- 博客(20)
- 收藏
- 关注
RSS订阅转载 break、return和continue区别
1、return 语句的作用 (1) return 从当前的方法中退出,返回到该调用的方法的语句处，继续执行； (2) return 返回一个值给调用该方法的语句，返回值的数据类型必须与方法的声明中的返回值的类型一致，可以使用强制类型转换来是数据类型一致； (3) return 当方法说明中用void声明返回类型为空时，应使用这种格式，不返回任
2014-10-31 09:32:12
472
转载 基于距离的计算方法
1. 欧氏距离(Euclidean Distance) 欧氏距离是最易于理解的一种距离计算方法，源自欧氏空间中两点间的距离公式。(1)二维平面上两点a(x1,y1)与b(x2,y2)间的欧氏距离： (2)三维空间两点a(x1,y1,z1)与b(x2,y2,z2)间的欧氏距离： (3)两个n维向量a(x11,x12,…,x1n)与 b(
2014-10-31 09:14:43
611
转载 java中判断字符串是否为数字的方法的几种方法
ava中判断字符串是否为数字的方法:1.用JAVA自带的函数public static boolean isNumeric(String str){ for (int i = 0; i < str.length(); i++){ System.out.println(str.charAt(i)); if (!Character.isDigit(str.charAt(i))){
2014-10-30 17:16:00
524
转载 KKT条件
在数学中，卡罗需-库恩-塔克条件（英文原名: Karush-Kuhn-Tucker Conditions常见别名: Kuhn-Tucker，KKT条件，Karush-Kuhn-Tucker最优化条件， Karush-Kuhn-Tucker条件，Kuhn-Tucker最优化条件，Kuhn-Tucker条件）是在满 足一些有规则的条件下，一个非线性规划（Nonlinear Programming）
2014-10-28 11:02:55
5088
转载 关于Libsvm的SMO问题
上篇博客证明了关于“违反对”拉格朗日乘子选择问题，其实问题还没有结束，因为剩下如何计算G[ ]和G_bar[ ]两个数组，以及每次迭代拉格朗日乘子问题并没有解决，只是解决了关于乘子的选择问题。这篇博客就是着重解决上述问题。如果不清楚问题的话可参考（http://blog.csdn.net/zhuyue3938199/article/details/7469868）。乘子选择问题变成以下优化
2014-10-28 08:54:35
676
转载 LibSVM中select_working_set函数
最近无所事事，学习了SVM，已经学习了一段时间，做了一些仿真实验，看了一下源码，自以为牛逼了，想写点东西。呵呵，其实不是啦，是有了一点心得，所以记录下来，给其他学习SVM的人抛砖引玉而已。算是做点小小贡献。好了，废话就不多说了，正式进入主题。 最近看SVM的源码都是看LIBSVM的源码，里面最重要的就是SVM.cpp文件。那么函数的调用过程以及一些比较重要的函数解释，在这个博客
2014-10-27 11:47:25
1012
转载 拉格朗日乘子法（Lagrange Multiplier) 和KKT条件
在求取有约束条件的优化问题时，拉格朗日乘子法（Lagrange Multiplier) 和KKT条件是非常重要的两个求取方法，对于等式约束的优化问题，可以应用拉格朗日乘子法去求取最优值；如果含有不等式约束，可以应用KKT条件去求取。当然，这两个方法求得的结果只是必要条件，只有当是凸函数的情况下，才能保证是充分必要条件。KKT条件是拉格朗日乘子法的泛化。之前学习的时候，只知道直接应用两个方法，但是却
2014-10-27 08:53:39
5391
转载 libSVM源码分析
转载请注明原载地址：http://blog.csdn.net/xinhanggebuguake/article/details/8705648
2014-10-23 11:41:16
1320
转载 SVM中的数学和算法
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。一、数学部分1.1二维空间支持向量机的典型应用是分类，用于解决这样的问题：有一些事物是可以被分类的，但是具体怎么分类的我们又说不清楚，比如说下图中三角的就是C1
2014-10-23 10:09:27
585
转载 梯度下降法
回归(regression)、梯度下降(gradient descent)发表于332 天前 ⁄ 技术, 科研 ⁄ 评论数 3 ⁄ 被围观 1152 次+ 本文由LeftNotEasy所有，发布于http://leftnoteasy.cnblogs.com。如果转载，请注明出处，在未经作者同意下将本文用于商业用途，将追究其法律责任。前言:上次写过一篇关于贝叶斯
2014-10-23 09:52:52
371
转载 LIBSVM回归详细操作步骤
P.S. 多谢“三月未央”网友的提醒，本文中的一些错误得到改正，原先的第五幅图中路径有错（估计那晚太困了，稀里糊涂的就写出来了，实为害人啊）！再次感谢你们的关注，希望在交流中一起进步!修改和增加部分已经用红色字体区分了，还有就是第五章图，估计以前做错的人不少，不要怪我！ 先前的一些步骤可以参照我《科研-支持向量机(SVM)预测》中的几篇，包括文件格式等。晚上一网友发来消息说还是
2014-10-22 09:32:52
4252
1
转载 LIBSVM回归详细操作步骤(附图)
P.S. 多谢“三月未央”网友的提醒，本文中的一些错误得到改正，原先的第五幅图中路径有错（估计那晚太困了，稀里糊涂的就写出来了，实为害人啊）！再次感谢你们的关注，希望在交流中一起进步!修改和增加部分已经用红色字体区分了，还有就是第五章图，估计以前做错的人不少，不要怪我！ 先前的一些步骤可以参照我《科研-支持向量机(SVM)预测》中的几篇，包括文件格式等。晚上一网友发来消息说还是
2014-10-22 09:32:49
687
转载 C++双冒号“：：”的作用
1、作用域符号::的前面一般是类名称，后面一般是该类的成员名称，C++为例避免不同的类有名称相同的成员而采用作用域的方式进行区分如：A,B表示两个类，在A,B中都有成员member。那么 A::member就表示类A中的成员member B::member就表示类B中的成员member 2、全局作用域符号：当全局变量在局部函数中与其中
2014-10-21 13:58:49
465
转载 MATLAB自带的svm实现函数与libsvm差别
MATLAB自带的svm实现函数与libsvm差别小议 1 MATLAB自带的svm实现函数仅有的模型是C-SVC(C-support vector classification)； 而libsvm工具箱有C-SVC(C-support vector classification),nu-SVC(nu-support vector classification),one-class S
2014-10-21 13:50:41
5831
转载 libsvm 2.6 的代码注释
第一节： SVM.h 文件struct svm_node{ int index; double value;};struct svm_node 用来存储单一向量中的单个特征，例如：向量x1={ 0.002, 0.345, 4, 5.677};那么用struct svm_node 来存储时就使用一个包含5 个svm_node 的数组来存储此
2014-10-16 15:13:34
802
转载 libsvm支持向量机回归
libsvm支持向量机算法包的基本使用,此处演示的是支持向量回归机import java.io.BufferedReader;import java.io.File;import java.io.FileReader;import java.util.ArrayList;import java.util.List;import libsvm.svm;import
2014-10-15 17:18:42
1295
转载 Java读取文件方法大全
1、按字节读取文件内容2、按字符读取文件内容3、按行读取文件内容4、随机读取文件内容 public class ReadFromFile { /** * 以字节为单位读取文件，常用于读二进制文件，如图片、声音、影像等文件。 */ public static void readFileByBytes(String fileN
2014-10-15 09:40:12
364
原创 支持向量机的特点
SVM是一种有坚实理论基础的新颖的小样本学习方法。它基本上不涉及概率测度及大数定律等，因此不同于现有的统计方法。从本质上看，它避开了从归纳到演绎的传统过程，实现了高效的从训练样本到预报样本的“转导推理”，大大简化了通常的分类和回归等问题。从以上的分析可以看出，SVld的最终决策函数只由少数的支持向量所确定，计算的复杂性取决于支持向量的数目，而不是样本空间的维数，这在某种意义
2014-10-11 10:43:54
3112
转载 分布式计算、并行计算及集群、网格、云计算的区别
并行计算：并行计算是相对于串行计算来说的。可分为时间上的并行和空间上的并行。 时间上的并行就是指流水线技术，而空间上的并行则是指用多个处理器并发的执行计算。并行计算的目的就是提供单处理器无法提供的性能（处理器能力或存储器），使用多处理器求解单个问题。分布式计算：分布式计算研究如何把一个需要非常巨大的计算能力才能解决的问题分成许多小的部分，然后把这些部分分配给许多计算机进行处理，最后把这些计
2014-10-08 11:25:19
726
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人