问题标签 [gaussian]

我想在 Java 中生成一些随机整数，但这是根据一些分布规律。更详细：

• 我想为高斯分布生成一些随机整数。我发现只有生成器返回高斯分布的双倍结果。这是为什么？

• 我想在指数分布的一些限制之间生成一些随机整数？在这里，我还发现了只返回 double 的生成器。我也没有找到一种仅在两个限制之间生成一些随机指数数的方法。

你能帮助我吗？你知道可以做我想做的事的图书馆吗？我研究了 Michael Flanagan 的图书馆、colt 和 apache 的 Commons Math，但他们没有我需要的东西。

谢谢！

我正在尝试做一些图像处理，我想应用 LoG 内核。我知道公式，即：

但是我不明白如何用这个公式获得核矩阵。根据我的阅读，我有一个 nxn 矩阵，我将这个公式应用于该矩阵中的每个单元格，但首先该矩阵中的起始值应该是什么。

另外，我对拉普拉斯文件管理器有同样的问题。我知道公式，即：

而且，根据我的阅读，3 x 3 过滤器应该是矩阵：

x = [1 1 1; 1 -4 1; 1 1 1]

但是你能告诉我如何应用公式来获得矩阵，或者至少告诉我一个如何应用这个的教程。

你能告诉我如何在二维空间中对高斯基函数进行建模以获得标量输出吗？

我知道如何将其应用于标量输入，但我不明白如何将其应用于二维向量输入。我已经看到了许多让我感到困惑的变体。

如何对数组中的图形应用高斯平滑公式？

这些数组被映射到一种颜色并绘制在图表上。我想要应用高斯平滑后颜色的线性渐变..

我也想知道确切的高斯平滑公式。

我有一个具有平均 M 和协方差矩阵 V 的高维高斯。我想计算从点 p 到 M 的距离，考虑到 V（我猜它是 p 与 M 的标准差的距离？）。

换句话说，我从 M 中取一个 sigma 的椭圆，并想检查 p 是否在该椭圆内。

我在互联网上进行了很多搜索，以找到一种在内核中在我的 CUDA 设备上生成随机数的方法。这些数字必须来自高斯分布。

我发现最好的东西来自 NVIDIA 本身。这是华莱士算法，它使用均匀分布来构建高斯分布。但是他们给出的代码示例缺乏解释，我真的需要了解算法是如何进行的，尤其是在设备上。例如，他们给出：

首先，许多声明的变量甚至没有在函数中使用！而且我真的不明白第二个循环中的“8”是什么意思。我知道其他循环中的“4”与 4x4 正交矩阵块有关，对吗？谁能让我更好地了解这里发生了什么？

无论如何，有人有我可以使用的好的代码示例吗？或者有人有另一种在 CUDA 内核中生成随机高斯数的方法吗？代码示例将不胜感激。

谢谢！

到目前为止，我已经完全在空间域中实现了一个高斯模糊过滤器，利用高斯的可分离性，即沿图像的行和列应用一维高斯核。那工作得很好。

现在，仅给定空间域的 NxN 卷积矩阵的大小 N，我想在频域上实现完全相同的模糊图像。这意味着我会将图像加载到矩阵中（numpy，我正在使用 python），对其应用 FFT（然后我有 G(x,y)），然后我还必须有一个过滤器 H( u,v) 在频域中也类似于一些 2d 高斯的形状，其中心值为 1.0，然后随着离中心 I 越远，值下降到 0。然后我在频域中进行乘法（在我必须考虑对 H 进行中心偏移之前），然后应用 iFFT。

我遇到的麻烦是找到将导致相应H（u，v）的确切公式（即找到sigma，std-deviation）。从空间域中，如果给我一个掩码大小 N，我知道 std-dev sigma 可以近似为 sigma=(maskSize-1)/2/2.575，例如对于掩码大小 N=15，我得到对于 e^-(x²/2sigma²)，std-dev=2.71845，现在只考虑一维情况。

但是如何获得频域的 sigma？

有趣的是，理论上我知道如何使用 Mathematica 获得 sigma，但结果是纯粹的假的，正如我可以在这里演示的那样：

结果是 E^(-(1/2) omega^2 sigma^2) * sigma

这是假的，因为它在 E 函数的指数中将 1/sigma² 变成了 sigma²。因此，如果你画这个，你会看到标准偏差变得更小了，因为 H(u,v)-gaussian 更“薄”了。但是，它实际上在频域中应该比在空间域中宽得多！！这没有任何意义...

我正在编写一个 iPhone 应用程序，在弄清楚如何拍摄图像并将其混合成单一颜色时需要帮助。我假设我需要进行高斯混合，但不确定这是否正确或如果正确，该怎么做。

您是否有任何建议，指向示例高斯混合代码片段的指针，或者我是否朝着错误的方向前进以从图像到混合彩色图像？

看来我不能用现有的 iPhone 框架做到这一点，或者公共框架中是否有私有方法可以使这项工作更容易？

只有在使用非常大或非常小的数字时，是否有人遇到过 fmin_slsqp（或 scipy.optimize 中的其他任何内容）的问题？

我正在编写一些python代码来获取灰度图像和蒙版，生成直方图，然后将多个高斯拟合到直方图。为了开发代码，我使用了一个小示例图像，经过一些工作，代码运行良好。但是，当我首先对直方图进行归一化，生成 bin 值 <<1，或者当我对巨大的图像进行直方图，生成数十万个 bin 值时，fmin_slsqp() 开始偶尔失败。它仅在大约 5 次迭代后退出，通常只返回我给出的初始猜测的略微修改版本，并返回退出模式 8，这意味着“线搜索的正方向导数”。如果我在开始时检查 bin 计数的大小并将它们缩放到 ~100-1000 的附近，fmin_slsqp() 将照常工作。我只是在返回结果之前取消缩放。

我环顾四周，发现人们在谈论 epsilon 值，它基本上是用于逼近导数的 dx，但调整并没有帮助。除此之外，我还没有发现任何有用的东西。任何想法将不胜感激。提前致谢。

詹姆士

我试图实现一个 Matrix.class 来学习一些 Java。现在，我在使用高斯消元后应该返回矩阵的方法有一些困难，该方法将用于稍后找到矩阵的逆矩阵。
到目前为止，这是我想出的：

getArray() 函数返回矩阵的 double[][]，而 getHeight() 和 getWidth() 分别返回 inv.length 和 inv[0].length。

我按照这个维基百科页面的伪代码来实现算法。
该方法返回一个矩阵，其中第一个枢轴元素的行位于顶部，但未正确计算较低的行。

例如：

一个
0.2635522849474877 0.10001114673002853 0.442971040143471
0.2986277338922876 0.7517642579959294 0.09150190333830721
0.8913610667753092 0.8898546572478708 0.25592546060133237

INV 0.8913610667753092 0.8898546572478708 0.25592546060133237
0.26618513545092265 0.26573527978742995 0.07642644034471581
0.062426597261833985 0.06232109565941264 0.017923775508624545

我将非常感谢任何帮助，因为我找不到解决方案。我可能在某处混合了指针或错误地实现了算法。