神经网络BP算法中，如何选择网络学习效率及阈值调整效率 学习效率一般取0~1之间的数如：0.1，0.4，网络初始化阈值赋值（0，1）区间内随机数，之后通过神经网络训练不断调整。楼主只用调整学习效率就行了
图像分割：Otsu大津算法阈值选择，绪：大津法OTSU是一种确定图像分割阈值的算法，由日本学者大津于1979年提出原理上来讲，该方法又称作最大类间方差法，有时也称之为大津。
自动确定图像二值化最佳阈值的方法？ 阈值将原图象分成前景，背景两个图象。前景：用n1，csum，m1来表示在当前阈值下的前景的点数，质量矩，平均灰度 后景：用n2，sum-csum，m2来表示在当前阈值下的背景的点数，质量矩，平均灰度 当取最佳阈值时，背景应该与前景差别最大，关键在于如何选择衡量差别的标准 而在otsu算法中这个衡量差别的标准就是最大类间方差（英文简称otsu，这也就是这个算法名字的来源）在本程序中类间方差用sb表示，最大类间方差用fmax 关于最大类间方差法（otsu）的性能：类间方差法对噪音和目标大小十分敏感，它仅对类间方差为单峰的图像产生较好的分割效果。当目标与背景的大小比例悬殊时，类间方差准则函数可能呈现双峰或多峰，此时效果不好，但是类间方差法是用时最少的。最大最大类间方差法（otsu）的公式推导：记t为前景与背景的分割阈值，前景点数占图像比例为w0，平均灰度为u0；背景点数占图像比例为w1，平均灰度为u1。则图像的总平均灰度为：u=w0*u0+w1*u1。前景和背景图象的方差：g=w0*(u0-u)*(u0-u)+w1*(u1-u)*(u1-u)=w0*w1*(u0-u1)*(u0-u1)，此公式为方差公式，可参照概率论课本 上面的g的公式也就是下面程序中的sb的表达式 当方差g最大时，可以认为此时前景和背景差异最大，也就是此时。
Heursure阈值算法是什么？
