摘要： 包含对三种支持向量机的介绍，包括线性可分支持向量机，线性支持向量机和非线性支持向量机，包含核函数和一种快速学习算法-序列最小最优化算法SMO。 线性可分支持向量机与硬间隔最大化 线性可分支持向量机 假设一个特征空间上线性可分的训练数据集$T = {(x_1,y_1),(x_2,y_2),\cdots 阅读全文

摘要： 原始问题 假设$f(x),c_i(x),h_j(x)$是定义在$R^n$上的连续可微函数，考虑约束最优化问题 $$ \begin{aligned} \mathop{min}\limits_{x \in R^n}\ &f(x) \ s.t.\ &c_i(x) \leq 0,i = 1,2,\cdots 阅读全文

摘要： 题目 当介绍文章时一句话可以概括文章内容的，需要足够吸睛， 不能太泛了，需要体现文章的特点，需要是具体的 最好不要题目太长，可以使用副标题，冒号后面的就是副标题， 首字母大写，冠词、介词、连词除外 可用动名词，不要动词 可以使用疑问句 摘要 目的是提供内容梗概，本身就是一篇高度浓缩的论文，需要充分反 阅读全文

摘要： 马尔科夫模型 状态集合：$\mathcal{S} = {s_1,\cdots,s_N}$ 观测状态序列：$x = x_1,\cdots,x_t,\cdots,x_T$,其中$x_t \in \mathcal{S}$ 状态初始化概率：$\pi_i = p(x_1 = s_i),1 \leq i \le 阅读全文

摘要： 首先介绍逻辑斯谛模型，然后介绍最大熵模型，最后讲述逻辑斯谛回归与最大熵模型的学习算法，包括改进的迭代尺度算法和拟牛顿法 逻辑斯谛回归模型 逻辑斯谛分布 设$X$是连续随机变量，具有下列分布函数和密度函数：$\mu$是位置参数，$\gamma \gt 0$是形状参数，越小，分布函数在中心增长得越快 $ 阅读全文

摘要： 首先介绍决策树的基本概念，然后通过$ID3$和$C4.5$介绍特征的选择、决策树的生成以及决策树的修剪，最后介绍$CART$算法 决策树模型与学习 分类决策树模型的树结构有两种结点，内部结点表示一个特征或属性，叶结点表示一个类； 决策树所有的从根节点到叶结点的路径构成if-else规则集，这些规则是 阅读全文

摘要： 朴素贝叶斯的学习与分类，朴素贝叶斯的参数估计算法。 朴素贝叶斯法的学习与分类 设输入空间$\mathcal{X} \subseteq R^n$为$n$维向量的集合，输出空间为类标记集合$\mathcal{Y} = {c_1,c_2,\cdots,c_K}$，输入为特征向量$x \in \mathca 阅读全文

摘要： 首先叙述$k$近邻算法，然后讨论$k$近邻模型及三个基本要素，最后讲述$k$近邻法的一个实现方法，$kd$树，介绍构造和搜索$kd$树的算法。 k近邻算法 输入：训练数据集$T = {(x_1,y_1),(x_2,y_2),\cdots,(x_N,y_N)}$，其中，$x_i \in \mathca 阅读全文

摘要： 首先介绍感知机模型，然后叙述感知机的学习策略，特别是损失函数，最后介绍感知机学习算法，包括原始模式和对偶模式，并证明算法的收敛性 感知机模型 输入空间(特征空间)：$\mathcal{X} \subseteq R^n$，假设$x \in \mathcal{X}$ 输出空间：$\mathcal{Y} 阅读全文

摘要： 给定一个问题，如何求解？首先查看最简单的实例能否求解，假如可以求解的话，下一步就是思考能否将大的实例分解成小的实例，以及能否将小的实例组合成为大的实例，如果都可以的话就称实例能归约，这个问题具有递归结构，可以设计递归算法进行求解 排序问题：对数组的归约 排序问题： 输入：一个包含 $n$ 个元素的数 阅读全文