对复数数据实现归一化

这篇具有很好参考价值的文章主要介绍了对复数数据实现归一化。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

1、主要思路:
1)最大最小归一化,对模值进行
2)利用幅角转换为复数数据
实现代码

 normalized_image_list = []
    for image in croped_image_list:
        assert image.dtype == np.complex128
        
        maximum = np.abs(image).max()
        minimum = np.abs(image).min()
        magni=np.abs(image)
        magni=(magni-minimum)/(maximum-minimum)
        ang=np.angle(image)
        real=magni*np.cos(ang)
        img=magni*np.sin(ang)*1j
        normalized_image = real+img

        normalized_image_list.append(normalized_image)

测试原理代码(基于numpy)文章来源地址https://www.toymoban.com/news/detail-627000.html

import numpy as np
a=1+1j
print('np.abs(a)',np.abs(a))
magnitude=np.abs(a)
ang=np.angle(a)
print(magnitude)
print(np.cos (ang)) 
real=magnitude* np.cos( ang)
img=magnitude* np.cos( ang)
print(real)
print(img)
b=real+img*1j
print(b)
print('np.abs(b)',np.abs(b))

'''
对应的运行结果:
np.abs(a) 1.4142135623730951
1.4142135623730951
0.7071067811865476
1.0000000000000002
1.0000000000000002
(1.0000000000000002+1.0000000000000002j)
np.abs(b) 1.4142135623730954
'''

到了这里,关于对复数数据实现归一化的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • 【机器学习300问】12、为什么要进行特征归一化?

            当线性回归模型的特征量变多之后,会出现不同的特征量,然而对于那些同是数值型的特征量为什么要做归一化处理呢?         使得不同指标之间具有可比性。例如,分析一个人的身高和体重对健康的影响,如果使用米(m)和于克(kg)作为单位,那么身高特征会在

    2024年01月22日
    浏览(40)
  • matlab中数据归一化方法,矩阵归一化

    matlab中数据一行归一化 默认的map范围是[-1, 1],所以如果需要[0, 1],则按这样的格式提供参数 Data1 = mapminmax(lData, 0, 1); 矩阵归一化

    2024年02月12日
    浏览(54)
  • 【python】数据预处理:分位数归一化 Quantile Normalization + INSCODE AI创作助手测试

    这里主要了解一下 分位数归一化( Quantile Normalization, QN ) 。如无特殊说明时,本文中的 QN 作为分位数归一化的缩写。 Quantile Normalization 直接翻译是 分位数归一化,但也有翻译为分位数标准化。笔者理解是按直译叫分位数归一化,但是按数据的处理方式,应该叫分位数标准

    2024年02月17日
    浏览(57)
  • 【Pytorch基础知识】数据的归一化和反归一化

    一张正常的图,或者说是人眼习惯的图是这样的: 但是,为了 神经网络更快收敛 ,我们在深度学习网络过程中 通常需要将读取的图片转为tensor并归一化 (此处的归一化指 transforms .Normalize()操作)输入到网络中进行系列操作。 如果将转成的tensor再直接转为图片,就会变成下

    2023年04月09日
    浏览(84)
  • 不要再搞混标准化与归一化啦,数据标准化与数据归一化的区别!!

    数据的标准化是将数据按照一定的 数学规则进行转换 ,使得数据满足特定的标准,通常是使数据满足正态分布或标准差为1的标准。 标准化的常见方法包括 最小-最大标准化 和 Z-score标准化 。最小-最大标准化将数据映射到 [0,1 ]的范围内,最小-最大标准化将数据映射到0-1区间

    2024年01月21日
    浏览(56)
  • 数据归一化常见算法

    数据归一化的几种方法 Min-Max归一化是一种线性的归一化方法。该方法将数据进行一次线性变换,将数据映射到[0,1]区间。Min-Max归一化不改变数据的分布。其缺点为,过度依赖最大最小数,且容易受到离群点、异常数据的影响。其公式为: x ′ = x − M i n M a x − M i n x^prime

    2024年02月12日
    浏览(39)
  • 【代码已开源】基于Python的全切片(WSI)染色归一化工具,实现了reinhard, macenko, vahadane共三种方法

    为了应对数字病理切片受到不同中心、不同扫描设备的影响,先后有不同的研究提出了针对病理图像的染色归一化(stain normalization)方法。本仓库对三种染色归一化方式进行了封装,针对常见的病理图片处理流程实现了染色归一化工具 https://github.com/HaoyuCui/WSI_Normalizer Reinha

    2024年02月02日
    浏览(43)
  • 深度学习输入数据的归一化

    将2D点坐标映射到[-1, 1]范围的主要原因有: 消除分辨率影响 不同图像分辨率下的绝对像素坐标值会有很大差异(例如100px和1000px)。映射到[-1, 1]可以抹平这种分辨率影响,使坐标值处在统一的数值范围内。 适合网络输入 大多数基于深度学习的模型会假设输入数据处在[-1, 1]或[0,

    2024年02月09日
    浏览(36)
  • 如何在OpenCV Python中归一化图像?

    我们使用函数cv2.normalize()在OpenCV中归一化图像。此函数接受参数-  src、dst、alpha、beta、norm_type、dtype  和  mask。src  和dst是输入图像和与输入相同大小的输出图像,alpha是用于范围归一化的较低标准值,  beta  是用于范围归一化的较高标准值,norm_type是归一化类型,  dtype

    2024年02月06日
    浏览(41)
  • 数据标准化与归一化 及其区别

      数据一般都是有单位的,比如身高的单位有米、厘米等。需要对此类数值型特征进行 无量纲化处理 ,即是使不同规格的 数据转换到同一规格 。常见的无量纲化方法有 标准化 和 归一化 。 主要参考:机器学习算法:特征工程 某些算法要求样本具有0均值和1方差,即 需要

    2024年02月09日
    浏览(43)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包