摘要： 当我拿到本科学位的时候（那是大约一百年前的事情了），在我眼里物理文献就象一个未经探索的汪洋大海，而我必须在对它进行了全面细致的勘测后才能开 始自己的研究。做任何事情之前怎么能不先了解前人的工作呢？万幸的是，在我做研究生的第一年，我碰到了一些资深的物理学家，他们不顾我忧心忡忡的反对，坚 持让我立即进入研究课题，在研究的过程中逐渐学习所需的东西。这是事关沉浮的决定。我惊讶地发现他们的意见是可行的。我很快就拿到了一个博士学位，虽然那 时我对物理学还几乎一无所知。我倒是得到了一个很大的教益：没有人了解所有的知识，你也不必。我的另一个忠告是，如果继续用我的海洋学比喻的话，一旦你学会了游泳不至于沉下去后你 阅读全文

摘要： 看那个人，高兴地快忘掉了自己；看那个人，孤单的只剩下了自己。我凝望这幸福，幸福的感动了我自己；我思索着这孤单，是否那是我们被缩影下的自己。愤怒，发狂，抗争，无助，最后，都会结束，最后的结局，便是生命的结束。然而，故事不会结束，只会重复在不同的时空里。因为，几千年的厚重都在那里面。我们是自由的，所有的举动都要自己去负责；我们是无助的，谋事在你，成事在天；所以，当你相信的时候，便要去相信；当你需要怀疑的时候，请不要停止去追问！致《天注定》 阅读全文

摘要： 失去你，色彩暗淡，城市霾蔽！明明很爱你，明明想靠近，为什么，无法改变，无法接受！忙碌，便是你生活中的主旋律！细水长流，是我想做却做不到的心愿。所以，祝你我幸福，在这里，在未来的他乡！ 阅读全文

摘要： [转]（一）SVM的背景简介支持向量机(Support Vector Machine)是Cortes和Vapnik于1995年首先提出的，它在解决小样本、非线性及高维模式识别中表现出许多特有的优势，并能够推广应用到函数拟合等其他机器学习问题中[10]。支持向量机方法是建立在统计学习理论的VC 维理论和结构风险最小原理基础上的，根据有限的样本信息在模型的复杂性（即对特定训练样本的学习精度，Accuracy）和学习能力（即无错误地识别任意样本的能力）之间寻求最佳折衷，以期获得最好的推广能力[14]（或称泛化能力）。以上是经常被有关SVM 的学术文献引用的介绍，有点八股，我来逐一分解并解释一下。Va 阅读全文

摘要： [zhuan]代码文件主要针对Matlab进行说明,但个人仍觉得讲解的支持向量机内容非常棒,可以做为理解这一统计方法的辅助资料;LibSVM是台湾林智仁(Chih-Jen Lin)教授2001年开发的一套支持向量机的库，这套库运算速度还是挺快的，可以很方便的对数据做分类或回归。由于libSVM程序小，运用灵活，输入参数少，并且是开源的，易于扩展，因此成为目前国内应用最多的SVM的库。这套库可以从http://www.csie.ntu.edu.tw/~cjlin/免费获得，目前已经发展到2.89版。下载.zip格式的版本，解压后可以看到，主要有5个文件夹和一些c++源码文件。Java——主要是应 阅读全文

摘要： [zhuan]本文讨论对于一般的分类问题，线性支持向量分类机(C-SVC)的实现原理及MATLAB代码实现。 由于需要处理线性不可分问题，我们没法找到一个超平面可以完全正确的分化训练集，因此需要“软化”一些条件。由标准的支持向量机(SVM)的最大间隔法所导出的约束条件可以进行如下的“软化”： yi((w·xi)+b) ≥ 1-ξi , i = 1, 2, ... , n 当ξi足够大时，训练点(yi, xi)总是可以满足条件的，所以我们不能让ξi太大，因此得给ξi一个惩罚系数，所以C-SVC的原问题可以归纳如下： minω,b,ξ 1/2||ω||2 + CΣξi s.... 阅读全文

摘要： 1. Functional connectivity: (resting-state) DEPARSE, REST and GRETNA.2. Task-basedFC. SPM and FSL.3. Structural connectivity.PANDA, DTK, DSIstudio andGRETNA.4. Voxel-based morphology (VBM). 阅读全文