gaussian

    0热度

    1回答

    我正在使用numpy的random.normal例程来创建具有给定均值和标准差的高斯。 array_a = an array of len(100) gaussian = np.random.normal(loc=array_a,scale=0.1,size=len(2*array_a)) 所以我希望gaussian有一个mean=array_a和stddev=0.1和gaussian数组

    3热度

    2回答

    我正在寻找一种更快的方式来模糊图像,而不是使用GaussianBlur。 The 解决方案我在找可以是命令行解决方案,但我更喜欢Perl中的代码表示法。 实际上,我们使用Perl难懂的API模糊图像: # $image is our Perl object holding a imagemagick perl image # level is a natural number between 1

    1热度

    1回答

    下面的代码解决了一个使用高斯方法的线性系统。当我再次运行,出现错误: LoadError: InexactError() while loading In[176], in expression starting on line 4 in setindex! at array.jl:313 [inlined code] from In[176]:13 in anonymous at no

    1热度

    1回答

    我试图生成一个遵循精确高斯分布的单个数组。 np.random.normal类通过从高斯随机抽样来做到这一点,但是如何给出一些均值和西格马我如何重现和确切的高斯。所以这个数组会产生一个精确的高斯直方图,而不仅仅是一个近似的高斯,如下所示。 mu, sigma = 10, 1 s = np.random.normal(mu, sigma, 1000) fig = figure() ax =

    1热度

    2回答

    我知道许多统一的随机数发生器(RNGs)基于一些算法,物理系统等。最终,所有这些导致均匀分布的随机数。知道是否存在高斯RNG,即该算法或其他什么产生高斯随机数是有趣和重要的。更确切地说,我想说的是,我不想使用Box-Muller或Marsaglia极坐标法等变换来从统一RNG获取高斯。我感兴趣的是,如果有一些论文,算法或甚至想法来创建高斯随机数而不使用任何统一的RNG。这只是说我们假装我们不知道存

    2热度

    2回答

    简短版本: 如果我有一个MoG模型,其中有n个组件,每个组件具有单独的权重w^n。 我有一个样本。我希望计算这个样本来自MoG的概率。我可以很容易地评估个别gaussians,但我不知道如何考虑他们的权重或聚合他们的分数。 加长版: 我使用MATLAB中的一个MOG模型机器学习算法。我正在采样蒙特卡罗样式,因此需要进行重要性重新加权,这涉及评估从MoG模型中抽取特定样本的可能性。我可以轻松评估单个

    0热度

    1回答

    我有一个不均匀采样的时间序列,我想将它降频采样到20Hz。在0.05s时间窗口(20Hz)中对数据点进行分箱并对其应用算术平均值,从而得出移动平均值。数据帧是这样的: Time Right Left 1 0.000000000 18.21980 30.98789 2 0.009222031 22.15157 37.18590 3 0.022511959 25.63218 42.4923

    -3热度

    1回答

    如果我想从一个统一的分布进行采样并获得double值,我觉得我可以在java中同时使用Random.nextDouble()或Random.nextGaussian()。有人能向我解释不同之处吗?

    5热度

    1回答

    我想模糊我的iOS应用程序的整个屏幕,并且我不能使用UIBlurEffect,因为我希望能够控制模糊。所以我试图使用CIGaussianBlur,但我遇到了屏幕边缘的问题。 我走了屏幕截图,然后用CIGaussianBlur运行它通过CIFilter,转换CIImage回到UIImage,并在屏幕上方加入了新的模糊图像。 这里是我的代码: let layer = UIApplication.sha

    2热度

    1回答

    我需要帮助将高斯内核应用于我的点云以平滑云。 我想不出应该怎么写代码,我找不到任何简单的例子。 更新: 我使用的点云中图书馆(PCL): pcl::io::loadPCDFile ("/home/..../2240.pcd", *raw_cloud); Eigen::VectorXf horizontal; //Set up the Gaussian Kernel pcl::Gaussian