捅 要：滚动轴承故障信号是一种典型的周期性冲击信号，如何从含有强噪声的振动信号中有效地提取出冲击特征信号是轴承故障诊断的关键。基于数学形态学理论，提出了一种自适应多尺度形态梯度变换(AMMG)方法，能够在有效抑制噪声的同时很好的保留信号的细节。仿真信号和实测轴承故障信号的分析结果表明，与常用的包络解调分析和近来提出的另一种基于数学形态学的形态闭变换方法相比较，自适应多尺度形态梯度变换具有更强的噪声抑制和脉冲提取能力，并且计算简单、快速，为滚动轴承故障特征提取提供了一种有效的方法。

该文件是为可视化目的而创建的。 该文件适用于函数 z=x.^2 + y.^2，但是可以在代码中轻松更改该函数。 使用说明:: 运行代码后反复按回车，看看每次迭代的效果。

x0=[1;1];%初始点 xk=x0; g0=zeros(2,1); g1=zeros(2,1); g2=zeros(2,1); d0=zeros(2,1); d1=zeros(2,1); syms x1 syms x2 xk1=xk; % 计算xk点的梯度及梯度值 fun=fun(x1,x2); fx1=diff(fun,'x1'); fx2=diff(fun,'x2'); fun=inline(fun); fx1=inline(fx1); fx2=inline(fx2); funval=feval(fun,xk1(1),xk1(2)); gradx1=feval(fx1,xk1(1),xk1(2)); gradx2=feval(fx2,xk1(1),xk1(2)); % 计算搜索方向d0 d0(1)=-gradx1; d0(2)=-gradx2; g0(1)=gradx1; g0(2)=gradx2; % 沿搜索方向d0进行一维搜索

共轭梯度法，最速下降法，共轭方向法与众多优化方法的直观理解。华南理工大学---最优化

最优化算法之共轭梯度算法求解非线性规划问题，代码运行稳定

此功能将 1D 或 3D LUT 应用于图像数据以进行颜色梯度校准。 可以在此处找到 LUT 的详细描述： http://www.lightillusion.com/luts.html 语法：[img_lut] = imlut（img，lut，kind，order） 输入： img - 应用 lut 的图像，格式为 double， uint8 或 uint16 lut - 颜色查找表（1D 或 3D） kind - 字符串 '1D' 或 '3D' 指定是使用 1D LUT 还是 3D LUT order - LUT 条目的顺序。 我们区分“标准”（默认）和“逆”顺序。 例子： 标准顺序 逆顺序RGBRGB 0 0 0 0 0 0 1 0 0 0 0 1 2 0 0 0 0 2 0 1 0 0 1 0 1 1 0 0 1 1 2 1 0 0 1 2 0 2 0 0 2 0 …… 2 2

C++/Opencv实现的FFD形变+梯度下降法图像配准算法

绍了一套用于肺呼吸过程电阻抗实时成像的16电极EIT系统，描述了该系统的软硬件设计、系统性能测试及利用共轭梯度算法进行成像试验。在盛有盐水的实验水槽上进行了有机玻璃棒的动态成像实验，结果表明该系统能够对动态目标进行准确识别。采集志愿者呼吸过程的数据，并对肺呼吸图像重建中胸腔模型对成像质量的影响进行了对比试验，最终获得了清晰的肺部呼吸过程的图像，为深入开展肺功能评价研究及呼吸过程的床旁监护等需求奠定了可靠有效的硬件基础。

编写了 Matlab 代码以使用 Lo 梯度最小化技术成功去除雨水。 怎么跑？？ 1.解压并把文件夹“Rain Pixel”放在Matlab的路径下2. 运行 Rain_Removal_GUI.m 3. 从“Bangalore Rain”文件夹中选择一张图片。 接下来，单击“删除雨水”按钮并观察结果。 4.接下来运行Verify.m以使用HOG+SVM方法验证所提出的技术代码基于我的论文： https : //www.researchgate.net/profile/Manu_Bn2/publication/295235499_Rain_Removal_From_Still_Images_Using_L0_Gradient_Minimization_Technique/links/56c847aa08ae96cdd06acb6f PPT下载链接： https : //www.resear

Python数据分析与机器学习-Python实现逻辑回归与梯度下降策略