EM@旋转变换

2023-10-07 06:52
文章标签 em 旋转变换

本文主要是介绍EM@旋转变换,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

文章目录

    • abstract
    • 旋转对称图形
    • 旋转变换分解
    • 坐标旋转变换

abstract

  • 旋转对称相关内容

旋转对称图形

  • 一般地,如果一个平面图形绕定点旋转 θ \theta θ角后与旋转前图形自身重合,则这个图形称为" θ \theta θ角旋转对称图形"
  • 例如
    • 任意正三角形是 1 3 × 2 π \frac{1}{3}\times{2\pi} 31×2π角的旋转对称图形
    • 任意一个正方形都是 π 2 \frac{\pi}{2} 2π角的旋转对称图形;
  • 一般地,任意正 n n n边形是 1 n × 2 π \frac{1}{n}\times 2\pi n1×2π角的旋转对称图形
    • 可以从正 n n n边形的中心向各个顶点连线,可以观察到 n n n条线将 2 π 2\pi 2π角均分为 n n n份,因此旋转 k × 2 π 2 k\times{\frac{2\pi}{2}} k×22π, ( k ∈ Z ) (k\in\mathbb{Z}) (kZ)后图形上的顶点和旋转前的重合,整个正 n n n边形图形也就重合

旋转变换分解

  • 设直线 l 1 , l 2 l_1,l_2 l1,l2相较于 O O O,夹角 < l 1 , l 2 > = θ <l_1,l_2>=\theta <l1,l2>=θ则关于 l 1 , l 2 l_1,l_2 l1,l2连续作轴对称变换,等效于绕点 O O O 2 θ 2\theta 2θ角的一个旋转变换
  • 即,任意旋转变换都可以分解为两个轴对称变换的乘积
  • 证明:
    • 从几何上容易证明,设 P P P关于 l 1 l_1 l1的对称点为 Q Q Q, Q Q Q关于 l 2 l_2 l2的对称点为 R R R;记 < l 1 , l 2 > = θ <l_1,l_2>=\theta <l1,l2>=θ
    • 情况1: Q Q Q落在 θ \theta θ内部,令 ∠ l 1 O Q = x \angle{l_1OQ}=x l1OQ=x, ∠ Q O l 2 = y \angle{QOl_2}=y QOl2=y,则 θ = x + y \theta=x+y θ=x+y
      • ∠ P O R \angle{POR} POR= 2 x + 2 y 2x+2y 2x+2y= 2 ( x + y ) 2(x+y) 2(x+y)= 2 θ 2\theta 2θ
    • 情况2: Q Q Q落在 θ \theta θ外,也可得到相同结论

  • 例如: α , π 2 + α \alpha,\frac{\pi}{2}+\alpha α,2π+α的旋转变换分解为二次对称变换
    • α + π 2 \alpha+\frac{\pi}{2} α+2π可通过 α \alpha α关于 y = x y=x y=x对称,再关于 y y y轴对称得到
    • α \alpha α角终边上的点 P ( cos ⁡ α , sin ⁡ α ) P(\cos{\alpha},\sin\alpha) P(cosα,sinα)关于 y = x y=x y=x对称得到点 Q ( sin ⁡ α , cos ⁡ α ) Q(\sin\alpha,\cos\alpha) Q(sinα,cosα), Q Q Q关于 y y y轴对称得到 R ( − sin ⁡ α , cos ⁡ α ) R(-\sin\alpha,\cos\alpha) R(sinα,cosα), R R R α + π 2 \alpha+\frac{\pi}{2} α+2π的终边上,从而 R ( cos ⁡ ( α + π 2 ) , sin ⁡ ( α + π 2 ) ) R(\cos(\alpha+\frac{\pi}{2}),\sin(\alpha+\frac{\pi}{2})) R(cos(α+2π),sin(α+2π))
    • 所以:
      • cos ⁡ ( α + π 2 ) \cos(\alpha+\frac{\pi}{2}) cos(α+2π)= − sin ⁡ α -\sin\alpha sinα
      • sin ⁡ ( α + π 2 ) \sin(\alpha+\frac{\pi}{2}) sin(α+2π)= cos ⁡ α \cos{\alpha} cosα;

坐标旋转变换

  • 一般地,平面上任意点 P ( a , b ) P(a,b) P(a,b)绕原点 O O O旋转 π 2 \frac{\pi}{2} 2π后到达点 R R R,设点 R R R地坐标为 ( x , y ) (x,y) (x,y),则由上述关系: x = − b x=-b x=b; y = a y=a y=a

  • 如果点 P ( x , y ) P(x,y) P(x,y)与原点的距离保持不变绕原点旋转 θ \theta θ角到 P ′ ( x ′ , y ′ ) P'(x',y') P(x,y),则 x = r cos ⁡ α x=r\cos\alpha x=rcosα; y = r sin ⁡ α y=r\sin\alpha y=rsinα

    • x ′ x' x= r cos ⁡ ( α + θ ) r\cos(\alpha+\theta) rcos(α+θ)= x cos ⁡ θ − y sin ⁡ θ x\cos\theta-y\sin\theta xcosθysinθ

    • y ′ y' y= r sin ⁡ ( α + θ ) r\sin(\alpha+\theta) rsin(α+θ)= x sin ⁡ θ + y cos ⁡ θ x\sin\theta+y\cos\theta xsinθ+ycosθ

这篇关于EM@旋转变换的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/156786

相关文章

高斯混合模型(GMM)的EM算法实现

在 聚类算法K-Means, K-Medoids, GMM, Spectral clustering,Ncut一文中我们给出了GMM算法的基本模型与似然函数,在EM算法原理中对EM算法的实现与收敛性证明进行了详细说明。本文主要针对如何用EM算法在混合高斯模型下进行聚类进行代码上的分析说明。 GMM模型: 每个 GMM 由 K 个 Gaussian 分布组成,每个 Gaussian 称为一个“C

前端面试:title与h1的区别、b与strong的区别、i与em的区别?

在前端开发中,理解 HTML 标签的区别和语义非常重要,以便更好地组织内容和优化搜索引擎优化(SEO)。以下是 title 与 h1、b 与 strong、i 与 em 的区别: 1. title 与 h1 title: 位置:位于 <head> 标签中。目的:定义文档的标题,通常在浏览器标签页显示,搜索引擎结果页面中也使用该标题。语义:表示文档的主题。示例: <head>  <title

【机器人学】7-3.六自由度机器人自干涉检测-圆柱体的旋转变换【附MATLAB代码】

前言         上一章确定了机械臂等效的圆柱体的上下圆心坐标,这篇文章将解决算法三个核心中的第二个核心:                 一  根据机械臂的几何数据以及DH参数,确定机械臂等效的圆柱体的上下圆心坐标。                 二  将一个圆柱体旋转到与坐标Z轴对齐,另一个圆柱体转到,上下圆在XoY平面的

POJ 2993Emag eht htiw Em Pleh(模拟)

题目地址:http://poj.org/problem?id=2993 这个题以前做过一遍。。当时居然没写博客。。这题其实也算不上模拟吧,我只是用了几套公式。。 #include <stdio.h>#include <string.h>char map[50][50];int main(){char s1[200], s2[200];int i, j, len1, len2, x,

B,strong,I,em的区别

很多网页编写者不明白b和strong以及i和em具体含义,写文章的时候只是用网站后台的编辑器排版文章,需要加粗的时候点击编辑器上面的B按钮就行了。因为两者所达到的效果一样,所以人们就没有太在意这两个到底有什么区别,那么今天我来告诉大家,是有区别的。   它们的区别就再于一个是物理元素,一个是逻辑元素。 什么是物理元素?什么是逻辑元素?   物理元素所强调的是一种物理行为,比如说我把一段文字用b标记

GMM与EM算法(一)

EM是我一直想深入学习的算法之一,第一次听说是在NLP课中的HMM那一节,为了解决HMM的参数估计问题,使用了EM算法。在之后的MT中的词对齐中也用到了。在Mitchell的书中也提到EM可以用于贝叶斯网络中。 下面主要介绍EM的整个推导过程。 1. Jensen不等式       回顾优化理论中的一些概念。设f是定义域为实数的函数,如果对于所有的实数x,,那么f是凸函数。当x是向量

第9章 EM算法:例题及课后习题

1 概要 1.EM算法是含有隐变量的概率模型极大似然估计或极大后验概率估计的迭代算法。含有隐变量的概率模型的数据表示为 P ( Y , Z ∣ θ ) P(Y,Z|\theta) P(Y,Z∣θ)。这里, Y Y Y是观测变量的数据, Z Z Z是隐变量的数据, θ \theta θ 是模型参数。EM算法通过迭代求解观测数据的对数似然函数 L ( θ ) = log ⁡ P ( Y ∣ θ )

EM算法数学推导

EM算法可以看李航老师的《机器学习方法》、机器学习白板推导、EM算法及其推广进行学习。下文的数学推导出自“南瓜书”,记录在此只为方便查阅。

em、rem、px区别

css中如何区分em、rem、px? 随着css学习的不断深入页面也随之丰富,那么em、rem、px是我们在页面布局中经常会用到的单位,也是面试题中老生常谈的一个问题,经久不衰,那我们今天用我们的小案例来解释他们的区别吧! px(像素) px这个单位用的非常多,我们大多数人都很熟悉了吧。px单位的名称为像素,它是一个固定大小的单元,像素的计算是针对(电脑/手机)屏幕的,一个像素(1px)就是

ADS基础教程21 - 电磁仿真(EM)模型的远场和场可视化

模型的远场和场可视化 一、引言二、操作步骤1.定义参数2.执行远场视图(失败案例)3.重新仿真提取参数 三、总结 一、引言 本文介绍电磁仿真模型的远场和场可视化。 二、操作步骤 1.定义参数 1)在Layout视图,工具栏中点击EM调出模型设置界面。 2)在模型设置界面中,首先设置Output Plan,将Save current for:选择All generate