数学
推介一篇很不错的文章，严谨地说，这是个目录。
https://blog.csdn.net/hy592070616/article/details/81707766
奇异值分解（SVD）
wiki的资料还是可以的：https://zh.wikipedia.org/zh-cn/%E5%A5%87%E5%BC%82%E5%80%BC%E5%88%86%E8%A7%A3
但是wiki没有讲清楚是怎么求出UΣV矩阵的。如下图的例子
在学校svd的过程中，学习了酉矩阵（扩展到复数的正交矩阵，满足一定的性质）
虽然过程怎么分解的还是不知道，但已经了解SVD知识点，此方面的学习任务视为完成。
额外笔记-详细分解过程：https://zhuanlan.zhihu.com/p/26306568
似然函数
极大似然估计：模型一定，参数未知
核函数
作用：升维。将低纬度难以解决的问题上升至高纬度解决。
线性核函数：对数据不进行任何变换。（？）
使用场景：特征丰富，样本量巨大，需要实时得出结果。不需要设置参数，可以直接使用。
高斯核函数：
最常用的核函数之一
各种分布
除了正态分布指数分布这种考研分布，还学习了一些新分布，比如卡方分布，伽玛分布，贝塔分布，高斯分布（正态的另一个名字）。
在学习伽玛分布时，了解了如何求期望值和方差：依次求出伽马的矩生成函数，概率母函数 （需要科学上网打开链接）。再对概率母函数求导得出期望值，求二次导得出方差。这俩知识点真神奇，后续会抽时间学习。
（U1S1啊，这些网站上的英文资料真的比中文资料详细得多）
贝叶斯定理 P(x∣y)=P(y)P(y∣x)/P(x)
英语阅读
Pakistan floods: Officials struggle to stop biggest lake overflowing
US bars ‘advanced tech’ firms from building China factories for 10 years
Climate change: Europe’s warm summer shatters records
North Korea declares itself a nuclear weapons state
New Zealand: Whale may have caused boat flip that killed five
数字图像处理
图像特征提取
图像边缘特征及其检测：图像边缘倒数及其曲线规律，梯度边缘检测法，几种典型的边缘检测算子（如Sobel）
图像点与角点特征及检测：susan算法
图像纹理特征及其描述和提取方法：纹理的概念分类，主要特征，提取方法。基于灰度直方图统计矩的纹理特征描述和提取方法，基于灰度共生矩阵的文里提取方法，基于频谱/结构方法的纹理描述，基于频谱方法的纹理描述
图像的形状特征：矩形度，圆形性，球状性。
图像的统计特征：图像的均值，方差，标准差，熵。
彩色图像处理
彩色视觉：三基色，相加、相减。CIE色度图
彩色模型：之前写代码时顺便学过。课本主要讲了RGB和HSI两种彩色模型、相互转换。反色变换，彩色图像的灰度化，真彩色转256（中位切分法、流行色法）。色彩平衡（白平衡、最大颜色值）
彩色图像增强：真彩色增强（亮度增强、色调增强、保护度增强），伪彩色增强（密度分层法、灰度级-彩色变换法、频率滤波法），假彩色增强。
彩色图像平滑：基于RGB，基于HSI的彩色图像平滑。
彩色图像的锐化：惊讶的发现，以前学的知识忘记了_(:з」∠)_ 当前知识点位于244页，用到了72页的拉普拉斯变换，我发现我忘了拉普拉斯变换….
彩色图像的边缘检测、分割。
锐化和边缘这部分讲的不详细，以课本为准，没有深入学习。
形态学图像处理
集合的相关知识
下一步学习：腐蚀，膨胀等