* For special iterative versions of the code, it can go lower */if (iterate) cyclelimit = 1.0;else cyclelimit = 5.0;/* Allocate memory */shifts = (double *)malloc(size_y*sizeof(double));temp = (double *)malloc(size_y*sizeof(double));edgex = (double *)malloc(size_y*size_x*sizeof(double));Signal = (double *)malloc(size_y*size_x*sizeof(double));if( !user_angle ) {//定位矩心位置err = locate_centroids(farea, temp, shifts, size_x, size_y, &offset1); if (err != 0) { return 2; }/* Calculate the best fit line to the centroids *//*计算矩心的拟合曲线*/err = fit(size_y, temp, shifts, slope, &offset2, R2, &avar, &bvar);if (err != 0) { return 3; }if (version)MTFPRINT4("\nLinear Fit: R2 = %.3f SE_intercept = %.2f SE_angle = %.3f\n", *R2, avar, atan(bvar)*(double)(180.0/M_PI))}/* Check slope is OK, and set size_y to be full multiple of cycles *///检查刀口斜率，以确保后面超采样的质量err = check_slope(*slope, &size_y, numcycles, cyclelimit, 1);/* Start image at new location, so that same row is center *///调整ROI的行center_row = *nrows/2;start_row = center_row - size_y/2;farea_old = farea;farea = farea + start_row*size_x;/* On center row how much shift to get edge centered in row. *//* offset = 0.; Original code effectively used this (no centering)*/if(user_angle)offset = *off - size_x/2;elseoffset = offset1 + 0.5 + offset2 - size_x/2; *off = offset;if(version & ROUND || version & DER3)offset += 0.125;if (err != 0) { /* Slopes are bad. But send back enoughdata, so a diagnostic image has a chance. */*pcnt2 = 2*size_x; /* Ignore derivative peak */return 4; }/* reference the temp and shifts values to the new y centre *//* Instead of using the values in shifts, synthesize new ones based on the best fit line. */// 基于拟合结果更新shiftscol = size_y/2;for (i=0; i < size_y; i++) {shifts[i] = (*slope) * (double)(i-col) + offset;}/* Don't normalize the data. It gets normalized during dft process *///不要对数据进行归一化，数据在DFT处理过程中会被归一化/* To normalize here, set dt = min and dt1 = max of farea data *///如果要在这里初始化，将dt设置为最小值，dt1设置为最大值dt = 0.0;dt1 = 1.0;if (version & ESFFILE)fp = fopen("esf.txt","w");/* Calculate a long paired list of x values and signal values */pcnt = 0;for (j = 0; j < size_y; j++) {for (i = 0; i < size_x; i++) {edgex[pcnt] = (double)i - shifts[j];//计算每个点到刀口的距离Signal[pcnt] = ((farea[((j*(long)size_x)+i)]) - dt)/(dt1-dt); //归一化每个点的亮度if ((version & ESFFILE) && edgex[pcnt] < size_x/2 + 3 &&edgex[pcnt] > size_x/2 - 3)fprintf(fp, "%f %f\n", edgex[pcnt], Signal[pcnt]);pcnt++;}}if (version & ESFFILE)fclose(fp);/* Allocate more memory */bin_len = (unsigned int)(ALPHA*size_x);AveEdge = (double *)malloc(bin_len*sizeof(double));AveTmp = (double *)malloc(bin_len*sizeof(double));counts = (long *)malloc(bin_len*sizeof(long));/* Project ESF data into supersampled bins *///进行超采样，生成长度为size_x*ALPHA(4)的当行图像（ESF），保存在AveEdge中nzero = bin_to_regular_xgrid((unsigned short)ALPHA, edgex, Signal, AveEdge, counts, size_x, size_y); free(counts);free(Signal);free(edgex);/* Compute LSF from ESF. Not yet centered or windowed. */// 将ESF转换为差分图LSF， 并计算LSF的矩心if ( (version&DER3) ) calculate_derivative( bin_len, AveTmp, AveEdge, ¢roid, 1);elsecalculate_derivative( bin_len, AveTmp, AveEdge, ¢roid, 0);if (iterate == 0) {/* Copy ESF to output area */for ( i=0; i<bin_len; i++ )farea_old[i] = AveTmp[i];}/* Find the peak/center of LSF *///寻找LSF的最大值locate_max_PSF( bin_len, AveEdge, &pcnt);//这里获得了最大值的中心free(shifts);free(temp);if(version)MTFPRINT3("Off center distance (1/4 pixel units): Peak %ld Centroid %.2f\n", pcnt-bin_len/2, centroid-bin_len/2)if((version & PEAK) == 0)//忽略差分后的最大值pcnt = bin_len/2; /* Ignore derivative peak */elseMTFPRINT("Shifting peak to center\n")/* Here the array length is shortened to ww_in_pixels*ALPHA,and the LSF peak is centered and Hamming windowed. *///将LSF的最大值移到中心位置，并加上汉明窗apply_hamming_window((unsigned short)ALPHA, bin_len,(unsigned short)size_x, AveEdge, &pcnt);/* From now on this is the length used. */*len = bin_len/2;if (iterate == 0) {/* Copy LSF_w to output area */for ( i=0; i<bin_len; i++ )farea_old[size_x*(int)ALPHA+i] = AveEdge[i];}tmp = 1.0;tmp2 = 1.0/((double)bin_len) ;/* Now perform the DFT on AveEdge *//* ftwos ( nx, dx, lsf(x), nf, df, sfr(f) ) *///ftwos( number, dx, *lsf, ns, ds, *sfr)(void) ftwos(bin_len, tmp, AveEdge, (long)(*len), tmp2, AveTmp); if(*freq==NULL)(*freq) = (double *)malloc((*len)*sizeof(double));if(*sfr==NULL)(*sfr) = (double *)malloc((*len)*sizeof(double));for (i=0; i<(*len); i++) {sfrc = AveTmp[i];(*freq)[i]= ((double)i/(double)size_x); //每个点对应的频率(*sfr)[i] = (double) (sfrc/AveTmp[0]); //归一化sfr}/* Free */free(AveEdge);free(AveTmp);*nrows = size_y;*pcnt2 = pcnt;return(0);
}
ref
https://blog.csdn.net/tanjiaqi2554/article/details/101826860?utm_medium=distribute.pc_relevant.none-task-blog-BlogCommendFromMachineLearnPai2-1.nonecase&depth_1-utm_source=distribute.pc_relevant.none-task-blog-BlogCommendFromMachineLearnPai2-1.nonecase
SFR 原理分析 代码相关推荐
- 【OpenGL】二十一、OpenGL 矩阵压栈与出栈 ( 不同类型矩阵变换先后顺序 | 渲染前不设置单位阵 | 压栈出栈原理分析 | 代码示例 )
文章目录 一.不同类型矩阵变换先后顺序 二.渲染前不设置单位阵 三.矩阵的压栈和出栈原理分析 四.矩阵的压栈和出栈代码示例 五.相关资源 一.不同类型矩阵变换先后顺序 对 OpenGL 中的 模型视图 ...
- （2）咚咚客户端核心设计原理分析 - 代码流程篇 （套接字建立，发送消息流程，接收消息流程）
京麦Tcp建立连接流程: ConnectTask.run() -> connection.connect()(这里面也注册了一个连接状态的一个回调类) -> tryToConnectOnT ...
- 辗转相除法求最大公约数原理分析（附代码实现）
辗转相除法求最大公约数原理分析(附代码实现) 前言 解释 原理分析 代码 结语 前言 辗转相除法用起来很简单,但是其原理却自己想不明白.于是乎看了几篇有关辗转相除法原理的分析,在这里自己写下自己的理解 ...
- 使用EasyExcel导出模板并设置级联下拉及其原理分析
一.概述 项目中有时会遇到需要导出一个Excel模板,然后在导出的Excel中填充数据,最终再调用接口批量把Excel中的数据导入到数据库当中的需求. 其中级联下拉选择,手机号校验,性别校验等都是比较 ...
- Javascript 匀速运动停止条件——逐行分析代码，让你轻松了运动的原理
原文:Javascript 匀速运动停止条件--逐行分析代码,让你轻松了运动的原理 我们先来看下之前的匀速运动的代码,修改了速度speed后会出现怎么样的一个bug.这里加了两个标杆用于测试 < ...
- 后门BROOTKIT代码学习和原理分析
周末闲来无事,想找点东西学习一下,随手翻到了之前看到的一篇关于brootkit的文章,知道它是用Bash写的一个后门程序.刚好最近在做Bash相关的工作,就想着学习一下这方面的知识,稍作整理之后就有了 ...
- Adaboost算法原理分析和实例+代码（简明易懂）
Adaboost算法原理分析和实例+代码(简明易懂) [尊重原创,转载请注明出处] http://blog.csdn.net/guyuealian/article/details/70995333 ...
- Adaboost算法原理分析和实例+代码（转载）
[尊重原创,转载请注明出处] http://blog.csdn.net/guyuealian/article/details/70995333 本人最初了解AdaBoost算法着实是花了几天时 ...
- 利用计算机语言实现ID3算法,机器学习之决策树学习-id3算法-原理分析及c语言代码实现.pdf...
机器学习之决策树学习-id3算法-原理分析及c语言代码实现.pdf 还剩 23页未读, 继续阅读 下载文档到电脑,马上远离加班熬夜! 亲,很抱歉,此页已超出免费预览范围啦! 如果喜欢就下载吧,价低环保 ...
最新文章
- Java 设计模式_代理模式（2016-08-19）
- li：hover背景色
- PowerShell通过安全组创建计算机账号
- python中导入包出现unresolved reference问题
- Python第一弹--------初步了解Python
- 销售抬头文本配置方法
- 【Python】list转str
- cxgrid按条件计算合计值
- 每天学一点flash（14） as3.0 处理xml （官方）
- boost 线程 linux,Boost Linux线程第一课
- 12-Factor与云原生
- 最强自定义PHP集成环境，系统缺失dll和vc也能正常运行
- 【SpringBoot整合缓存】-----jetcache以及j2cache篇
- 福利：推荐一个免费的抠图网站
- 三国演义人名爬取与处理
- PS:换背景天空（简单抠图）
- (线段判交的一些注意。。。)nyoj 1016-德莱联盟
- 【关于Endnotes】
- 【IoT】产品设计之结构设计：3D打印表面处理之喷油
- java计算机毕业设计歌唱比赛积分管理系统源码+mysql数据库+系统+lw文档+部署