精华内容
下载资源
问答
  • 图像处理技术的应用及重要性调研报告
    千次阅读
    2018-11-29 19:00:08

    电子科技大学 格拉斯哥学院 2017级 甘诗语
    (一)前言
    21世纪是一个充满信息的时代,图像作为人类感知世界的视觉基础,是人类获取信息、表达信息和传递信息的重要手段。因此,如何获得准确的图像也成为了21世纪的一个重要话题。
    (二)正文
    图像处理(image processing)又称为影像处理,是用计算机对图像进行达到所需结果的技术。起源于20世纪20年代,一般为数字图像处理。图像处理技术的主要内容包括图像压缩、增强复原、匹配描述识别3个部分,常见的处理有图像数字化、图像编码、图像增强、图像复原、图像分割和图像分析等。图像处理是利用计算机对图像信息进行加工以满足人的视觉心理或者应用需求的行为。而图像作为人类感知世界的视觉基础,是人类获取信息、表达信息和传递信息的重要手段,因此,图像处理技术对于现代生活有着不可或缺的作用。
    一般而言,按照颜色和灰度的多少可以将图像分为二值图像、灰度图像、索引图像和真彩色RGB图像四种基本类型。二值图像的二维矩阵仅由0、1两个值构成,“0”代表黑色,“1”代白色,通常用于文字、线条图的扫描识别(OCR)和掩膜图像的存储。灰度图像矩阵元素的取值范围通常为[0,255]。因此其数据类型一般为8位无符号整数的(int8),这就是人们经常提到的256灰度图像。“0”表示纯黑色,“255”表示纯白色,中间的数字从小到大表示由黑到白的过渡色。索引图像的文件结构比较复杂,除了存放图像的二维矩阵外,还包括一个称之为颜色索引矩阵MAP的二维数组。RGB图像与索引图像一样都可以用来表示彩色图像。与索引图像一样,它分别用红(R)、绿(G)、蓝(B)三原色的组合来表示每个像素的颜色。但与索引图像不同的是,RGB图像每一个像素的颜色值(由RGB三原色表示)直接存放在图像矩阵中,由于每一像素的颜色需由R、G、B三个分量来表示,M、N分别表示图像的行列数,三个M x N的二维矩阵分别表示各个像素的R、G、B三个颜色分量。RGB图像的数据类型一般为8位无符号整形,通常用于表示和存放真彩色图像。
    通过取样和量化过程将一个以自然形式存在的图像变换为适合计算机处理的数字形式。图像在计算机内部被表示为一个数字矩阵。通过数字化后的图像数据往往十分巨大,因此为了便于图像的传输和储存,图像编码和压缩也十分的重要。
    以上为图像处理的基本介绍。除此之外,图像处理还具有强化图像和复原图像的能力,这一作用就显得图像处理的重要性了。因此,我认为,图像处理技术在气象监测、卫星探测、医用检查、甚至考古等方面都有着很大的价值。通过卫星拍摄得到的气象图片通常会有模糊,且图像的对比度不明显,这些图像上的不足给气象分析带来了很多困难。图像处理可以改进图像的质量,是图像对比度增加,滤去图片上不必要的因素,是气象图片更具有专一和针对性,使得气象分析更精准。同理,图像处理技术对于医学方面的检查也具有类似重要的作用。人眼的分辨率有限,且人眼容易疲劳也不能自动滤去不重要的信息,因此图像处理技术的优良特性正好可以作为人类的“眼睛”去精确的观测这个世界。
    图像处理技术的复原技术也能让我们在考古方面更进一步。如果能得到清晰明确的考古材料,人类的考古工作也会容易很多。然而出土的古典文献、绘画浮雕大多经过了岁月的风化,已经模糊不清,考古人员无法精确地获得信息。此时,图像复原技术就显示出重要的作用。图像复原常用二种方法。当不知道图像本身的性质时,可以建立退化源的数学模型,然后施行复原算法除去或减少退化源的影响。当有了关于图像本身的先验知识时,可以建立原始图像的模型,然后在观测到的退化图像中通过检测原始图像而复原图像。
    (三)结论
    图像处理技术或许不像雷达导弹技术那样,能够直接给社会带来很多收益。相对而言,图像处理技术更像是一种“软技术”、“辅助技术”。它能够将图像整理得更适合人们的视角,让信息以一种更加清晰的方式呈现在人们的面前。同时,成熟的图像处理技术势必会为其他技术的发展提供方便。

    更多相关内容
  • SPSS 多元线性回归结果重要参数解读

    千次阅读 2020-12-19 08:56:05
    R方表示模型的拟合度,越接近1越好 显著表示自变量对因变量的影响程度,小于0.05表示有显著影响,越小影响越大 VIF(容差的倒数)用于共线性诊断(变量之间的关联度):当0 若散点图呈现规律如线性或喇叭状、...

    当自变量过多时,选择步进,此方法可以自动剔除对因变量影响小的变量。

    选择共线性诊断用于判断多个变量之间是否相互关联以及关联的程度

    德宾-沃森(Durbin-Watson)DW用来检验回归分析中的残差项是否存在自相关(序列相关)现象

    “DEPENDNT”:因变量

    “ZPRED”:标准化预测值

    “ZRESID”:标准化残差

    “DRESID”:删除残差

    “ADJPRED”:调节预测值

    “SRESID”:学生化残差

    “SDRESID”:学生化删除残差

    德宾-沃森检验简称D-W检验,是目前检验自相关性最常用的方法,但它只使用于检验一阶自相关性。

    因为自相关系数ρ的值介于-1和1之间,所以 0≤DW≤4

    并且DW=O=>ρ=1  即存在正自相关性

    DW=4<=>ρ=-1 即存在负自相关性

    DW=2<=>ρ=0  即不存在(一阶)自相关性

    因此,当DW值显著的接近于O或4时,则存在自相关性,而接近于2时,则不存在(一阶)自相关性。一般来说越接近2越好,说明自变量的自相关性越不明显,模型设计的越好。

    R方表示模型的拟合度,越接近1越好

    显著性表示自变量对因变量的影响程度,小于0.05表示有显著影响,越小影响越大

    VIF(容差的倒数)用于共线性诊断(变量之间的关联度):当0

    若散点图呈现规律性如线性或喇叭状、波纹状则说明存在异方差,若存在异方差则不能选择多元线性回归,下图呈现喇叭状

    若散点聚集在对角线附近则说明残差符合正态分布

    若直方图与正态分布曲线吻合则说明残差符合正态分布

    (PS:如果样本足够大就算残差不符合正态分布,也不会影响模型的稳定性)

    展开全文
  • NPI阶段发现的重要性论述

    千次阅读 2020-12-24 07:16:55
    这里重点阐述了维修能力的建立方面,在维修分析过程中发现和反馈在新产品研发过程中起着极其重要的作用。对于一个新产品在投入量产之前,将会有几个版本的试制过程,如果能够在产品定型前期我们能够更早的发现设计...

    【摘

    要】

    通常

    npi

    项目开展过程中,分为设计、试制、测试、维修能力的建立等过程。这

    里重点阐述了维修能力的建立方面,在维修分析过程中发现和反馈在新产品研发过程中起着

    极其重要的作用。对于一个新产品在投入量产之前,将会有几个版本的试制过程,如果能够

    在产品定型前期我们能够更早的发现设计缺陷,对整个设计的改进将会提供关键机会,避免

    一些缺陷带到后面的产品中,造成一次合格率不高,返工、返修等的浪费增加,给企业和客

    户带来不利影响。

    本文中的项目过程中,

    我们在

    b2

    阶段前就发现了几个关键问题并且通过采

    取相应的措施而得到解决,

    使得我们的一次通过率在

    b2

    时就达到

    90%

    以上,

    项目因此减少了

    一个版本的试制,节省了时间,减少投入约一千万,取得了很好的效果。

    【关键词】

    npi

    维修分析

    发现和反馈

    设计改进

    流程优化

    一次通过率

    1

    关于

    npi

    项目背景分析

    我们有一个美国项目

    2013

    4

    月可行性论证结束,开始投入

    npi

    p3

    阶段即产品的原

    型设计的开始阶段。这个项目可谓是设计时间短,交货时间紧,而且是一个新的平台,成功

    了我们将获得后续的更多大单。

    不过这个项目所使用的部分关键器件供应商也处于

    npi

    阶段,

    这里面存在着巨大的风险和挑战,特别值得一提的是关键芯片

    --dfe

    芯片,它是由美国博通

    公司研发、设计、制造的,集成了同时实现

    4

    个通道

    60mhz

    90mhz

    带宽的

    lte

    信号上行、

    下行数据的处理技术,它的成功与否将决定我们这个项目的成败。这个项目引起了全公司的

    高度重视。如果设计、试制过程中能越早发现问题越好,这样调整设计会有足够的时间,而

    且对于保证高质量和高合格率的产品的按期交货将起着重要作用,项目管理者特别关注维修

    分析团队这一部分,他们安排了最精干的有丰富维修分析经验的我们几个,排除一切干扰因

    素,让我们全身心的投入到这个项目中。经过全体相关同事的共同努力,最终我们这个项目

    成功的实现了各项性能指标的要求,而且取得了杭州研发自成立以来最成功的一个项目,试

    制过程中因为各项指标在

    b2

    时大大好于预期的结果,

    一次通过率达到了

    90%

    项目决策层做

    出决定,

    这个项目减少计划中的

    b3

    版本的试生产,

    这一决定节约了研发、

    生产等环节资金约

    一千万。

    项目

    p7

    比计划也提前了一个月完成,

    得到了公司管理层的高度赞扬和肯定,

    满足了

    客户的要求,客户因此也增加了订单,其它国家也跟随下了订单,为公司取得了好的效益。

    2 npi

    阶段发现和反馈在项目中的重要性

    这里给出了一些证据来论证我们做这个项目时的一些发现和反馈在项目进行过程中的重

    要性。

    2.1

    关于关键器件之一

    dfe

    (

    digital front to end

    )器件,这个器件在开始

    b0.3

    阶段时统计约有

    26%

    的失效

    率发生,这一器件的故障现象首先是被我们发现的,因为这个器件它控制着

    4

    路上行和下行

    的信号,我们发现一旦有一个通道有任何异常情况,它就会被挂死。我们将这一发现的现象

    报告了杭州

    r&d

    团队,他们立即着手同博通公司研发团队一起在杭州实验室分析、研究(博

    通公司也很重视这一新品的开发和完善,

    专门派驻了

    3

    名精干力量驻扎在杭州)

    他们通过修

    改调整相关参数,检查链路的工作情况,展开各方面的验证工作,最后确认是器件的硬件链

    路缺陷。为了尽快解决这个问题,他们提出的解决方案是对生产的芯片增加

    ate

    (

    auto

    test

    environment

    )

    链路筛选步骤来保证供应给我们使用的器件质量。

    这一步骤使得我们的单板测

    试的一次通过率提高了百分之二十一个点

    (我们将这个问题及录入我们公司的

    gemini

    系统中,

    作为质量跟踪)

    随着我们样本数量的增加以及指标要求的收紧和提高,

    新的故障也随之暴露

    出来,

    当工序环境温度变化过程中,

    dfe

    的结温有不同的变化,

    从而导致有四种毛刺现象

    (用

    频谱分析仪

    n9020

    捕捉到的图片,如图

    1

    )呈现在后续的生产过程中。我们及时的将这一现

    象反馈报告给研发团队,并且将更换下来的芯片返回到博通公司做功能分析,在美国博通公

    司实验室里我们送寄的芯片能够在他们那里复现,于是进一步的

    ate

    筛选步骤被增加到博通

    展开全文
  • 我们推送了“多重线性回归的...(4) 残差具有方差齐;(5) 因变量为连续变量;(6) 自变量为连续变量或分类变量;(7) 自变量间不存在多重共线性;(8) 样本量应为自变量的20倍以上。同时我们也结合实际的研究数据,介...

    我们推送了“多重线性回归的SPSS详细操作步骤”,介绍了在应用多重线性回归模型之前所需要满足的8个适用条件,简单概括如下:

    (1) 自变量与因变量存在线性关系;

    (2) 残差间相互独立;

    (3) 残差服从正态分布;

    (4) 残差具有方差齐性;

    (5) 因变量为连续变量;

    (6) 自变量为连续变量或分类变量;

    (7) 自变量间不存在多重共线性;

    (8) 样本量应为自变量的20倍以上。

    同时我们也结合实际的研究数据,介绍了如何在SPSS中进行多重线性回归的操作。面对SPSS结果输出中众多的表格,很多时候会感觉一头雾水,不知所云,接下来我们将对多重线性回归的输出结果进行详细的解读。

    一、模型条件验证

    首先我们需要对上述的8个条件进行验证,来确保最终建立的回归模型有效。在上一期的内容里,我们通过观察数据结构进行了初步的判断,数据已经基本满足了条件(5) (6) (8)的要求,下面我们将对其他条件来进行一一验证。

    1. 验证各个自变量与因变量存在线性关系

    在结果输出的Charts部分,Partial Regression Plot输出了每个自变量与因变量之间形成的散点图,由散点图可以判断自变量age,weight及heart_rate与因变量VO2 max之间均呈现一定的线性关系,满足条件(1)。由于自变量gender为二分类变量,因此可以不用考察其与因变量VO2 max的线性关系。

    注意:散点图是建立多重

    展开全文
  • 实战教学--怎样提高报表呈现的性能?

    千次阅读 多人点赞 2022-05-22 19:54:59
    报表的呈现周期中,大致可以分为下图的4个环节:数据准备 > 数据传输 > 报表计算 > 报表呈现
  • 机器学习模型可解释的详尽介绍

    千次阅读 多人点赞 2019-11-26 12:22:00
    机器之心平台来源:腾讯技术工程模型可解释方面的研究,在近两年的科研会议上成为关注热点,因为大家不仅仅满足于模型的效果,更对模型效果的原因产生更多的思考,这样的思考有助于模型和特征的优化,更能够帮助更...
  • ④ 回归模型分析结果汇总表4 有序Logistic回归模型分析结果汇总 表4是模型结果分析汇总表,用于展示模型的结果,可以说是最为重要结果,包括回归系数的显著,模型R方值等。 上表格中包括因变量阈值,其值基本无...
  • Hash 函数及其重要性

    千次阅读 2014-01-16 18:36:04
    不时会爆出网站的服务器和数据库被盗取,考虑到这点,就要确保用户一些敏感数据(例如密码)的安全。今天,我们要学的是 hash 背后的基础知识,以及如何用它来保护你的 web 应用的密码。 申明 密码学是非常复杂...
  • 上一篇文章中(SPSSAU:验证因子分析如何使用?),初步介绍了验证因子分析的功能及应用场景。下面通过一个实例来具体了解一下,验证因子分析的操作步骤以及过程中需要注意的内容。1、背景当前有一份215份的研究...
  • Irwin等人收集12,600个胶体聚集化合物并建立一个基于聚集化合物结构相似和脂水分配系数来预测胶体聚集化合物的规则Aggregator Advisor,但是由于建模方法较简单,这些规则预测结果的准确受到限制。针对...
  • 怎样撰写论文中的结果和讨论

    千次阅读 2019-06-12 20:33:35
    学术论文呈现的是综合的研究数据。一篇论文通常有引言、方法、结果、讨论和结论几个部分。其中,结果和讨论部分无疑是一篇论文的核心。这两部分可以是单独的,也可以合为一个部分,各具优势。分开写可以让你专注于...
  • 怎样提高报表呈现的性能

    千次阅读 多人点赞 2022-05-17 09:29:50
    报表的性能很重要,是一个总被谈及的问题,跑的慢的报表用户体验恶劣,无法忍受。解决这些慢的性能问题,也成了项目方和工程师头疼的事情。一出状况,就得安排技术好的,能力强的工程师去救火,本来利润就薄,还得...
  • const的用法及其重要性

    万次阅读 2016-09-11 16:12:33
    同时还可以只利用引用返回函数值(如果函数可能返回多个函数,或者用户希望函数结果列表通过参数列表呈现) 5、const 成员函数 把一个成员函数声明为const可以保证其这个成员函数不修改数据成员,同时明确告诉...
  • 分布式环境Raft一致共识算法解读

    万次阅读 2018-06-03 16:16:32
    Raft是分布式环境下的一致算法,它通过少数服从多数的选举来维持集群内数据的一致。它与RBFT算法名称有点像,然而Raft算法里不能存在拜占庭节点,而RBFT则能容忍BFT节点的存在。Raft非常类似于paxos协议(参见我...
  • 从本文开始,笔者将花三到四篇文章的篇幅,介绍Paxos算法。包括它的理论基础、基本实现、变种实现,其它保证最终一致的算法,等等。
  • asdoc:Stata 结果输出又一利器!

    万次阅读 多人点赞 2018-10-29 08:20:56
    攥写论文过程中,将统计和回归结果以及其他变量输出到 word 是重要一步,如何才能既美观又不耗费大量脑细胞改改改、调调调呢? summarize、correlate、tabstat、cross-tabs、regressions、t-tests等等等等,这些...
  • 为了验证这一点,测试人员需要尝试在保存之后重新打开并查看显示,看是否跟保存之前的数据完全一致,同时努力从不同的路径访问和应用相同的输入, 验证是否能得到一致的结果。 回页首 日期输入 Checklist ...
  • 预测分析及常用预测方法

    万次阅读 2020-11-06 14:43:18
    预测分析及常用的预测方法 预测的目的 数据分析最重要的目的就是从数据中寻找规律,找到能够指导我们未来实践的原则和方法,是产生智慧的主要途径。所以预测分析是数据分析的终极目的。虽然数据分析承担了很多功能...
  • 性能测试是一个全栈工程师/架构师必会的技能之一,只有学会性能测试,才能根据得到的测试报告进行分析,找到系统性能的瓶颈所在,而这也是优化架构设计中重要的依据。本文简单讲述了性能测试以及性能测试工具Jemeter...
  • 最近在系统的学习AUTOML一些细节,本篇单纯从实现与解读的角度入手, 因为最近SHAP版本与之前的调用方式有蛮多差异,就从新版本出发,进行解读。 不会过多解读SHAP值理论部分,相关理论可参考: 关于SHAP值加速可...
  • 由此,行情数据的推送实时和交易的快捷成为考验各大券商App性能的两大核心场景。 博睿数据每月持续发布《券商App行情刷新及交易体验评测报告》,此报告不以排名为目的,重在以客观公正的技术数据量化券商App...
  • 全链路压测的一般过程是:压测目标设定和评估,压测改造,压测脚本编写部署,压测数据准备,小流量链路验证,通知上下游系统owner,压测预热,压测,压测结果评估报告,性能优化。以上过程反复迭代,直到达到压测...
  • 因果推断笔记—— 相关... 倾向评分匹配2 基于倾向评分法的因果推断2.1 因果效应估计三种方法2.2 倾向评分法的均衡检验2.3 反驳3 倾向得分案例解读一(无代码):就业与收入的影响3.1 第一步:使用倾向评分法
  • AMOS的使用之输出结果分析(4)

    万次阅读 2014-08-23 19:55:53
    解释AMOS输出结果" style="margin:0px; padding:0px; border:0px; list-style:none"> 输出的底部显示卡方值为76.10 ,自由度为6。检验整体拟合的数据模型的统计检验。这个检验统计量检验数据的总体模型拟合,...
  • SpringMVC重要接口(四)ViewResolver

    万次阅读 多人点赞 2017-11-03 09:22:09
    SpringMVC用于处理视图最重要的两个接口是ViewResolver和View。ViewResolver的主要作用是把一个逻辑上的视图名称解析为一个真 正的视图,SpringMVC中用于把View对象呈现给客户端的是View对象本身,而ViewResolver...
  • 如果变量的均值,模和中值相等,那么该变量就呈现正态分布。 如下图所示,为正态分布的概率分布曲线: 理解和估计变量的概率分布非常重要。 下面列出的变量的分布都比较接近正态分布: 人群的身高 成年人的血压 传播...
  • 作者: 刘永鑫 日期:2017-6-29 ...目的意义本系列文章将带领大家结合较新的16S扩增子相关文献,来理解宏基因组16S扩增子文章中常用图表种类、图中包括的基本信息,以及作者想表达的结果。主要内容本系列文章
  • 呈现粉红噪声的时间变化。复合信号可以分解为它们的频率分量。在粉红噪声中,低频分量比高频分量功率更大。具体而言,频率 f 处的功率与 1 / f 成正比。 临界系统通常不稳定。例如,为了使水保持部分冷冻状态,...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 130,904
精华内容 52,361
关键字:

呈现结果的重要性