文件包含了水平条纹噪声，和点噪声，运用二维傅里叶变换通过matlab编程实现对噪声的去除。

傅里叶级数,超级详细教程，新手入门即可懂。

1、贝叶斯分类器 2、正态分布决策理论 3、关于分类的错误率分析 4、最小风险Bayes分类器 5、Bayes分类器算法和例题 6、聂曼－皮尔逊判别准则 8、7、最大最小判别准则 9、决策树 10、序贯分类

基于PROSPECT+SAIL植被辐射传输模型,通过控制不同的植被生化变量、地表参数和土壤光谱参数建立光谱数据集,定量地分析了归一化植被指数(NDVI)、比值植被指数(SR)、土壤调节植被指数(SAVI)等10种常用的植被指数(VIs)对叶面积指数(LAI)的响应。利用敏感性函数定量地筛选出具有较强适用性的转换型土壤调节植被指数(TSAVI)。在此基础上,分别建立了TSAVI及常用植被指数NDVI反演LAI的模型。以张掖市南部地区的TM影像为数据源,进行了LAI的反演,并利用黑河生态水文遥感试验获得的中游

比特币价格预测 预测价格变化的“潜在源模型的贝叶斯回归”方法的实现。 您可以在了解有关该方法的更多信息。 要求 3.5 3.2 安装 确保已安装所有要求并为此项目（可选）。 然后按照安装说明进行操作： $ git clone https://github.com/stavros0/bitcoin-price-prediction.git $ cd bitcoin-price-prediction $ pip install -e . 用法 使用okcoin.py脚本每隔十秒钟从收集市场数据。 请记住，您至少需要721个数据点，以便 。 $ python okcoin.py 有关如何使用模块的信息，请参见 。 仅用于修补和实验，因此不会在屏幕上显示任何内容。 也就是说，您应该修改我的脚本或改为编写自己的脚本。 无论如何，您都必须使用Python。 执照 该项目根据MIT许可条款获得许可。 有关更多信息，请参见。

常见机器学习任务的演练-通过使用python和scikit-learn构建Naive Bayes垃圾邮件分类器

提出一种新的数字散斑照相计量方法, 该方法将CCD和计算机相结合, 在自然光照明下对被测量物体照相, 通过一种快捷的图像处理技术, 直接提取出物体变形信息。 突破传统光测的激光照明及傅里叶变换模式, 实现光测量技术真正自动化。

傅里叶分析不仅仅是一个数学工具，更是一种可以彻底颠覆一个人以前世界观的思维模式。但不幸的是，傅里叶分析的公式看起来太复杂了，所以很多大一新生上来就懵圈并从此对它深恶痛绝。老实说，这么有意思的东西居然成了大学里的杀手课程，不得不归咎于编教材的人实在是太严肃了。（您把教材写得好玩一点会死吗？会死吗？）所以我一直想写一个有意思的文章来解释傅里叶分析，有可能的话高中生都能看懂的那种。所以，不管读到这里的您从事何种工作，我保证您都能看懂，并且一定将体会到通过傅里叶分析看到世界另一个样子时的快感。至于对于已经有一定基础的朋友，也希望不要看到会的地方就急忙往后翻，仔细读一定会有新的发现。

属性是实体的重要组成部分，因此实体属性的获取是知识图谱构建 的关键步骤。由哈尔滨工业大学社会计算与信息检索研究中心推出的开放 域中文知识图谱《大词林》是通过从文本中自动挖掘实体及实体间的关系 而构建而成，因此为《大词林》中缺少属性的实体添加属性也成为必须研 究的问题之一。本文提出了一种解决方案：基于贝叶斯网络的概率统计模 型，通过上位词概念与属性之间的依赖关系和实体与上位词概念的依赖关 系来自动的为《大词林》中没有属性的实体添加属性，并与相似度计算方 法对比证明了其有效性，可大规模提高《大词林》的属性覆盖率。

本书基于PyMC语言以及一系列常用的Python数据分析框架，如NumPy、SciPy和Matplotlib，通过概率编程的方式，讲解了贝叶斯推断的原理和实现方法。该方法常常可以在避免引入大量数学分析的前提下，有效地解决问题。书中使用的案例往往是工作中遇到的实际问题，有趣并且实用。作者的阐述也尽量避免冗长的数学分析，而让读者可以动手解决一个个的具体问题。通过对本书的学习，读者可以对贝叶斯思维、概率编程有较为深入的了解，为将来从事机器学习、数据分析相关的工作打下基础。本书适用于机器学习、贝叶斯推断、概率编程等相关领域的从业者和爱好者，也适合普通开发人员了解贝叶斯统计而使用。