4牛顿法 Newton- Raphson Method 原理:将非线性方程线性化 Taylor展开/ Taylor's expansion取x0≈x,将∫(x)在x做一阶 Taylor展开:师人,在和x之间 将(x*-x0)2看成高阶小量,则有:下m只要∫∈C,每一步迭代都有f'(xk)≠0,而且Iim=测 x就是∫的根

第三章解线性方程组的直接法 Direct Method for Solving Linear Systems 求解A=万 1高斯消元法Gaussian Elimination*1 高斯消元法思首先将A化为上三角阵l*uper--triangular matrix*1路,再回代求解l* backward substitution*1

3函数的最佳逼近 Optimal Approximation 一、最佳平方逼近:即连续型Ls逼近,在‖∫,=√f,意义下,使得‖P-y2最小 偏差

一、正交多项式与最小二乘拟合Orthogonal Polynomials Least-Squares Approximation 已知x1…,xm;y…ym求一个简单易算的近

本节之所以称为讲座0因为它只是一个很简单的例子还谈不上正式入门但他具备了部分的思想 [x0,x1,x2,x3]=[90,70,100,70] 为达到压缩我们可取(x0+x1)/2(x0-x1)/2来代表x0,x1 这样[90,70]可表示为[80,10]80即平均数10是小范围波动数(可想象出一种波的形状) 90,70]--[8,10,100,70]-)85,15 可以想象80和85都是局部的平均值反映大的总体的状态是变化相对缓慢的值可以认为他们是低频部

若一物体可用颜色和大小表示,我们称颜色和大小为特征基,构成此物体特征描述空间。 大小和颜色是互不相干的2种描述,我们称其为正交。同时若这些基的能够完全表示 所有物体,我们称其为完备特征基。若特征基完备且正交,人们就可以在特定特征上对比事物 而不受其他特征上的信息干扰,但由于人们的认知形成过程,特征基并非完全正交

呵呵现在任给一函数f(x),我们怎么知道小波级数可以无限逼近这个函数呢 我们想象任给beta>0,可以将f(x)曲线按每beta长度分成很多小段,对应很多点 若我们可以用一函数g(x)来拟合这些点,那么g(x)和(x)在任意x上的误差将小于beta 若点数量为2^n个那么我们就可以分别用^(n-1)个L波和2^(n-1)个H波拟合 然后可将L波再分解,最后得到一棵树(分解的级数由你决定)

总结一下前面所讲的内容思想 任何一个事物都对应着多个描述空间(从不同角度观察),每个描述空间都由自身的特征描述基构成,若 这些特征基可以描述出S中不同事物,则称特征基在S中是完备的。若这些特征基两两之间不相关,则称 其为正交。当然完备并不要求正交,正交的好处在于每个特征基上描述的信息和其他特征基不相关

以图像来说明建立空间特征基和小波变换的关系 设有一幅图像,从不同分辨率考察。 若我们离很远来看,可能会把每64个点看作一个点,若记此时构成的描述空间为V 若走进一些,把16个点看作一个点,记此时构成的描述空间为V1 若再走进一些,把4个点看作一个点,记此时构成的描述空间为V2 若再走进一些,把1个点看作一个点,记此时构成的描述空间为V3 则可知凡是Vi空间内可以描述的图像

基于提升方法(lifting scheme)的小波变换 提升法被称为第二代小波,可见其重要性。 下面先举一个arr小波的例子。 在一序列中有相邻数据a,b我们计算出其低频1=(a+b)/2高频h=b-a 如果不引入新数据,仅对a,b更新,可写作b-=a,a+=b/2 这样我们发现其可在自身位置上完成小波变换,而且还大大简化了计算过程(在复杂的变换中更明显)