04 2018 档案

摘要:来源:http://www.hankcs.com/ml/support-vector-machine.html 一、概述 支持向量机(support vector machines,SVM)是一种二类分类模型。 支持向量机的学习算法是求解凸二次规划的最优化算法。 分类: 线性可分支持向量机(line 阅读全文
posted @ 2018-04-30 09:44 夜游星 阅读(362) 评论(0) 推荐(0)
摘要:一、概念 溢出:运算结果超出机器数的表示范围 二、方法 1.计算结果的符号判断 符号相同两数相加,结果符号相反,则溢出。 2.数值最高位的进位c1与符号位的进位c0 数值最高位的进位c1与符号位的进位c0不同则溢出。 3.双符号位 采用双符号位: 正数00 负数11 运算结果两个符号位相同,则没有溢 阅读全文
posted @ 2018-04-29 21:55 夜游星 阅读(2906) 评论(1) 推荐(0)
摘要:一、概述 1-使用点对点信道的数据链路层 数据链路和帧 三个基本问题 2-点对点协议 PPP PPP 协议的特点 PPP 协议的帧格式 PPP 协议的工作状态 3-使用广播信道的数据链路层 局域网的数据链路层 CSMA/CD 协议 4-使用广播信道的以太网 使用集线器的星形拓扑 以太网的信道利用率 阅读全文
posted @ 2018-04-28 08:25 夜游星 阅读(356) 评论(0) 推荐(0)
摘要:一、规则 假定了A,B都是正数 加法: 整数: [A]补 + [B]补 = [A+B]补 (mod 2^(n+1)) 小数: [A]补 + [B]补 = [A+B]补 (mod 2) 减法: 整数: [A-B]补 = [A]补 + [-B]补 (mod 2^(n+1)) 小数: [A-B]补 = [ 阅读全文
posted @ 2018-04-27 12:17 夜游星 阅读(12266) 评论(0) 推荐(5)
摘要:1. normpdf 格式: Y = normpdf(X,mu,sigma) 含义: 2. mvnrnd 从多元正态分布中产生随机数 格式: r = mvnrnd(MU,SIGMA,cases) 产生cases个随机数,服从 均值mu,方差sigma的多元正态分布 3. load fisheriri 阅读全文
posted @ 2018-04-26 16:10 夜游星 阅读(1193) 评论(0) 推荐(0)
摘要:运行结果: 阅读全文
posted @ 2018-04-25 21:55 夜游星 阅读(1539) 评论(1) 推荐(0)
摘要:while 1 无限循环,可以改为 for 循环,确定次数变化图像 阅读全文
posted @ 2018-04-24 09:14 夜游星 阅读(626) 评论(0) 推荐(0)
摘要:等额偿债基金含义:借款人分期偿还贷款利息(service payment of the loan, generally equals the amount of interest due),同时积累一笔偿债基金,用于到期时偿还贷款本金。 符号:L0 原始贷款本金i 贷款年利率n 贷款期限I 借款人在 阅读全文
posted @ 2018-04-23 16:19 夜游星 阅读(992) 评论(0) 推荐(0)
摘要:一、债务偿还的两种方法 分期偿还法(amortization method): 借款人分期偿还贷款,在每次偿还的金额中,包括: 当期利息 一部分本金偿债基金法(sinking fund method):借款人在贷款期间: 分期偿还利息 积累偿债基金,到期时一次性偿还贷款本金。 二、等额分期偿还(le 阅读全文
posted @ 2018-04-22 13:46 夜游星 阅读(3523) 评论(0) 推荐(0)
摘要:一、熵 熵是随机变量不确定性的度量,不确定性越大,熵值就越大;若随机变量退化成定值,熵为0。 假设离散随机变量X的概率分布为P(x),则其熵为: 二、最大熵原理 最大熵原理认为,学习概率模型时,在所有的可能的概率模型中,熵最大的模型是最好的模型。 通常用约束条件来确定概率模型的集合,所以,熵最大原理 阅读全文
posted @ 2018-04-21 09:04 夜游星 阅读(645) 评论(0) 推荐(0)
摘要:一、 k个数据位,设置r个校验位,则校验位能表示2^r个状态 2^r ≥ k + r + 1 2^r-1 ≥ k + r 校验码P放在2的幂次位上 数据D可以随便放(一般从右到左,从低位到高位) 校验码P的值为出现权值的位置H的数据D进行异或 最后得到海明码 二、校验 S1=P1 异或 D(与P1有 阅读全文
posted @ 2018-04-20 11:40 夜游星 阅读(200) 评论(0) 推荐(0)
摘要:一、定义 决策树是一种对实例进行分类的树形结构。 决策树由结点和有向边组成。 结点有两种类型:内部节点表示一个特征或属性,叶节点表示一个类。 二、算法 计算最优特征子函数:不同标准导致不同类型的决策树, ID3的最优特征选择标准是信息增益,C4.5是信息增益率,CART是节点方差的大小 框架: 1- 阅读全文
posted @ 2018-04-19 18:35 夜游星 阅读(524) 评论(0) 推荐(0)
摘要:syms f x a b c; f(x)=3*x^4-4*x^3-12*x^2; q(x)=a*x^2+b*x+c; %二点二次插值 x=[-1.2 -0.8]; ff=diff(diff(f)); dif=diff(f); for i=1:3 %[a b c]=solve('f(x(1))=q(x(1))','f(x(2))=q(x(2))','12*x(1)^3-12*x(1)^2-... 阅读全文
posted @ 2018-04-18 17:15 夜游星 阅读(2610) 评论(0) 推荐(0)
摘要:一、黄金分割法的基本思想与原理 黄金分割法适用于[a.b]区间上的任何单峰函数求极小值问题,对函数除要求“单峰”外不做其他要求,甚至可以不连续。 黄金分割法是建立在区间消去法原理基础上的试探方法,即在搜索区间[a,b]内适当插入两点a1,a2,并计算其函数值。 a1,a2将区间分成三段,应用函数的单 阅读全文
posted @ 2018-04-17 08:25 夜游星 阅读(3428) 评论(0) 推荐(0)
摘要:有一个生成黑白格子的函数 40 这个参数是改变大小的 阅读全文
posted @ 2018-04-16 14:49 夜游星 阅读(564) 评论(0) 推荐(0)
摘要:数据: 1.2435 4.1728 -1.00001.3435 6.6935 -1.00001.4435 5.6401 -1.00001.5435 3.7946 -1.00001.6435 4.2596 -1.00001.7435 6.2168 -1.00001.8435 5.1952 -1.000 阅读全文
posted @ 2018-04-15 09:33 夜游星 阅读(253) 评论(0) 推荐(0)
摘要:定义 如果再投资的利率与筹集资金的利率不同时,则评价项目应该使用修正收益率(modified rate of internal rate)。 计算: 在计算修正收益率时,对资金流出使用筹资的利率计算其现值,而对资金流入使用再投资的利率计算其累积值。 例: 投资者以8%的利率借入资金进行投资,在时点0 阅读全文
posted @ 2018-04-14 08:45 夜游星 阅读(742) 评论(0) 推荐(0)
摘要:一、定义 给定一个训练数据集,对新的输入实例,在训练数据集中找到与该实例最邻近的k个实例,这k个实例的多数属于某个类,就把该输入实例分类到这个类中。 二、k近邻模型 模型有3个要素——距离度量方法、k值的选择和分类决策规则。 1. 距离度量 对n维实数向量空间Rn,经常用Lp距离或曼哈顿Minkow 阅读全文
posted @ 2018-04-13 13:02 夜游星 阅读(940) 评论(0) 推荐(0)
摘要:一、原码 原码就是符号位加上真值的绝对值, 即用第一位表示符号, 其余位表示值. 符号位: 0表示+ 1表示- 8位二进制: [+1]原 = 0000 0001 [-1]原 = 1000 0001 二、反码 反码的表示方法是:正数的反码是其本身;负数的反码是在其原码的基础上, 符号位不变,其余各个位 阅读全文
posted @ 2018-04-12 18:30 夜游星 阅读(8084) 评论(0) 推荐(1)
摘要:一、问题 状态变量和证据变量都是连续型的时候 比如说跟踪一只飞行的小鸟它的状态用这六个变量来描述就是x y z的坐标 以及x y z方向的速度都是连续变量 用卡尔曼滤波来处理连续变量 二、 用高斯分布来模拟它的先验概率密度 (卡尔曼滤波假设状态的先验分布是高斯分布) 用线性高斯分布来模拟它的转换模型 阅读全文
posted @ 2018-04-11 15:51 夜游星 阅读(960) 评论(0) 推荐(0)
摘要:一、收益率的定义 方法一:净现值法(net present value,NPV) 净现值大于零,表示项目可行。净现值越大,表示收益越高。 方法二:收益率法 收益率(yield rate):使得资金流入的现值与资金流出的现值相等时的利率 。也称为内部报酬率(internal rate of retur 阅读全文
posted @ 2018-04-10 07:50 夜游星 阅读(1923) 评论(0) 推荐(0)
摘要:一、引用 数组元素引用,下标从1开始 如y(3)表示第3个元素 二、扩充 扩充2*3矩阵为3*3矩阵,并且给a(3,3)赋值为9 三、提取 数组按列存储 全下标变化为单下标: sub2ind((m,n),i,j) 二维数组(m,n)第i行j列按列存储后的位数 size(a)表示形如矩阵a 的大小,不 阅读全文
posted @ 2018-04-09 16:08 夜游星 阅读(573) 评论(0) 推荐(0)
摘要:clear 清除在内存中的变量 clc 清屏 一、格式 format short 5位数字输出 format long 15位数字输出 format rat 近似分数输出 例: 二、信息查看 who 变量名表 whos 变量名+信息 三、生成区间内的n个元素 linspace(a,b,n) 生成a, 阅读全文
posted @ 2018-04-08 08:32 夜游星 阅读(301) 评论(0) 推荐(0)
摘要:一、 现值:付款从时刻 a 到时刻 b,在时刻 t 的付款率为ρt,利息力为 δ。时刻 t支付的1在时刻0的现值为: 在时刻 t 的付款率为ρt,所有付款在时刻0的现值是将所有付款的现值加总: 二、 终值:在时刻 t 的1元,累积到时刻 T 的终值为 从时刻a到时刻b内所有付款到时刻 T 的终值,就 阅读全文
posted @ 2018-04-07 08:04 夜游星 阅读(767) 评论(0) 推荐(0)
摘要:一、问题 状态随时间变化,需要跟踪、预测 二、基本思想 在每个时间点,根据新的证据变量来更新世界状态 三、时间上的概率推理 建立 转移模型、传感器模型、先验概率分别 1.转移模型 世界如何演变,在描述了给定过去的时间的世界状态下,当前时间世界的状态变量 2.传感器模型,观察模型 描述了给定当前世界状 阅读全文
posted @ 2018-04-06 09:19 夜游星 阅读(754) 评论(0) 推荐(0)
摘要:复递增年金 (compound increasing annuity) 一、 含义:付款金额按照某一固定比例增长的年金。 期初付复递增年金 :在第1年初支付1元,此后每年的支付金额按的复利 r 增长,直到第 n 年初支付(1+r)n-1。 注:r < 0 ,递减。 令 得到 期末付: 变换: 其中: 阅读全文
posted @ 2018-04-05 10:29 夜游星 阅读(1770) 评论(0) 推荐(0)
摘要:递减年金(decreasing annuity) 定义 期末付递减年金(decreasing annuity-immediate):第一期末支付 n 元,第二期末支付 n – 1元,…,第 n 期末支付1元。 递减年金的现值可以表示为上述等额年金的现值之和 递减年金的其他公式: 阅读全文
posted @ 2018-04-04 17:22 夜游星 阅读(2983) 评论(0) 推荐(0)
摘要:一、总览 离散变额年金 每年支付一次的离散变额年金(递增、递减、复递增)每年支付 m 次的离散变额年金(递增、递减、复递增)连续支付的离散变额年金(递增、递减、复递增) 连续变额年金 一般形式的连续变额现金流特例:连续递增(或递减)的年金 二、递增年金(increasing annuity) 期末付 阅读全文
posted @ 2018-04-03 07:58 夜游星 阅读(5569) 评论(0) 推荐(0)
摘要:一、含义 假设连续不断地付款,但每年的付款总量仍然为1元。 二、 连续支付年金是年支付次数m趋于无穷大时的年金,故 连续支付年金与基本年金的关系: 连续支付,每年的支付总量为1,支付期限为无穷: 积累值: 三、 阅读全文
posted @ 2018-04-02 16:26 夜游星 阅读(2867) 评论(0) 推荐(0)
摘要:一、 贝叶斯网络,由一个有向无环图(DAG)和条件概率表(CPT)组成。 贝叶斯网络通过一个有向无环图来表示一组随机变量跟它们的条件依赖关系。它通过条件概率分布来参数化。每一个结点都通过P(node|Pa(node))来参数化,Pa(node)表示网络中的父节点。 一个简单的贝叶斯网络,其对应的全概 阅读全文
posted @ 2018-04-01 09:03 夜游星 阅读(5716) 评论(0) 推荐(4)