社区首页 >问答首页 >不同尺度的BigDecimal#compareTo

问不同尺度的BigDecimal#compareTo
EN

Stack Overflow用户

提问于 2018-06-13 15:30:57

回答 2查看 3.2K关注 0票数 1

为什么以下内容返回1

new BigDecimal(0.82).setScale(5, BigDecimal.ROUND_HALF_DOWN)
    .compareTo(new BigDecimal(0.82))

我预计这将返回0，因为BigDecimal.compareTo 根据其文档忽略了缩放

将此BigDecimal与指定的BigDecimal进行比较。两个BigDecimal对象(如2.0和2.00)在值上是相等的，但是有一个不同的标度(如2.0和2.00)，因此被认为是相等的。..。

bigdecimal

java

回答 2

Stack Overflow用户

回答已采纳

发布于 2018-06-13 15:44:09

new BigDecimal(0.82)实际上不是0.82，因为您要向构造函数传递一个double值--最接近于0.82的double，而不是确切的0.82 --因此new BigDecimal(0.82)是一个BigDecimal，等于最接近0.82的double。

相反，使用new BigDecimal("0.82")。

票数 7

Stack Overflow用户

发布于 2018-06-13 15:55:21

问题是您使用了构造函数BigDecimal#BigDecimal(double)。它返回一个BigDecimal，它表示双二进制浮点值(参见其文档 )。但是，0.82并不表示值0.82，而是

0.81999999999999995115018691649311222136020660400390625

由于这个原因，.setScale(5, BigDecimal.ROUND_HALF_DOWN)实际上改变了值，而不仅仅是标度。应用该方法后的结果值为

0.82000

compareTo方法忽略标度，但不忽略不同值的。如前所述，两个BigDecimal实际上表示不同的值。因此，compareTo不返回0

0.82000 != 0.81999999999999995115018691649311222136020660400390625

请参见方法的文档：

根据该方法，两个BigDecimal对象(如2.0和2.00)在值中相等，但具有不同的标度(如2.0和2.00)。..。

票数 2

页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持

原文链接：

https://stackoverflow.com/questions/50847683

复制

空间尺度分析_特征尺度的选取原则

https 网络安全

高斯核是唯一可以产生多尺度空间的核，高斯模板具有圆对称性，通过高斯卷积操作对原始像素值重新分配权重，距离中心越远的相邻像素值权重分配相对较小。二维矩阵变换的高斯平滑操作可以通过在水平和竖直方向上分别进行一维高斯矩阵变换相加得到。尺度是自然客观存在的，不是主观创造的，高斯卷积只是表现尺度空间的一种形式。示例代码如下：

全栈程序员站长

2022/11/04

2790

尺度空间家具_空间尺度分析

http https 网络安全 html java

在视觉信息(图像信息) 处理模型中引入一个被视为尺度的参数，通过连续变化尺度参数获得不同尺度下视觉处理信息，然后综合这些信息以深入地挖掘图像的本质特征。尺度空间方法将传统的单尺度视觉信息处理技术纳入尺度不断变化的动态构架中，因此更容易获得图像的本质特征。尺度空间生成的目的是模拟图像数据的多尺度特征。

全栈程序员站长

2022/09/27

7420

sift构建尺度空间_离散序列的尺度变换

https 网络安全

　　说到尺度空间理论最早可以追溯到1962年的T.Iijima最先提出，学术界开始关注尺度空间技术主要在1986年IEEE PAMI上同时刊出的4篇关于尺度空间理论的文章奠定了发展基础。现实世界中物体只有具备一定的尺度才能够倍人眼所察觉，计算机视觉学术研究就是在不断的尝试与突破来模拟人眼的观察方法。因此，尺度空间就是试图在图像领域中模拟人眼观察物体的概念与方法。例如：观察一颗树，关键在于我们想要观察是树叶子还是整棵树：如果是一整棵树(相当于大尺度情况下观察)，那么就应该去除图像的细节部分。如果是树叶(小尺度情况下观察)，那么就该观察局部细节特征。

全栈程序员站长

2022/11/04

3850

关于尺度空间的理解和认识_尺度空间理论

数学

通常会听到尺度变化等这类词语，看到的也总是一堆的数学公式，有时候真的不知道这到底有啥用，有啥意义，没有弄懂这些意义，当然就更不可能的理解，不可能去掌握应用它了，现在我才理解，小波变化其实也是一种尺度变化。今天我看到一篇南航数学系写的关于尺度空间解释的文章，感觉很通俗易懂，我们不从数学上来推倒什么是尺度空间，只是从生活常识方面来解释尺度空间的意义，意义懂了，数学方面自然就好理解了。

全栈程序员站长

2022/11/07

8070

尺度空间原理_多尺度分割算法原理

原理

每个物体，我们总可以用一些词语或部件来描述它，比如人脸的特征：两个眼睛、一个鼻子和一个嘴巴。对于图像而言，我们需要计算机去理解图像，描述图像就需要计算机去取得图像的特征，对图像比较全面的描述即一个二维矩阵，矩阵内的每个值代表图像的亮度。有时候我们需要让计算机更简化的来描述一个图像，抓住一些显著特征，这些特征要具有一些良好的性质，比如局部不变性。局部不变性一般包括两个方面：尺度不变性与旋转不变性。

全栈程序员站长

2022/11/04

6540

PNAS：大尺度静息态脑网络的整合、分离和平衡配置不同的认知能力

摘要：不同的认知过程对局部分离和全局整合的大脑活动提出了不同的要求。然而，静息状态下的大脑如何配置他们的功能性组织，以平衡网络分离和整合的需求，以最好地服务于认知，这仍然是一个有待解决的问题。本文采用一种基于特征模式的方法来识别脑功能网络中的层次模块，并量化网络分离与整合之间的功能平衡。在大量健康青年样本(n = 991)中，我们将全脑静息状态功能磁共振成像(fMRI)数据与扩散张量成像得出的结构网络的平均场模型结合起来，证明静息状态的大脑网络平均接近平衡状态。这种状态允许在分离和整合配置和高度灵活的切换之间有一个平衡的时间保持。此外，我们利用结构方程模型估计了9个任务的一般和特定领域的认知表现型，并证明网络分离、整合和它们在静息大脑中的平衡预测了不同认知表现型的个体差异。更具体地说，较强的整合能力与较强的一般认知能力有关，较强的分离培养固定智力和处理速度，个体趋向平衡支持更好的记忆。我们的研究结果对大脑支持不同功能需求和认知能力的功能原理提供了全面和深入的理解，并推进了现代网络神经科学的人类认知理论。

悦影科技

2021/09/03

5820

尺度空间理论详解_什么叫空间尺度

html https http 网络安全

http://www.cnblogs.com/ronny/p/3886013.html

全栈程序员站长

2022/11/10

3110

SIFT 尺度空间

html http https 网络安全

最近也注意一些图像拼接方面的文章，很多很多，尤其是全景图拼接的，实际上类似佳能相机附加的软件，好多具备全景图拼接，多幅图像自动软件实现拼接，构成（合成）一幅全景图像（风景）。 Sift算法，我略知一二，无法仔细描述（刚也贴了2个最近的资料）。当就尺度空间（scale space),我想，其在计算机视觉（Computer Vision)/图像的多分辨率分析（尤其近年来小波的多分辨率分析）是常见的概念。人类视觉捕捉景物的时候，先粗略（rough),后细节（fine)的习惯，被研究图像视觉的采用。2点采样使用的情况，则整体图像被不断的1/2边长划分，不同的图像（矩阵）构成了不同分辨率的尺度空间（我们理解为不同层面的矩阵），尺度，Scale,这里就代表不同的空间比例。

全栈程序员站长

2022/11/07

5440

基于字符尺度的文字识别算法

文字识别

文章地址：https://arxiv.org/pdf/1812.09900.pdf

算法发

2020/08/12

3.2K0

皮质-皮质网络的多尺度交流

通信

大脑网络中的信号在多个拓扑尺度上展开。区域可以通过局部回路交换信息，包括直接邻居和具有相似功能的区域，或者通过全局回路交换信息，包括具有不同功能的远邻居。在这里，我们研究了皮质-皮质网络的组织如何通过参数化调整信号在白质连接体上传输的范围来调节局部和全局通信。我们发现，大脑区域在偏好的沟通尺度上是不同的。通过研究大脑区域在多个尺度上与邻居交流的倾向，我们自然地揭示了它们的功能多样性：单模态区表现出对局部交流的偏好，而多模态区表现出对全球交流的偏好。我们表明，这些偏好表现为区域和尺度特定的结构-功能耦合。即，单模态区域的功能连接出现在小尺度回路的单突触通信中，而跨模态区域的功能连接出现在大尺度回路的多突触通信中。总之，目前的研究结果表明，交流偏好在大脑皮层之间是高度异质性的，形成了结构-功能耦合的区域差异。

悦影科技

2022/08/10

5410

MDS多维尺度分析

编程算法

MDS是一种常用的降维算法，其基本思想是保证高维空间映射到低维空间之后，样本间的相对距离基本不变。

生信修炼手册

2021/04/14

1.7K0

CNN中的目标多尺度处理

机器学习神经网络深度学习人工智能

1. 后面实习要解决实例分割中的目标多尺度问题(当然不只是这个问题，还有其他的)，为此对CNN中这几年的多尺度处理方法进行简要总结~_~，时间紧任务重，只记录了一点点东西，核心的还是要去看论文读代码。

小草AI

2019/10/22

9660

多尺度深度特征（上）：多尺度特征学习才是目标检测精髓

对象基础框架网络性能

下采样倍数小（一般是浅层）的特征感受野小，适合处理小目标，小尺度特征图（深层）分辨率信息不足不适合小目标。在yolov3中对多尺度检测的理解是，1/32大小的特征图（深层）下采样倍数高，所以具有大的感受野，适合检测大目标的物体，1/8的特征图（较浅层）具有较小的感受野，所以适合检测小目标。FPN中的处理在下面。对于小目标，小尺度feature map无法提供必要的分辨率信息，所以还需结合大尺度的feature map。还有个原因是在深层图做下采样损失过多信息，小目标信息或许已经被忽略。

计算机视觉研究院

2023/09/20

1K0

多尺度深度特征（下）：多尺度特征学习才是目标检测精髓

图像识别存储数据分析

如果想详细知道上集我们具体说了多尺度特征的重要性及其发展，请点击下方链接，查阅相关内容：

计算机视觉研究院

2022/01/26

5760

PNAS：描绘自杀想法的时间尺度

医疗大健康

本研究旨在利用实时监测数据和多种不同的分析方法，确定自杀思维的时间尺度。参与者是105名过去一周有自杀念头的成年人，他们完成了一项为期42天的实时监测研究(观察总数=20,255)。参与者完成了两种形式的实时评估：传统的实时评估(每天间隔数小时)和高频评估(间隔10分钟超过1小时)。我们发现自杀想法变化很快。描述性统计和马尔可夫转换模型都表明，自杀念头的升高状态平均持续1至3小时。个体在报告自杀念头升高的频率和持续时间上表现出异质性，我们的分析表明，自杀念头的不同方面在不同的时间尺度上运作。连续时间自回归模型表明，当前的自杀意图可以预测未来2 - 3小时的自杀意图水平，而当前的自杀愿望可以预测未来20小时的自杀愿望水平。多个模型发现，自杀意图升高的平均持续时间比自杀愿望升高的持续时间短。最后，在统计建模的基础上，关于自杀思想的个人动态的推断显示依赖于数据采样的频率。例如，传统的实时评估估计自杀欲望的严重自杀状态持续时间为9.5小时，而高频评估将估计持续时间移至1.4小时。

悦影科技

2023/06/28

2690

谈谈CNN中的位置和尺度问题

机器学习人工智能 https 网络安全神经网络

前段时间看到了几篇有意思的文章，也参考了一些相关的讨论，这里想对CNN中的平移和尺度的不变性和相等性，以及CNN对于目标相对和绝对位置、深度的预测原理进行探讨。这些内容对于一些特定任务很重要，比如目标检测、目标分割、深度估计、分类/识别以及单目标跟踪中的置信图预测等。

代码医生工作室

2020/04/07

1.8K0

[CVPR 2022 | 论文简读] 用于动作检测的多尺度时间ConvTransformer

action detection scale 论文

MS-TCT: Multi-Scale Temporal ConvTransformer for Action Detection

智能生信

2022/12/29

4450

[CVPR 2022 | 论文简读] 用于动作检测的多尺度时间ConvTransformer

MultiBench多模态表征学习的多尺度基准

编程算法人工智能神经网络深度学习

MULTIBENCH，一个系统而统一的大规模多模态学习基准，涵盖15个数据集、10种模式、20个预测任务和6个研究领域。

何武凡

2023/03/09

6660

非度量多维尺度分析（NMDS）

编程算法

第一次接触NMDS，看到的时候一脸懵逼，后来经过查阅资料学习，非度量多维尺度分析是一种将多维空间的研究对象（样本或变量）简化到低维空间进行定位、分析和归类，同时又保留对象间原始关系的数据分析方法。适用于无法获得研究对象间精确的相似性或相异性数据，仅能得到他们之间等级关系数据的情形。其基本特征是将对象间的相似性或相异性数据看成点间距离的单调函数，在保持原始数据次序关系的基础上，用新的相同次序的数据列替换原始数据进行度量型多维尺度分析。换句话说，当资料不适合直接进行变量型多维尺度分析时，对其进行变量变换，再采用变量型多维尺度分析，对原始资料而言，就称之为非度量型多维尺度分析。其特点是根据样品中包含的物种信息，以点的形式反映在多维空间上，而对不同样品间的差异程度，则是通过点与点间的距离体现的，最终获得样品的空间定位点图，理解起来有点难度，我还是比较喜欢实践操作。分析过程如下：

黑妹的小屋

2020/08/06

3.1K0

不同的网络下下载不同的图片

其他 http

用户1451823

2018/09/13

9890

相似问题

不同尺度的同轴

不同尺度的猪特征

in图中不同尺度的地块

具有不同输入尺度的CNN

不同CRS中的Geoserver符号尺度不同

添加站长进交流群

领取专属 10元无门槛券

AI混元助手 在线答疑

关注 腾讯云开发者公众号

洞察 腾讯核心技术

剖析业界实践案例

问不同尺度的BigDecimal#compareTo
EN

回答 2

Stack Overflow用户

Stack Overflow用户

不同尺度的同轴

不同尺度的猪特征

in图中不同尺度的地块

具有不同输入尺度的CNN

不同CRS中的Geoserver符号尺度不同

社区

活动

资源

关于

腾讯云开发者

热门产品

热门推荐

更多推荐

问不同尺度的BigDecimal#compareToEN

回答 2

Stack Overflow用户

Stack Overflow用户

不同尺度的同轴

不同尺度的猪特征

in图中不同尺度的地块

具有不同输入尺度的CNN

不同CRS中的Geoserver符号尺度不同

社区

活动

资源

关于

腾讯云开发者

热门产品

热门推荐

更多推荐

问不同尺度的BigDecimal#compareTo
EN