gaussian

-2热度

1回答

我已经创建了一个函数，它返回您放置的最小值和最大值之间的高斯数。随机子函数给出0和1之间的高斯数，通常为0.5。我想知道是否有任何方式的数量趋于0。如果它是半高斯贝尔 function gaussianNumber(min, max, strength) { function random(){ var rand = 0; for (var i = 0; i < stren

1热度

2回答

将高斯函数拟合到测量的峰值

我有一个小的谱峰值，并且我正在试图拟合一个高斯函数。我在网上搜索了一个例子，并将代码与我所做的代码混合在一起。 wveleng=[ 639.188 639.454 639.719 639.985 640.25 640.516 640.781 641.046 641.312 641.577] counts=[ 778. 1613.8 12977.4 32990. 33165.2

1热度

1回答

在Matlab中不使用梯度（）计算高斯（dx，dy）的一阶导数

我发起我的高斯为fspecial('gaussian', 4, 1)，我知道gradient()是获得一阶导数的非常方便的方法。有没有反正我可以计算一阶导数而不使用gradient()？我使用它用于创建Harris角点检测器，如图所示如教科书中的第一个步骤：计算图像Ix和Iy的水平和垂直衍生物通过用高斯的衍生物卷积的原始图像

-1热度

1回答

[matlab]使用协方差矩阵创建随机高斯变量

[（Workspace）] [1]我使用协方差矩阵创建随机变量。我想要生成300个随机二维特征数据（长度为&权重）的每个物种ω1（鲑鱼）和ω2（低音）。鲑鱼（ω1）：平均值：65厘米，22千克协方差：[20 0.1;海鲈鱼（ω2）：平均值：80厘米，31公斤协方差：[40 5; 5 50] 我创建样本后，我再次计算协方差矩阵只是为了检查。但是我发现它完全错误的原始协方差矩阵。有人可以帮我吗？附加是

0热度

1回答

哈利斯拉普拉斯兴趣点检测器中的高斯拉普拉斯

在哈里斯拉普利兴趣点检测器中，我们在检测到的兴趣点处发现LoG值，然后在比例值上查找局部极值以检测比例不变点。在论文“基于尺度不变兴趣点的索引”中，写出高斯拉普拉斯为|（s^2）*（Lxx（x，s）+ Lyy（x，s））|。但是，当在matlab中执行代码时，当我没有获取LoG的绝对值时获得输出点，但是当我获取其绝对值时，我没有得到任何输出。任何人都可以说是什么问题？代码： LoG = (s

0热度

1回答

当我产生噪音张我得到这个错误：AttributeError的：“张量”对象有没有属性“_keras_history”

这行： z = random_normal(shape = (-1, 8, 8, 256), mean = 0.0, stddev = 1.0, dtype = None, seed = None) 给出了错误： AttributeError: 'Tensor' object has no attribute '_keras_history'. 有任何人任何我怎么能解决它

2热度

1回答

限制高斯适合在我的本科论文的框架curve_fit

，我需要用Python来评估我的数据。不幸的是，我的同学还没有适合的脚本，而且我对编程还很陌生。我有这样的数据集，我试图通过使用scipy.optimize.curve_fit高斯，以适应它。由于有很多不可用的计数，特别是在轴末端，我想限制要安装的部分。图片raw data 这是我到目前为止有： import numpy as np import matplotlib.pyplot as p

-1热度

1回答

高斯拟合直方图是平的

我创建了一个python脚本，它绘制文件中的一行数据，然后用高斯曲线拟合它。红色的步骤直方图是一组数据，其平均值我想与实际数据值进行比较，这是一条蓝色的虚线。高斯拟合在图的底部几乎不可见，它是一条绿色虚线。由于所计算的均值和西格玛是正确的，我无法找出为什么拟合是平的而不是曲线。他们是图表的标题。我的源代码 from scipy.stats import norm import scip

-1热度

1回答

拟合高斯数据用Matlab

我要产生像下面一个图（在本文中）我认为这是使用histfit 但是做，histfit doesen't真使用我的数据。酒吧超过曲线。我的数据并不是真正的正态分布，但我希望除了一些异常值外，所有的仓都在曲线内。有没有什么方法可以拟合高斯曲线并在上图中绘制它？编辑这是histfit(data)给我要适应高斯给它，并保持一定值ouliers。基于假设数据是正态分布的，我只需要使用正态分布，因为它

0热度

1回答

Python - 剪切数据以适合配置文件

我有几组数据，我试图适合不同的配置文件。在其中一个最小值的中心有污染，可以防止我做得很好，正如您可以在此图像中看到的那样：如何在我的数据底部夹取这些尖峰，并考虑到秒杀并不总是在同一个位置？或者你将如何处理这样的数据？我使用lmfit来拟合轮廓，在这种情况下是洛伦兹和高斯。这里就是我与初始值起到更紧密地拟合数据的最小工作示例： import numpy as np import matplotl