igaozh的专栏

 皮尔逊相关系数又称为简单相关系数，英文名称：pearson correlation coefficient，它描述了两个定距变量间联系的紧密程度（线性关系）。样本的简单相关系数一般用R表示，计算公式为：其中N为样本量。R描述的是两个变量间线性相关强弱的程度。R的取值在-1与+1之间，若R＞0，表明两个变量是正相关，即一个变量的值越大，另一个变量的值也会越大；若R＜0，表明两个变量是负相关...

文章由两部分构成，第一部分主要讲解PCA算法的步骤，第二部分讲解PCA算法的原理。 那么首先进入第一部分                                   --PCA算法的步骤① 样本矩阵X的构成    假设待观察变量有M个，其实相当于一个数据在M维各维度上的坐标，我们的目标是在保证比较数据之间相似性不失真的前提下，将描述数据的维度尽量减小至L维（L...

卡特兰数：规定h(0)＝1，而h(1)＝1，h(2)＝2，h(3)＝5，h(4)＝14，h(5)＝42，h(6)＝132，h(7)＝429，h(8)＝1430，h(9)＝4862，h(10)＝16796，h(11)＝58786，h(12)＝208012，h(13)＝742900，h(14)＝2674440，h(15)＝9694845·····················通项公式为：...

        卷积这个东东是“信号与系统”中论述系统对输入信号的响应而提出的。因为是对模拟信号论述的，所以常常带有繁琐的算术推倒，很简单的问题的本质常常就被一大堆公式淹没了，那么卷积究竟物理意义怎么样呢？        卷积表示为y(n) = x(n)*h(n)        使用离散数列来理解卷积会更形象一点，我们把y(n)的序列表示成y(0),y(1),y(2) and so on...

转于某博客很多朋友和我一样，工科电子类专业，学了一大堆信号方面的课，什么都没学懂，背了公式考了试，然后毕业了。   先说"卷积有什么用"这个问题。(有人抢答，"卷积"是为了学习"信号与系统"这门课的后续章节而存在的。我大吼一声，把他拖出去枪毙！)   讲一个故事:   张三刚刚应聘到了一个电子产品公司做测试人员，他没有学过"信号与系统"这门课程。一天，他拿到了一个产品，开发人...

    无论是傅立叶变换还是小波变换，其实质都是一样的，既：将信号在时间域和频率域之间相互转换，从看似复杂的数据中找出一些直观的信息，再对它进行分析。由于信号往往在频域有比在时域更加简单和直观的特性，所以，大部分信号分析的工作是在频域中进行的。音乐——其实就是时/频分析的一个极好例子，乐谱就是音乐在频域的信号分布，而音乐就是将乐谱变换到时域之后的函数。从音乐到乐谱，是一次傅立叶或小波变换；从...