关于梯度下降与逻辑回归，我在之前的文章中已经写过了公式推导，本文中将用python代码进行实现并做简单的实验 机器学习入门 — 梯度下降原理 机器学习入门 — 逻辑回归算法 案例概述 在这里我们将建立一个逻辑回归模型来预测一个学生是否被大学录取。此大学会根据两次考试的结果来决定每个申请人的录取机会。大学里有以前的申请人的历史数据，可以用它作为逻辑回归的训练集。对于每一个学生例子，有两个考试的申请人的分数和录取决定。为了做到这一点，我们将建立一个分类模型，根据考试成绩估计入学概率。 数据准备 import os path = 'data' + os.sep + 'LogiReg_data.txt

完整代码，可直接运行

在源信号和传输信道未知情况下，只利用接收天线的观测数据抽取源信号，称为盲信号分离.盲信号分离不仅是信号处理界、而且也是神经网络界的研究热点课题，在无线数据通信、雷达、图像、语音、医学以及地震信号处理等领域都具有广阔的应用前景.

解析解法和梯度下降法实现线性回归预测2014年南京房价.zip

一个简短的MATLAB代码，是关于二值图像的形态学梯度边缘检测。

采用多维梯度法求解对彩色图片的边缘进行canny检测

Canny边缘检测： 计算机如何识别边缘：即颜色变化强度大的地方，即像素变化大的地方。 1.高斯滤波：高斯滤波的就是先找到高斯滤波核然后再进行卷积    1.1高斯噪声 首先我们先说一下，什么是高斯噪声？高斯噪声就是它的概率密度函数服从高斯分布（即正态分布）的一类噪声。其在图像当中常表现为能引起较强视觉效果的孤立像素点或像素块。噪声的出现会给图像带来干扰，让图像变得不清楚。 高斯滤波就是对整幅图像进行加权平均的过程，每一个像素点的值，都由其本身和邻域内的其他像素值经过加权平均后得到。消除图像在数字化过程中产生或者混入的噪声。    1.2高斯滤波核计算 二维高斯分布： 假定中心点的坐标是（0

FR共轭梯度法，输入目标函数、初始点、精度，能够得到整个求解过程，每一步迭代的结果都能打印出来，方便初学者学习，跟教材完全对应。

关于灰度-梯度共生矩阵的经典论文，费了好大的劲收集的，拿出来和大家共享

用共轭梯度法实现求解线性方程组。 可以用来求解一般的线性方程组方程，程序清晰易懂。