Мне нужен класс для проверки гипотез на нормальной популяции

Question

В частности, я хочу сгенерировать интервал допуска, для которого мне нужно было бы иметь значения Zx для x некоторого значения по стандартной нормали.

Есть ли в стандартной библиотеке Java что-то подобное или я должен свернуть свою собственную?

РЕДАКТИРОВАТЬ: В частности, я хочу сделать что-то похожее на линейную регрессию на множестве изображений.У меня есть два изображения, и я хочу увидеть степень корреляции между их пикселями.Я полагаю, что это может подпадать и под компьютерное зрение.

Answer 1

Вы можете использовать полную статистическую мощность R, используя rJava / JRI .Это включает в себя корреляции между пикселями и т. Д.

Другой вариант - посмотреть на imageJ , который содержит библиотеки для многих манипуляций с изображениями, математики и статистики.Это нормально, но библиотека пригодна и для разработки.Он поставляется с обширным руководством для разработчиков .В отношении идентификатора imageJ также может быть в сочетании с R .

imageJ позволяет вам использовать правильные методы для поиска мер подобия изображения, основанные на преобразованиях Фурье или других методах.Дополнительную информацию можно найти в Цифровая обработка изображений с Java и ImageJ .См. Также этот документ .

Другой документ - Commons-Math .Этот также содержит основные статистические инструменты.

См. Также ответы на этот вопрос и этот вопрос .

Answer 2

Просто рассчитайте коэффициент корреляции Пирсона между этими двумя изображениями. У вас будет 3 коэффициента, потому что каналы R, G, B необходимо анализировать отдельно. Или вы можете рассчитать 1 коэффициент только для уровней интенсивности изображений ... или вы можете рассчитать корреляцию между значениями оттенков изображений после преобразования в цветовое пространство HSV или HSL. Делай все, что видишь, подходит: -)

EDIT: коэффициент корреляции может быть увеличен только после масштабирования и / или поворота некоторого изображения. Это может быть проблемой или нет - зависит от ваших потребностей.

Answer 3

Кажется, вы хотите сравнить изображения, чтобы увидеть, насколько они похожи. В этом случае, первые две вещи, которые нужно попробовать, это SSD (сумма квадратов разностей) и нормализованная корреляция (это тесно связано с тем, что предлагает 0x69, корреляция Пирсона) между двумя изображениями.

Вы также можете попробовать нормализованную корреляцию по маленьким (соответствующим) окнам на двух изображениях и суммировать результаты по нескольким (всем) маленьким окнам на изображении.

Это два очень простых метода, которые вы можете написать за несколько минут.

Я не уверен, однако, что это имеет отношение к проверке гипотез или линейной регрессии, вы можете отредактировать, чтобы прояснить эту часть вашего вопроса.