平滑算法
❶ 图像平滑算法的几种方法比较
你可以去下载一下CxImage的Demo，里面有关于几种平滑算法的例子，可以很直观的看出来，也可以去看他的源代码里面的具体算法
地址如下：
http://www.codeproject.com/KB/graphics/cximage.aspx
❷ 如何在ggplot2中使用spline平滑算法
smooth.spline2 <- function(formula, data, ...) {
mat <- model.frame(formula, data)
smooth.spline(mat[, 2], mat[, 1])
}
predictdf.smooth.spline <- function(model, xseq, se, level) {
pred <- predict(model, xseq)
data.frame(x = xseq, y = pred$y)
}
qplot(mpg, wt, data = mtcars) + geom_smooth(method = "smooth.spline2", se= F)
spline是很好的连接点之后将其平滑的算法，但是ggplot中不能直接用，这里提供了一个子函数，可以使用spline让曲线平滑，非常好用。
❸ 中值滤波和均匀平滑在去图像噪声上各有什么特点
中值滤波是一种非线性滤波，能很好的去除椒盐噪声；均匀平滑滤波是线性的，滤波后的图像变模糊。这是我用matlab实现的，看图就更容易理解了。
❹ 数据平滑是数据挖掘的方法吗如果是他是数据挖掘10大算法中的哪一种
数据平滑是数据预处理方法，主要是通过分箱进行处理，可以用均值平滑，中间值平滑，也算数据挖掘中的一项工作，不属于10大算法之列。
❺ lmd算法平滑半径怎么设置
画笔半径是在画笔预设里面修改的 要有深度的变化是靠你下笔的轻重控制的 靠感觉而不是靠工具调
❻ 自然语言处理中 平滑方法的基本思想为什么是“使概率分布趋于平均”
概率分布实际上是不应该趋于平均的，因为趋于平均，显然不符合客观事实，这只是加1平滑、Good-Turing等平滑方法的假设，Jelinek-Mercer平滑就是一个组合估计平滑模型，这样的模型就考虑到了所有未出现过的n-gram的概率应该不平均的问题，利用稀疏问题更小的低阶的n-gram概率估计调整高阶的n-gram概率估计。
❼ 图像平滑的实现算法谁会呀C语言或者matlab都行。。。
这个还是去程序员联合开发网找找吧
❽ 如何进行图像进行直方图平滑处理，请描述具体的算法过程
width=dlg.m_width;
delta=dlg.m_delta;
sqdelta=delta*delta;
for(i=0;i<256;i++)
{
coef=1.0;
for(j=1;j<width;j++)
{
weight=(float)exp(-0.5*j*j*sqdelta);
if((i+j)<256)
{
coef+=weight;
m_Dib.probability[i]+=(prob[i+j]*weight);
}
if((i-j)>=0)
{
coef+=weight;
m_Dib.probability[i]+=(prob[i-j]*weight);
}
}
m_Dib.probability[i]/=coef;
}
sum=0;
for(i=0;i<256;i++)
sum+=m_Dib.probability[i];
for(i=0;i<256;i++)
m_Dib.probability[i]=(float)(m_Dib.probability[i]/sum);
❾ 平滑移动算法或函数
三角函数。朝由原点向(x1,y1)移动，每移动一段距离s,在x和y轴上的投影距离分别x1*s/sqrt(x1*x1+y1*y1)，y1*s/sqrt(x1*x1+y1*y1)
❿ 数字信号测量中的平滑算法怎么算
其实最简单的平滑算法就是对之前的数据求一个平均值，即
y(t) = (y(t-n)+y(t-n+1)+...+y(t))/(n+1)
其实，这么做的理由很简单，这相当于是一个n+1阶的FIR滤波器，然后每个系数都是1/(n+1)。
说白了，就是一个低通滤波器，因此可以起到抑制毛刺等高频信号的结果。
其实，我个人认为，如果你好好设计一个FIR滤波器，然后按照那个系数来进行调整，比这种方法去掉毛刺的效果好得多，你可以利用matlab的工具fdatool，有不懂可以继续追问。