自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+
  • 博客(10)
  • 收藏
  • 关注

原创 PS色阶调整

现在我们把前两点结合起来看:选择了绿色通道。将阴影滑块向右移动 →减少了图像阴影部分的绿色。在一个区域,如果绿色减少了,那么根据互补色原理,它的相反色洋红就相对增强了。因为这个操作主要针对的是图像的阴影(暗部)区域,所以这些暗部区域就会呈现出偏洋红色的效果。一边是绿色,另一边是它的互补色洋红。从绿色这边拿掉了一些“重量”(减少绿色),天平就自然会向洋红那边倾斜(洋红显现)。

2025-08-21 14:34:52 401

原创 PS色相/饱和度调节问题

在黄色被选中的情况下,滑块左侧紧挨着的颜色是绿色(在默认的色相条上,黄色的左边是绿色和青色,右边是红色和品红)。当你向左移动滑块(朝向蓝色),你实际上是命令Photoshop:“把画面中所有的黄色,都替换成色相环上在它逆时针方向的那个颜色”,而这个颜色正好是绿色。但是,如果你想让它变成标准的绿色(120°),你需要逆时针移动 -120° (60° - 120° = -60°,但因为色相环是循环的,-60°等价于300°,即品红色,这不对)。所以,下次使用时,请忘记滑块两端的颜色标签,记住你是在旋转色相环。

2025-08-21 12:48:41 651

原创 论文中格式问题--如何使得表格中文字垂直居中

2.进入后选择【单元格】,选择【垂直对齐方式】,选【居中】,点击确定。1.选中表格中文字,单击鼠标右键,选择【表格属性】

2024-01-12 14:45:47 818

原创 论文中格式问题-----如何让word段落中的公式和文字水平对齐

2.选中想要对齐的段落,打开菜单栏中的段落设置,将鼠标光标移至包含公式的段落,右键单击,选择“段落”选项,弹出“段落选项框”。3.在打开的窗体中,切换到“中文版式”页,找到“文本对齐方式”项(位于该页最下方),选择对齐方式为“居中”。1.当段落中的公式和文字出现对齐不准确的情况时,我们可以通过以下步骤进行调整。通过以上步骤,我们成功调整了公式和文字的对齐方式,确保了文档的排版整洁。4.设置完成后,点击“确定”按钮。

2024-01-12 11:02:59 1720

原创 半正定对称矩阵(相关知识)

半正定对称矩阵的SVD分解后,左右奇异向量是相同的。这是因为半正定对称矩阵的特征向量是正交的,并且它的奇异值都是非负数,因此在SVD分解中的左、右奇异向量相同,即U=V。半正定对称矩阵的特征向量的2范数一定是1。因为对于半正定对称矩阵A,它的特征值一定非负,且特征向量间两两正交,因此每个特征向量的2范数都是1。

2023-05-25 10:48:40 1370 1

原创 协同聚类(Collaborative Clustering)

协同聚类(Collaborative Clustering)是一种集成学习方法,它结合了聚类和分类的概念,旨在同时进行聚类和分类任务。它通过将数据样本分配到不同的簇(clusters)中,并在每个簇中执行分类任务,从而实现聚类和分类的协同工作。然后,在每个簇中,针对该簇的样本执行分类步骤,即在簇内进行分类任务。对于回归问题,你可以选择其他方法,如线性回归、决策树回归、支持向量回归等,这些方法专门用于预测连续值。回归问题涉及预测连续值的任务,而协同聚类更适用于分类和聚类任务,它主要处理离散的类别或簇。

2023-05-23 14:25:55 929 1

原创 nystrom期望误差

2023-05-19 14:42:51 226 1

原创 对于任意给定的列向量 x 和 y,它们的外积 xy^T 所构成的矩阵 Frobenius 范数等于 x 和 y 分别的二范数相乘

2023-05-17 20:31:45 213 1

原创 矩阵相关--正交基,半正定矩阵(F范数等于迹)

2023-05-16 16:27:25 618 1

原创 Day1,记录核近似方法nystrom

简单来说,它表明通过使用Nystrom方法求得的低秩逼近矩阵A_k∼可以很好地近似原始矩阵A,并且误差期望受到了一个与n/k有关的乘法因子的界限控制。此外,该不等式仅适用于对称正定核矩阵,对于其他类型的矩阵,可能需要采用其他技术来进行低秩逼近。其中一个小矩阵是通过随机选择原始矩阵的一部分列而得到的,另一个小矩阵则由完整矩阵对应的行和列组成。低秩逼近矩阵指的是对于任何给定的矩阵A,找到一个秩不超过r(r < rank(A))的矩阵B,使得||A-B||较小。- n是A的大小,k是低秩逼近矩阵A_k∼的秩。

2023-05-16 10:02:51 1703 1

空空如也

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

提示
确定要删除当前文章?
取消 删除