liumingchun13的博客

迭代阈值分割： 迭代法是基于逼近的思想，其步骤如下：  法一：  1． 求出图象的最大灰度值和最小灰度值，分别记为ZMAX和ZMIN，令初始阈值T0=(ZMAX+ZMIN)/2；  2． 根据阈值TK将图象分割为前景和背景，分别求出两者的平均灰度值ZO和ZB  3． 求出新阈值TK+1=(ZO+ZB)/2；  4． 若TK==TK+1，则所得即为阈值；否则转2，迭代计算。  法二：

第一部分 基础语言pandax视频教程 链接: https://pan.baidu.com/s/1pLqavVX 密码: fathpython入门到精通 链接: https://pan.baidu.com/s/1mhVNIkC 密码: cvp3第二部分 数据篇链接: https://pan.baidu.com/s/1pLK25zP 密码: qtuu第三部分 机器学习部分吴恩达机器学习 链接: htt

梯度下降法是一个一阶最优化算法，通常也称为最速下降法。我之前也没有关注过这类算法。最近，听斯坦福大学的机器学习课程时，碰到了用梯度下降算法求解线性回归问题，于是看了看这类算法的思想。今天只写了一些入门级的知识。我们知道，函数的曲线如下： 编程实现：c++ code[cpp] view plain copy print?/*  * @author:郑海波  * blog.youkuaiyun.com/nuptbo