课程笔记-三维点云处理03 ——Clustering聚类

课程笔记-三维点云处理03 ——Clustering聚类

本系列笔记是对深蓝学院所开设的课程：《三维点云处理》的笔记
课程每周更新，我也会努力将每周的知识点进行总结，并且整理成笔记发上来，欢迎各位多多交流&批评指正！！

本文主要为课程第三章的笔记！

课程链接：

三维点云处理——深蓝学院

目录

正式内容:
####################################################

Math prerequisite

聚类定义

聚类就是一种按一定特征分类的问题：

上图为五种常见的python交互算法

方法的背后有很多的数学原理
线性代数、高等数学、概率论等一些数学基础都会被用到

线性代数方面

1. 谱定理（之前课上有讲过）
   
2. 瑞丽熵
   上面两个定理都非常的重要，在谱聚类的时候会用到。

概率论方面

1. 联合概率 离散、连续都需要讨论

2. 边缘分布 marginalization
一个联合概率的 heatmap

离散的情况：

3. 条件概率
联合概率不关心另一个参数，而条件概率需要知道参数，只考虑这一条线就好了 而联合概率是一整条线的分布
条件概率并不是一个合法的分布，但是可以通过一个归一化进行分布

条件概率并不是一个合法的分布，但是可以通过一个归一化进行分布，即贝叶斯公式

进一步 贝叶斯公式可以被拓展成四种公式。

4. 图论相关知识

有向图：即两个参数是有联系的（有相关性）就可以以有向图的形式表示
如果两个事件独立，则无法用有向图表示

• 需要记住公式 p（x，z） =p（z）p（x|z） 以及右边的两节点的有向图 后续会用到