08 2015 档案

squeeze()
摘要：一、说明B = squeeze(A)，B与A有相同的元素,但所有只有一行或一列的维度（a singleton dimension）被去除掉了。A singleton dimension的特征是size(A,dim)=1。二维阵列不受squeeze影响; 如果A是一个row or column矢量或a... 阅读全文

posted @ 2015-08-29 15:29 一动不动的葱头 阅读(253) 评论(0) 推荐(0)

length()
摘要：在MATLAB中：size：获取数组的行数和列数length：数组长度（即行数或列数中的较大值）numel：元素总数。s=size(A),当只有一个输出参数时，返回一个行向量，该行向量的第一个元素时数组的行数，第二个元素是数组的列数。[r,c]=size(A),当有两个输出参数时，size函数将数组... 阅读全文

posted @ 2015-08-29 14:40 一动不动的葱头 阅读(308) 评论(0) 推荐(0)

matlab mod()&rem()
摘要：一、介绍rem/mod（X,Y）当X,Y符号相同的时候，这两者一样，当符号不相同的时候才有差别，具体表现在rem结果的符号与被除数相同；mod结果的符号与除数相同二、例子>> a=9;>> b=-2;>> rem(a,b)ans = 1>> mod(a,b)ans = -1 阅读全文

posted @ 2015-08-29 11:23 一动不动的葱头 阅读(848) 评论(0) 推荐(0)

matlab max()
摘要：max()函数（1）可以找出矩阵元素中每列的最大值 max(A) ，max(A,[],dim )，带返回值的[C,I]=max(A)、[C,I]=max(A,[],dim) max(A,[],dim) ，dim=1按列来比较，每列找一个最大；dim=2按行来比，每行找一个最大（2）可以比较两个标... 阅读全文

posted @ 2015-08-26 21:41 一动不动的葱头 阅读(663) 评论(0) 推荐(0)

matlab repmat()
摘要：一、B = repmat(A,m,n)将矩阵 A 复制 m×n 块，即把 A作为B 的元素，B 由 m×n 个 A 平铺而成。B 的维数是 [size(A,1)*m, size(A,2)*n] 。>> A = [1,2;3,4]A =1 23 4>> B = repmat(A,2,3)B =1 2 ... 阅读全文

posted @ 2015-08-26 21:16 一动不动的葱头 阅读(1310) 评论(0) 推荐(1)

matlab sparse()
摘要：一、sparse()的稀疏矩阵简单运用1.>> A = [0, 0, 0, 0;0, 0, 1, 0;0, 0, 0, 0;0, 1, 0, 2];>> sparse(A)ans =(4,2) 1(2,3) 1(4,4) 2二.S = sparse(i,j,s,m,n,nzmax)由向量i,j,s ... 阅读全文

posted @ 2015-08-26 21:07 一动不动的葱头 阅读(1657) 评论(0) 推荐(0)

matlab reshape()、full()
摘要：一、reshape() 对于这个函数，就是重构矩阵。（1）要求：重构前后的矩阵元素个数一致。如3*4矩阵可以重构成2*6,2*3*2等。（2）重构方法：先按列将矩阵转换为向量，然后在向量的基础之上，又按照新矩阵的列截取组成。例如，3*4矩阵可以重构成2*6： 1 2 3 4 5 6... 阅读全文

posted @ 2015-08-26 20:31 一动不动的葱头 阅读(304) 评论(0) 推荐(0)

matlab 函数
摘要：一、sigmoid()函数 就是logistic函数，matlab没有这个函数： function h=sigmoid(a) h=1./(1+exp(-a));二、logistic分类不错，至少在这里，虽然有时对过程的细致问题感到似是而非三、小细节 A=[1，2，3; 4，5，6]... 阅读全文

posted @ 2015-08-26 14:51 一动不动的葱头 阅读(407) 评论(0) 推荐(0)

matlab一些函数
摘要：1 addpath 路径(相对应地，rmpath移除路径)addpath ../commonaddpath ../common/minFunc_2012/minFuncaddpath ../common/minFunc_2012/minFunc/compiled也有括号形式的addpath(olde... 阅读全文

posted @ 2015-08-26 10:15 一动不动的葱头 阅读(347) 评论(0) 推荐(0)

老板给的方向
摘要：方向：视频分析，人跟踪，司法合成，人脸识别数据分析：聚类分析学习：数字图像处理模式识别机器学习最优化矩阵论：矩阵分解、特征值、怎么让串行变并行，就是变成矩阵，分成子矩阵，加速算法信息论（模式识别）学术型：一个sci或发明专利；要有理论层次 阅读全文

posted @ 2015-08-24 19:07 一动不动的葱头 阅读(187) 评论(0) 推荐(0)

matlab学习笔记 函数bsxfun repmat
摘要：一、举例a=rand(3,1);b=rand(1,3);c=bsxfun(@plus,a,b);d=a*b;c和d的运算类似，只不过c是外加，d是外乘。作用：速度快>for循环>repmat二、拓展此外，还有：@plus 加@minus 减@times 数组乘@rdivide 左除@ldivide ... 阅读全文

posted @ 2015-08-23 21:47 一动不动的葱头 阅读(239) 评论(0) 推荐(0)

远程登录
摘要：1 有密码的设置2 防火墙设置3 远程桌面 阅读全文

posted @ 2015-08-23 11:49 一动不动的葱头 阅读(145) 评论(0) 推荐(0)

前部分的总结和思考
摘要：前部分讲了许多概念，每个部分可以研究得很细。但这里想从宏观上了解这些概念的引入及分析有还是那么作用，为什么引入它们？这里仅是自己的感受，可能不对，可能有偏差，可能不够全面。但是，不怕，科研允许失败！ 首先是线性空间。线性空间集运算、数域、集合三者在一起。通常在高维的情况下，各种幂运算（除1,2... 阅读全文

posted @ 2015-08-23 10:38 一动不动的葱头 阅读(258) 评论(0) 推荐(0)

两个特殊的线性空间
摘要：一、引入特殊线性空间的必要性 在线性空间中，向量的基本运算金石线性运算，但是，若以解析几何中讨论过的通常三维向量空间R3作为线性空间的一个模型，就会发现在R3中诸如向量的长度、两个向量的夹角等度量概念，在线性空间的理论中还未得到反映。这些度量性质在很多实际问题中有着特殊的地位，这些度量性质在很... 阅读全文

posted @ 2015-08-22 20:40 一动不动的葱头 阅读(1956) 评论(0) 推荐(0)

Jordan标准形
摘要：一、引入 前面已经指出，一切n阶矩阵A可以分成许多相似类。今要在与A相似的全体矩阵中，找出一个较简单的矩阵来作为相似类的标准形。当然以对角矩阵作为标准形最好，可惜不是每一个矩阵都能与对角矩阵相似。因此，急需引入一种较为简单而且对于一般矩阵都可由相似变换得到。 当矩阵A能相似于某对角矩阵时，该对角... 阅读全文

posted @ 2015-08-22 10:01 一动不动的葱头 阅读(3989) 评论(0) 推荐(0)

不变子空间
摘要：定义：如果T是线性空间V的线性变换，V1是V的子空间，并且对于任意一个x属于V1，都有Tx属于V1，则称V1是T的不变子空间。注：xxx子空间是xx线性变换的子空间例子：（1）任何一个子空间都是数乘变换的子空间（2）Pn-1是D的不变子空间。Pn-1是一切次数小于n的多项式的集合形成的线性空间，D是... 阅读全文

posted @ 2015-08-21 21:33 一动不动的葱头 阅读(1737) 评论(0) 推荐(0)

特征值和特征向量
摘要：一、其他定义设T是线性空间V的线性变换，V中所有向量的象形成的集合，称为T的值域，用R(T)表示，即 R(T)={Tx|x属于V}V中所有被T变为零向量的原象构成的集合，成为T的核，用N(T)表示，即 N(T)={x|Tx=0，x属于V}定理1：线性空间V的线性变换T的值域和核都是V的线性子空间... 阅读全文

posted @ 2015-08-21 17:35 一动不动的葱头 阅读(1303) 评论(0) 推荐(0)

基、维数、子空间、维数下降
摘要：一、问题的提出 受到空间、平面、直线不同维数的影响，始终很难理解基（一组线性无关向量）的长短和维数的区别。基的长短=维数？ 要知道空间的表示，基是三个自由度；平面则是两个自由度。在投影是维数下降... 看起来非常混沌！！二、问题的分析先分析几个结论：（1）子空间的维数≤原空间的维数因为子空间... 阅读全文

posted @ 2015-08-16 18:03 一动不动的葱头 阅读(1760) 评论(0) 推荐(0)

线性变换
摘要：线性空间中有许多变换，其中一种叫做线性变换。记住：并不是在线性空间中的变换都是线性变换！！一、定义设σ是数域F上线性空间V的一个变换，如果对于V中任意的元素α，β和数域F中任意的数k，总有（1）σ（α+β）=σ（α）+σ（β）；（2）σ（kα）=kσ（α），则称σ为线性空间V的一个线性变换。（这... 阅读全文

posted @ 2015-08-16 17:12 一动不动的葱头 阅读(1222) 评论(0) 推荐(0)

坐标与坐标变换
摘要：设V是数域F上的n维线性空间，ei（i=1，,2,...，n）是基，那么对于任意一个向量a，可表示为a=a1e1+a2e2+...+anen，称有序数组a1，a2...an为向量a在基ei下的坐标。可以看到坐标的定义：ai在xxx基下的坐标。基与坐标分别是严格有序的向量组和数组。（1）某些向量组... 阅读全文

posted @ 2015-08-16 14:58 一动不动的葱头 阅读(364) 评论(0) 推荐(0)

基与维数
摘要：一、基与维数的引入 在上一篇博客中已经介绍完了线性空间。这里再将它的定义再描述一次。通常我们说明一个线性空间的时候，我们这么表达：xxx集合构成xxx数域上的线性空间。这里提醒我们线性空间是把集合、数域以及满足相应运算律的两种运算作为统一整体的一个概念。 集合：我们讨论的重点 数域：某些数集（... 阅读全文

posted @ 2015-08-16 12:50 一动不动的葱头 阅读(1679) 评论(0) 推荐(0)

线性空间和线性变换
摘要：什么是线性的？什么是空间？什么是变换？ 变换倒是容易理解，就是某种映射。对于线性空间，有种似懂未懂的感觉，甚至对空间的概念就是三维坐标空间那样的空间。之所以会有这种朦胧的感觉，是因为经常见到但又不认真地讨论分析过它。 先给出结论，然后再仔细说明。一、结论 线性空间把集合，数域以及满足相应运... 阅读全文

posted @ 2015-08-15 18:02 一动不动的葱头 阅读(5047) 评论(0) 推荐(0)

矩阵的理解
摘要：常常思考矩阵是什么？矩阵变换是什么？有什么用？有时好像明白了有时有糊涂了。 先来看看矩阵分析都有什么内容？由于矩阵和向量关系太大，随便把向量的内容一起提及。（1）矩阵相加相减（2）向量与向量相乘（3）矩阵和向量相乘（4）矩阵和矩阵相乘（5）分块矩阵（6）几种特殊的矩阵（7）矩阵初等变换（8）行... 阅读全文

posted @ 2015-08-13 23:10 一动不动的葱头 阅读(241) 评论(0) 推荐(0)

算法和策略之间的混沌关系
摘要：算法和策略之间的混沌关系 阅读全文

posted @ 2015-08-12 23:58 一动不动的葱头 阅读(384) 评论(0) 推荐(0)

什么是算法，什么是数据结构
摘要：尽管已经学了几年，对它们也可以说大致懂得。但是，作为非计算机专业的人员，还是不会比计算机专业人员懂得多。既然没有受过专门的学习训练，自然会有三天打鱼两天晒网的感觉，一天可能冒出一个念头。于是乎，写写现在的念头，一点也没有直接抄袭其他地方的资料，还是用自家的话说比较让自己懂！可能有错，但是不要怕，先错 阅读全文

posted @ 2015-08-12 18:00 一动不动的葱头 阅读(607) 评论(0) 推荐(0)

分治法
摘要：分治法 阅读全文

posted @ 2015-08-05 23:02 一动不动的葱头 阅读(137) 评论(0) 推荐(0)

选择算法
摘要：伪代码：for i=2 to n min=A[i-1] for j=i-1 to n if A[j]<min min=A[j] A[i-1]=min 阅读全文

posted @ 2015-08-05 21:56 一动不动的葱头 阅读(172) 评论(0) 推荐(0)

两个二进制相加
摘要：伪代码：for i=n-1 downto 0 if A[i]+B[i]==0 //情况1 if flag==0 C[i+1]=0 else C[i+1]=1 flag=0 elseif A[i]+B[i]==1 //情况2 if flag==0 ... 阅读全文

posted @ 2015-08-05 17:58 一动不动的葱头 阅读(353) 评论(0) 推荐(0)

线性搜索
摘要：一、问题：线性搜索某个数是否存在。二、代码#include using namespace std;int main(){ int A[] = { 9, 2, 8, 6, 7, 1, 4, 5, 3, 0 }; int target=11; bool found = false; ... 阅读全文

posted @ 2015-08-05 17:43 一动不动的葱头 阅读(268) 评论(0) 推荐(0)

插入排序
摘要：一、理解 像扑克那样，一张一张地摸牌然后排序。二、算法流程（升序） （1）从第二张牌开始，将其取出，赋给一个临时变量temp 将temp和前一个A[K]对比，若temp小于A[K]，则将A[K]往后移动一位，再和A[K-1]对比...直到对比完第一位或者找到一个比temp小的数 ... 阅读全文

posted @ 2015-08-05 17:31 一动不动的葱头 阅读(243) 评论(0) 推荐(0)

最优化理论与方法（袁亚湘 孙文瑜）笔记（二）
摘要：范数的相容性：||AB||≤||A||.||B||容易知道，诱导p-范数和Frobenius范数满足相容性条件，且有||AB||F≤min{||A||2||B||F,||A||F||B||2}.椭圆向量范数：||x||A=(xTAx)1/2直交不变矩阵范数：||UA||=||A||显然，谱范数和Fr... 阅读全文

posted @ 2015-08-05 15:57 一动不动的葱头 阅读(1204) 评论(0) 推荐(0)

最优化理论与方法（袁亚湘 孙文瑜）笔记（一）
摘要：一、概述 在1947年，Dantzig提出求解一般线性规划问题的单纯形法之后。现在，解线性规划、非线性规划以及随机规划、非光滑规划、多目标规划、几何规划、整数规划等各种最优化问题的理论的研究发展迅速。 最优化问题的一般形式为： X属于Rn为约束集或可行域，f(... 阅读全文

posted @ 2015-08-05 14:01 一动不动的葱头 阅读(3642) 评论(0) 推荐(0)

牛顿法
摘要：从学导数那天开始，就差不多接触到了牛顿法求解零点的精髓，那时局限于一维，且只是从几何上认识到它。一、主要作用（1）求零点（2）优化（求最大最小值）二、求零点求f(x)=0.解：如图，满足近似关系 斜率k=f'(xn) xn+1≈xn-f(xn)/k 解得： xn+1≈xn-f(x... 阅读全文

posted @ 2015-08-04 17:52 一动不动的葱头 阅读(538) 评论(0) 推荐(0)

最速下降法（梯度下降法）
摘要：最速下降法的影子在机器学习中正是无处不在，它简单实用。一、表示 在最速下降法中，对权值向量w的连续调整是在最速下降的方向上，即它是与梯度向量方向相反的，梯度向量记为（1），简记（2）： 其中，η是一个正常数，称为步长或学习率参数。g(n)是在w(n)处的梯度向量值。在从迭代n到n+1的过程中... 阅读全文

posted @ 2015-08-04 13:01 一动不动的葱头 阅读(1531) 评论(0) 推荐(0)

神经网络中的反向传播算法
摘要：神经网络中的方向传播算法讲得复杂难懂。简单地说明它的原理： 神经网络：输入层，隐藏层，输出层。根据线性关系，激活函数，并最终根据监督学习写出误差表达式。此时，误差函数可写成，那么权值w和它之间存在什么关系？求偏导分析之间的变化关系 不过如此。 阅读全文

posted @ 2015-08-03 18:00 一动不动的葱头 阅读(278) 评论(0) 推荐(0)

批量学习和在线学习的区别
摘要：一、批量学习 在监督学习的批量方法中，多层感知器的突出权值的调整在训练样本集合的所有N个例子都出现后进行，这构成了训练的一个回合。换句话说，批量学习的代价函数是由平均误差能量定义的。多层感知器的突触权值的调整是以回合-回合为基础的。相应地，学习曲线的一种实现方式是通过描绘平均误差能量对回合数的图形... 阅读全文

posted @ 2015-08-03 17:42 一动不动的葱头 阅读(2925) 评论(0) 推荐(0)

LMS算法
摘要：一、感知器算法和LMS算法 感知器和自适应线性元件在历史上几乎是同时提出的，并且两者在对权值的调整的算法非常相似。它们都是基于纠错学习规则的学习算法。 感知器算法存在如下问题：不能推广到一般的前向网络中；函数不是线性可分时，得不出任何结果。 而由美国斯坦福大学的Widrow和Hoff在研究自适... 阅读全文

posted @ 2015-08-03 16:19 一动不动的葱头 阅读(892) 评论(0) 推荐(0)

粒子群算法
摘要：一、一个形象的比喻 粒子群算法可以用鸟类在一个空间内随机觅食为例，所有的鸟都不知道食物具体在哪里，但是他们知道大概距离多远，最简单有效的方法就是搜寻目前离食物最近的鸟的周围区域。 所以，粒子群算法就是把鸟看成一个个粒子，并且他们拥有位置和速度这两个属性，然后根据自身已经找到的离食物最近的解和参... 阅读全文

posted @ 2015-08-02 19:14 一动不动的葱头 阅读(509) 评论(0) 推荐(0)

模拟退火算法
摘要：模拟退火算法源于模拟退火的原理。〇、模拟退火的历史 1953年，Metropolis提出重要性采样法，即以概率接受新状态，称Metropolis准则，计算量相对Monte Carlo方法显著减少。􀂄 1983年，Kirkpatrick等提出模拟退火算法，并将其应用于组合优化问题的求解。一... 阅读全文

posted @ 2015-08-02 17:13 一动不动的葱头 阅读(1328) 评论(0) 推荐(0)

遗传算法
摘要：遗传算法，很多博客把生物的遗传原理讲得相当到位，而对于算法的详细步骤及应用却避之不谈。本博客少量提及生物原理，然后介绍算法步骤及应用。写得很匆忙，暂时这么理解，多有错误，望读者见谅。一、生物原理及数学表示 遗传算法，从生物角度看，对物种的选择是，“物竞天择，适者生存”。亲代通过基因重组和基因突... 阅读全文

posted @ 2015-08-02 10:30 一动不动的葱头 阅读(721) 评论(0) 推荐(0)

logistic回归
摘要：logistic回归总是让我很迷惑。 基本的思路是： 1、先是，特征向量x-p函数是logistic函数,注意到这里是不是密度函数，因为它的积分不是1。 2、其次，根据0-1分布，写出离散分布的概率密度函数。 3、最后，根据最大似然函数求出参数。 可是，什么情况下，特征向量x与0或1的... 阅读全文

posted @ 2015-08-01 00:03 一动不动的葱头 阅读(256) 评论(0) 推荐(0)

导航