【问题标题】:Prerequisites for understanding Wavelet theory理解小波理论的先决条件
【发布时间】:2009-09-21 00:47:52
【问题描述】:

我拥有计算机科学学位,并参加了以下数学课程。

  • 微积分 I
  • 微积分二
  • 离散数学和数论
  • 线性代数
  • 概率
  • 逻辑
  • 自动机理论

为了准备学习小波,我应该参加哪些其他课程,重点是实现小波变换?

编辑:

看起来这是因为与“编程无关”而被关闭。错了!

小波变换是一种非常常见的图像处理技术,用于 H.264 和 JPEG2000。图像处理是否超出了 StackOverflow 的范围?

【问题讨论】:

  • 如果你很了解你的线性代数,那么这就是你需要知道的一切。 然而,很少有人在上完一门课后真正了解线性代数。
  • 为什么关闭?它与编程非常相关。
  • 如果它没有重新打开,请在此处尝试gamedev.net/community/forums/forum.asp?forum_id=20
  • 当然这和编程有关。这个论坛里有没有人真的为他们的专业学习过?真是太尴尬了。
  • 作为记录,您可能应该知道并理解傅里叶变换,因为小波变换是从它们派生的概念。

标签: math image-processing artificial-intelligence wavelet


【解决方案1】:

除了您已经掌握的知识外,我还推荐信号处理或一些涵盖傅里叶变换等的类似课程。除了作为小波的基础有用之外,傅立叶理论还将为您提供一种查看通常有用的数据的新方法。小波可能会成为更高级信号处理课程的一部分。

【讨论】:

  • +1 用于信号处理。了解别名和其他 SP 概念会有所帮助!
【解决方案2】:

线性代数和微积分在这方面可能对您有所帮助,但除此之外没有多大帮助。您还需要查看复分析和微分方程。

【讨论】:

  • 错误。如果您想了解小波压缩背后的数学原理,并且最重要的是量化压缩误差,则必须了解困难的奇异泛函分析主题,例如 Besov 空间和弱 L^p。
  • 旧评论,但我的答案的哪一部分是错误的?我说过,在他列出的主题中,线性代数和微积分是有用的。
【解决方案3】:

在我看来,您应该开始学习小波变换,然后找出沿途的差距。他们没有那么参与。傅里叶变换等只是作为线性代数一部分的正交基的一个示例。

【讨论】:

    【解决方案4】:

    取决于您是想了解离散小波变换还是连续小波变换。如果是离散的,那么您将需要基本的傅立叶理论、线性代数和复数论。如果是连续的,那么您将需要高级傅立叶理论和固定相近似。

    如果您想做研究,那么我建议您同时学习离散和连续。大多数人只知道其中一个细节,这严重扼杀了研究。这里有很多异花授粉的机会。

    【讨论】:

      猜你喜欢
      • 1970-01-01
      • 1970-01-01
      • 1970-01-01
      • 2011-03-07
      • 1970-01-01
      • 1970-01-01
      • 2020-02-05
      • 2011-07-14
      相关资源
      最近更新 更多