琴生不等式 1. 简介 琴生不等式（Jensen's inequality）是数学中重要的不等式之一，其给出了凸组合的函数值和函数值的凸组合之间的关系。 2. 表述 以函数 f:Rn→Rf:\mathbb{R}^n \rightarrow \mathbb{R}f:Rn→R 为例： 2.1 凸凹函数 函数 fff 为凸函数，当 fff 的定义域 domf\mathrm{dom} fdomf 是凸集，且满足以下 2021-10-12 Technique Math Theory 不等式 Technique Math Theory 不等式
柯西-施瓦茨不等式 1. 简介 柯西-施瓦茨不等式（Cauchy-Schwarz inequality，简称为 CS 不等式）被认为是数学中使用最广泛的不等式之一。 2. 表述 对于一个定义在域 F\mathbb{F}F（F\mathbb{F}F 为 R\mathbb{R}R 或 C\mathbb{C}C）上的内积空间 V\mathbf{V}V 中的任意两个向量 u,v\mathbf{u}, \mathbf{v}u, 2021-10-12 Technique Math Theory 不等式 Technique Math Theory 不等式
DIP相关资料 1. 《数字图像处理》——冈萨雷斯 官方网址 这本书中涉及到的图像数据，软件教程以及相关的前置知识资料都能在上面的官方网站上找到并下载。 2021-10-09 Technique DIP Technique DIP
ArchLinux配置登录密码错误次数和锁定时间 1. 简介 在 Arch Linux 的默认配置下，用户在登录系统时如果在 15 分钟内输错密码 3 次，则会被锁定 10 分钟。对于个人电脑来说，只有 3 次输错机会有点少，因为有时候总是会突然多按或少按一个键，或者由于 Capslock 开启的缘故，导致连续几次都出错，很容易被锁定。而一旦被锁定，就要等 10 分钟，除非重启，对于个人用户来说实在太长了。 2. 配置 2.1 相邻两次登录间隔 2021-10-02 Technique Linux ArchLinux Technique Linux ArchLinux
LinuxShell下压缩与解压 1. 简介 本文主要介绍 Linux Shell 下常规压缩与解压，即独立的单个压缩包。对于分巻压缩与解压，请出门左拐至LinuxShell下分卷压缩与解压。 2. 常用压缩 & 解压 压缩包 压缩程序 压缩命令 解压命令 .gz gzip tar -czvf tar -xzvf .tgz gzip tar -czvf tar -xzvf .taz gzip tar 2021-09-29 Technique Linux Shell Technique Linux Shell
LinuxShell命令tar 1. 简介 tar 是 GNU 项目中的一个归档工具，其创建可以追溯到磁带机的年代，可谓历史悠久。虽然 tar 工具最初是用于磁带机的数据归档，但其现在也支持磁盘的数据归档，而且仍然保留着对磁带机的兼容。tar 工具一路发展过来，经过很多大佬的打磨，功能强大，现在已经是 Linux 系统上默认的数据归档工具。 需要注意的是，tar 只是一个归档工具，本身并不具有强大的压缩功能。不过可以通过给 ta 2021-09-29 Technique Linux Shell Technique Linux Shell
ArchLinux下配置字体 1. 设定 在修改 /etc/locale.gen 后，需要运行以下命令来刷新系统字体： 1sudo locale-gen 否则，运行命令比如 tmux 会报错：tmux: invalid LC_ALL, LC_CTYPE or LANG。 查看字体列表 1fc-list 建立字体缓存 12mkfontscalemkfontdir 刷新字体缓存 1fc-cache -fv 附录 参考资 2021-09-25 Technique Linux ArchLinux Technique Linux ArchLinux
Convex_Sets Study notes from Convex Optimization by Stephen Boyd, Lieven Vandenberghe. 1. Affine and convex sets 1.1 Lines and line segments \qquadSuppose x1≠x2x_1 \neq x_2x1=x2 are two points in Rn\boldsymb 2021-09-20 Technique ConvexOptimization Technique ConvexOptimization
Introduction_Of_Convex_Optimization Study notes from Convex Optimization by Stephen Boyd, Lieven Vandenberghe. 1. Mathematical optimization \qquadA mathematical optimization problem has the following form minimizef0(x)subjecttofi(x)≤b 2021-09-17 Technique ConvexOptimization Technique ConvexOptimization
DIP概述 【注】本学习笔记参考自《数字图像处理（第三版）》——（美）冈萨雷斯。 1. 引言 数字图像处理（DIP）方法的重要性源于两个主要应用领域： 改善图示信息以便人们解释（人类解释）； 为存储、传输和表示而对图像数据进行处理（机器感知）。 1.1 什么是 DIP 一幅图像可定义为一个二维函数 f(x,y)f(x,y)f(x,y)，其中 xxx 和 yyy 是空间（平面）坐标，而任何一对空间坐标 (x 2021-09-14 Technique DIP Technique DIP