基于图像梯度场的线检测霍夫变换。 1. 操作灰度图像，而不是黑白位图。 2. 霍夫变换的实现不涉及循环，运算速度快。 3. 能够检测线段的两端。

这个阶段一直在做和梯度一类算法相关的东西，索性在这儿做个汇总， 一、算法论述 梯度下降法(gradient  descent)别名最速下降法（曾经我以为这是两个不同的算法-.-）,是用来求解无约束最优化问题的一种常用算法。下面以求解线性回归为题来叙述： 设：一般的线性回归方程（拟合函数）为：（其中的值为1）    则这一组向量参数选择的好与坏就需要一个机制来评估，据此我们提出了其损失函数为(选择均方误差)： 我们现在的目的就是使得损失函数取得最小值，即目标函数为： 如果的值取到了0，意味着我们构造出了极好的拟合函数，也即选择出了最好的值，但这基本是达不到的，我们只能使得其无限的接近于0，当

共轭梯度法解稀疏矩阵，过程详细，算例参考数值分析

pyLinearRegression 具有l2-norm（Ridge回归）的线性回归的Python实现 用法 专案追踪志上的一系列网志文章 每个算法都包含在其自己的文件夹中。 依存关系 Python 3+ 麻木 matplotlib仅用于演示 免责声明 仅用于教育目的。 使用风险自负。

线性回归及梯度下降.

使用随机梯度下降法解决无约束优化问题。

求解二次规划问题的快速收敛梯度神经网络模型设计及仿真.pdf

该文档说明了一阶微分图像锐化的原理。通过阅读冈萨雷斯的数字图像处理第三版中的相关章节，总结了一阶微分图像锐化的原理。

计算遥感图像的平均梯度，光谱扭曲程度，信息熵，对图像质量进行评价

梯度幅值图像矩阵代码接缝雕刻 Matlab计算摄影 使用了9个matlab文件 seam_carving_starter.m 选择区域 雕刻 能量函数 computePaths.m backtrackMinPath.m-plotseams.m removeseams.m addseams.m 要运行代码，您需要打开并运行seam_carving_starter.m文件。 分配中使用的图像已经在代码（rocks.jpg）中。 要更改另一个图像（在images文件夹中有更多图像可用），请更改seam_carving_starter.m的第4行的代码。 该程序将要求用户通过控制台选择图片的新宽度，然后选择新高度。 如果用户选择较小的值，接缝将被删除。 用户还可以选择更大的值，然后添加接缝。 该程序还将提示用户确定他/她是要删除特定区域还是要保护其免受雕刻（仅当尺寸值小于原始尺寸时）。 如果用户对任何一个问题回答“是”，则将显示图像，并且用户将不得不选择所讨论的区域。 出现提示，要求用户等待计算。 默认情况下使用的能量函数是梯度量级（“大小”作为雕刻函数的参数）。 使用熵函数可以将该选项更改为