自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+

Bing's Blog

用心若镜,不将不逆,应而不藏。

  • 博客(109)
  • 资源 (4)
  • 问答 (1)
  • 收藏
  • 关注

原创 维度的辨析

向量组的维数:这组向量的最大线性无关组的个数。矩阵的维数:矩阵的秩。向量的维数:分量的个数。在三维空间中,给两个分量个数为3的向量,构成向量组,这个向量组张开的维度是二维,而不是三维,因为至少三个线性无关向量才能穷举三维中的所有向量。因此,类比到基础解系中来,基础解系构成的解空间的维数是基础解系的个数,即n−r(A)n - r(A),而不是想当然的认为是nn。

2016-10-30 16:11:22 1254

原创 证明$A^TAX = A^Tb$有公共解

这是很有趣的一道推断题,结合考察很多有趣的结论。首先我们需要明确,ATbA^Tb是一个向量,因此,待证的结论本质是:非齐次方程组有解。因此,问题化为求证:r(ATA)=r(ATA|ATb)r(A^TA) = r(A^TA|A^Tb)那么如何思考求证这个命题呢?我们想,如果ATbA^Tb可以是由ATA^T的列向量表示,那么问题是否可以简单化?因为我们特别证过:ATA,A是等秩的。A^TA,A是等秩的。

2016-10-30 15:34:37 2318

原创 证明$r(A^TA) = r(A)$

首先需要明确,这个证明的切入点是:方程组的解相同。1)证明r(ATA)≤r(A)r(A^TA) \leq r(A)当AX=0时,ATAX=0AX = 0时,A^TAX = 0必然成立,即:ATAX=0A^TAX = 0的解,包含了AX=0AX = 0的解,就说明了ATAX=0A^TAX = 0的基础解系包含AX=0AX = 0的基础解系。因此:n−r(ATA)≥n−r(A)n-r(A^TA) \ge

2016-10-30 15:00:48 5027 1

原创 中缀表达式变后缀分析

将中缀变为相应的后缀,需要根据的优先级来进行栈的变化 一般以icp(in coming priority)表示栈外优先isp(in stack priority)表示栈内优先int icp (char ch) 的定义如下:int icp(char ch){ switch (ch) { case '#': return 0

2016-10-29 23:19:06 1303

原创 一种求解线性方程组的技巧

给定一个线性方程组,不管是齐次还是非齐次,都有标准的算法:化为阶梯型,然后找基础解系求解。但是通常会将一个未知量放在系数矩阵偏左的位置,让你变化时非常难受,因此,将变量换位是这一类比较有效的解决技巧,计算量将大大降低,且非常顺手。问:当λ\lambda何值时,方程组无解,有唯一解,或无穷多解?⎧⎩⎨⎪⎪2x1+λx2−x3=1,λx1−x2+x3=2,4x1+5x2−5x3=−1\begin{ca

2016-10-29 20:13:42 1809

原创 a^n - b^n

an−bna^n - b^n添项法: an−bn=an−an−1b+an−1b−an−2b2−...−bn=an−1(a−b)+an−2b(a−b)+...+bn−1(a−b)=(a−b)(an−1+an−1b+...+abn−2+bn−1)a^n - b^n = a^n - a^{n-1}b + a^{n-1}b - a^{n-2}b^2 - ... -b^n \\= a^{n-1}(a-

2016-10-28 23:34:03 2468

原创 总体与样本的理解

对于这个不部分的理解总是有一些不确定,所以运用起来除了记公式,套模型,几乎不能够引申理解。看了一遍最基本的定义,发现非常的简洁易懂。摘录+理解如下。在概率论章节,我们对一个变量的分布模型是已经知道的,带着这个模型再去研究或者说计算相应的性质,数字特征等。但是在数理统计这部分,事情的切入角度是不一样的:研究的随机变量分布是不知道的,但是我们常常需要通过一些手段来推断这个随机变量的分布。这个手段是:多次

2016-10-26 19:19:51 9434

原创 TCP连接吞吐率和线路效率的总结

TCP的最大吞吐率 = 一个RTT传输的有效数据 / RTT线路效率 = 最大吞吐率/信道带宽信道效率可以理解为:提供的带宽实际利用到的比例。因此可以看一道习题。 在一个TCP连接中,信道带宽是1Gb/s,发送窗口大小固定为65535B,端到端时延是20ms。可以取得的最大吞吐率是多少?线路效率是多少?分析:一个RTT = 40ms,因此,最大吞吐率是:65535B / 40ms =13.10

2016-10-26 17:14:17 10514 6

原创 TCP连接最大数据率的计算

首先需要回顾一下滑动窗口的编号计算问题。http://blog.csdn.net/u011240016/article/details/52653923理解了这个后,便可以自然地理解TCP最大数据率的计算问题了。我们带着题目来分析。网络允许的最大报文段(MSS)的长度是128字节,序号用8比特表示,报文段在网络中的寿命为30s,求每一条TCP连接所能达到的最大数据率。分析:老实说这个问题没有扎实的功

2016-10-26 17:05:05 11158 6

原创 TCP协议最大字节数计算

主机A和主机B之间已经建立一个TCP连接,TCP最大段长度(MSS)为1000字节。若主机A的当前拥塞窗口为4000字节,在主机A向主机B发送两个最大段后,成功收到主机B发送的第一个确认段,确认段中通告的接收窗口大小时2000字节,则此时主机A还可以向主机B发送的最大字节数是:1000字节。分析:需要明白的是发送窗口大小取决于min(接收窗口,拥塞窗口);但是仅仅知道这个还不够,需要理解这里缓存的使

2016-10-26 15:07:22 12766

原创 秩为1的矩阵,向量,绩的联合使用

前面专门讨论过秩为1的矩阵,由Ax=0Ax = 0有n-1个线性无关向量,联想到:Aα=0⋅αA\alpha = 0\cdot \alpha,知道0必是A的特征值,且是n-1重特征值。这样的性质如果单独考察,就过于简单了。在另一篇文章中总结过秩为1的矩阵求幂的思路。http://blog.csdn.net/u011240016/article/details/52805663这个做法也是通用的,即:

2016-10-25 20:10:53 3199

原创 由有序序列折半查找构建判定树

需要特别强调的是折半查找的判定树是一棵平衡树。一般对于一个有序序列折半查找过程,需要从中间结点开始结点比较起,这样就会进入左子树或者右子树进行比较,因此,只要明白了树的根结点怎么确定的,就能够递归的处理左右子树,也就是mid左右两半元素对应的是左右子树的元素。举例如下:构建一个12个元素的有序表的判定树。不妨假设是1,2,3,4,… , 12 则mid=(1+12)÷2=6mid = (1+12

2016-10-25 16:07:13 28744 11

原创 关于max(X,Y),min(X,Y)

令U=max(X,Y),V=min(X,Y)U = max(X,Y), V = min(X,Y),可以得到: UV=XY;U+V=X+Y;U−V=|X−Y|;UV = XY; \\U+V = X+Y; \\U - V = |X-Y|; 这三个是很容易想到的。由此可以得到U和V的表达式:U=(X+Y+|X−Y|)2U ={ (X+Y+|X-Y|) \over 2 } V=(X+Y−|X−Y

2016-10-24 21:45:27 9391 3

原创 关于矩阵幂次的求解

一般来说,矩阵A两三次幂后就变成0了,这类可以用于(aE−A)n(aE-A)^n,只需要按照二项式展开,计算前几项即可。A=αTαA = \alpha^T\alpha,则可以用:An=αT(ααT)....(ααT)αA^n = \alpha^T(\alpha\alpha^T)....(\alpha\alpha^T)\alpha进行化简,中间是数。另外,可以用矩阵的相似对角阵进行幂次的求解。三

2016-10-24 19:29:46 3471

原创 关于被忽略的转置矩阵的公式

关于转置的公式常用的有: (AB)T=BTAT,(AT)T=A,(kA)T=kAT(AB)^T = B^TA^T, \\(A^T)^T = A, \\(kA)^T = kA^T有一个非常不同于逆与伴随的是: (AT+BT)=AT+BT(A^T+B^T) = A^T+B^T由此引申出来的有: (A−E)T=AT−ET(A-E)^T = A^T - E^T看一个例子: 设A是奇数阶矩阵,

2016-10-24 18:42:31 24827 1

原创 折半查找的平均查找次数分析

前面我们讨论过在有序顺序表的查找树中,是最不平衡树,关键字有n个,则查找失败的结点有n+1个。把这个一般化,性质不变,也即:查找失败结点仍然是n+1个。这个性质在B树部分也是成立的,不做严格推导,只引申理解。这里查找成功的平均次数和失败的平均次数分析方法与有序顺序表相同:看结点身处的深度,根结点深度是1。红色线条是查找失败路径,深度计数是边连接的圆形结点。看图中查找成功的平均次数计算。总的查找次数是

2016-10-24 16:41:40 30005 4

原创 关于折半查找的细节思考

对于有序顺序表的查找我们知道最常用的是折半或者叫二分查找的策略。代码非常简洁,先看一眼:int BinarySearch(vector<int> ins, int key){ int low = 0,high = ins.size() - 1, mid; while(low <= high) { mid = (low + high) / 2;

2016-10-24 16:12:47 1152

原创 有序表的顺序查找分析

一般线性表的顺序查找,有序表的二分查找,基于索引的分块查找等都是有独特特征的查找方式,但是有一种查找夹在一般线性表和有序下的二分查找中间,很容易被忽视,因此提出来单独讨论。这个查找就是:有序表的顺序查找。简单说,这个名字已经包含了所有的条件信息:数据有序,但是采用的是顺序查找。对于有序表还不采用二分查找实在有点浪费时间的感觉,但是也有特定的应用场景。这里只对它的查找性质做分析。主要分析的问题是:查找

2016-10-24 15:41:24 12147 8

原创 常见熟知端口号的记忆技巧

FTP: 21TELNET: 23SMTP: 25DNS: 53TFTP: 69HTTP: 80数字本身平淡无奇,但是作为最常用的几种协议,熟知他们的端口号也是很重要的,借助数字编码系统可以辅助记忆。21:鳄鱼 23:和尚 25:二胡 53:乌纱帽 69:料酒 80:巴黎铁塔FTP(文件传输协议,使用 TCP) : 通过FTP协议上传一只鳄鱼(21),结果鳄鱼太大了,卡住线路里

2016-10-24 13:56:36 18274 12

原创 kA*与(kA)*的行列式计算

A是n阶矩阵,求|kA*|的大小。分析: AA∗=|A|E,|AA∗|=|A|n,|A∗|=|A|n−1,|kA∗|=kn|A|n−1AA^* = |A|E,|AA^*| = |A|^n,\\|A^*| = |A|^{n-1},\\|kA^*| = k^n|A|^{n-1}以上是|kA*|的推导,其实就是简单的提出knk^n来,主要工作是对A*求行列式。而(kA)*的行列式,要求就不同了

2016-10-24 01:54:58 36255 1

原创 矩阵相似证明相关

设A,B均为n阶矩阵,A可逆且A~B,则下列命题中:ABAB~BABAA2A^2~B2B^2ATA^T ~BTB^TA−1A^{-1}~ B−1B^{-1}全都成立,一一证明。分析:ABAB~BABA, 因为题干说A可逆,是不是提示我们,A可以当作P这种可逆矩阵的角色? 即:A−1ABA=BAA^{-1}ABA = BA,左右同乘,恰好得证。P−1A2P=P−1APP−1AP=(P−1AP

2016-10-24 00:25:03 3836

原创 行向量组线性无关

关于行向量组线性无关,看一道习题。设A是4x5矩阵,且A的行向量组线性无关,则下列说法错误的是(C)A.ATX=0只有唯一零解A. A^TX = 0只有唯一零解 B.ATAX=0必有无穷多组解B. A^TAX=0必有无穷多组解 C.对任意的b,ATX=b有唯一解C. 对任意的b,A^TX = b有唯一解 D.对任意的b,AX=b有无穷多组解D. 对任意的b,AX=b有无穷多组解分析:A行向量组

2016-10-22 18:57:15 18292 2

原创 自治系统中单个路由表的构造

实在是因为OmniGraffle画出来的图我很喜欢,我也很喜欢在这里画图,因此才想把笔记本上的内容写到这里来。毕竟我手绘的图比这个难看多了。先看题目要求:Internet中有一个自治系统,内部结构如图所示,如果路由协议选择OSPF协议,计算R6的关于N1,N2,N3,N4的网络的路由表。分析:首先需要注意,或者算是自我提醒吧,路由器的一个端口其实标识的就是这个局域网,因此从局域网上到路由器之间是没

2016-10-22 16:19:14 2890 1

原创 IO子系统的层次结构

在计算机系统,无论软硬,经常用到的结构是层次结构。同样,IO也不例外。将IO需要完成的功能组织成一系列的层次结构,每一层利用下一层提供的服务。每层完成的是一个子功能,并向上层提供服务接口。这些特征基本上都是层次系统通用的特性,不必多说。IO系统分类的层次通常是5层。列举如下:用户层IO软件设备独立性软件设备驱动程序中断处理程序硬件首尾两个不用解释都能明白,最抽象的当然是用户看到的那些IO

2016-10-22 14:30:54 10271

原创 变量独立与不相关的区别

在数学期望的性质里有一个性质:随机变量X和Y相互独立,有:E(XY) = E(X)E(Y).事实上这里成立的充要条件是X和Y不相关即可。那么问,相互独立与不相关的关系是什么呢?独立性是指两个变量的发生概率一点关系没有,而相关性通常是指线性关系。如果两个变量不相关,指的是线性关系里不相关,但是不能说它们么有关系,可能是线性以外的其他关系。

2016-10-22 10:51:12 21516 2

原创 一道概率题

设随机变量X和Y相互独立,X的概率布为P{X=i}=13,(i=−1,0,1)P\{X = i\} = {1\over 3},(i = -1,0,1),Y的概率密度是 fY(y)=⎧⎩⎨⎪⎪1,0,0≤y<1其他f_Y(y) = \begin{cases}1, & 0 \leq y \lt 1 \\\\0, &其他\end{cases} 记Z = X + Y.1)求P{Z≤12|X=

2016-10-22 10:33:00 716

原创 关于两个向量组的线性无关与表出问题

n维列向量组α1,α2,...,αm,m<n\alpha_1, \alpha_2,...,\alpha_m, m < n线性无关,则n维列向量组β1,β2,...,βm\beta_1,\beta_2,...,\beta_m线性无关的充要条件是(D) A. 向量组α1,α2,...,αm\alpha_1, \alpha_2,...,\alpha_m可由向量组β1,β2,...,βm\beta_1,\

2016-10-21 19:23:06 10120

原创 磁盘访问时间计算

通常磁盘数据访问时间计算分为三个部分(实际上是四个,但是启动时间不加说明时忽略不计):寻道时间,也称寻找时间:磁头移动到指定磁道需要的时间延迟时间:磁头定位到某一磁道的扇区所需要的时间传输时间:从磁盘读出或者写入经历的时间值得强调的是,寻找磁道的时间是最大的影响因子,因此各种调度算法目的都是为了优化寻道的时间。盘面上密密麻麻的同心圆,找到需要的那个想来就很费时间,再加上访问的数据不必在相邻或

2016-10-21 14:15:45 34288 4

原创 平衡树插入调整的记忆策略

先看两个平衡树中的名词:结点的平衡因子,最小不平衡子树。平衡因子 = 结点左子树的高度 - 结点右子树的高度。最小不平衡子树:以离插入结点最近的平衡因子绝对值大于1的结点为根的子树。只有任一子树的平衡因子是-1,0,1时才是平衡树,否则需要进行调整,每次调整的都是最小不平衡子树。这句话不仅指示了调整的方向,也表达了调整可能不止一次。而需要调整的情形总共分为4种。LL型RR型LR型RL型

2016-10-20 21:52:33 1022 2

原创 平衡树的深度与最少结点数问题

对于一棵平衡树,如果以NhN_h表示深度为h时含有的最少结点数。有如下的规律: N0=0,N1=1,N2=2;Nh=Nh−1+Nh−2+1N_0 = 0, N_1 = 1, N_2 = 2; \\N_h = N_{h-1} + N_{h-2}+1这里研究的是最小结点数,最多结点数自然是满二叉树时的,不必像最少结点这样需要递推分析。通常会围绕着最少结点,最大深度反复考察这个知识点。比如给定深度

2016-10-20 21:19:18 19453

原创 泊松定理

泊松定理:在伯努利试验中,pnp_n代表事件A在试验中出现的概率。它与试验总次数n有关。如果limn→+∞npn=λ\lim \limits_{n\rightarrow +\infty} np_n = \lambda, 则limn→+∞Cknpkn(1−pn)n−k=λkk!e−λ\lim \limits_{n\rightarrow +\infty}C_n^kp_n^k(1-p_n)^{n-k} =

2016-10-20 20:52:23 34220

原创 关于分布函数连续性的运用

分布函数F(x)=P{X≤x,−∞<x<+∞}F(x) = P\{X \leq x , -\infty < x < +\infty \}分布函数天然满足的性质有:0≤F(x)≤1;limn→−∞F(x)=0;limn→+∞F(x)=10 \leq F(x) \leq 1; \lim \limits_{n\rightarrow{-\infty}}F(x) = 0; \lim \limits_{n\r

2016-10-20 19:49:32 8672 1

原创 再谈关于IP数据报分片

之前特别强调过具体的编号分片,但是少了关于总长度以及编号的细节,这里添加。http://blog.csdn.net/u011240016/article/details/52799673首先,特别强调,分片后的IP数据报,首部长度字段,总长度字段都是是变化的,因为要根据这个切分数据部分与首部。 此外,如果知道片偏移的值,那么可以确定的是当前的数据报数据部分编号即为:偏移值×8偏移值\times8,

2016-10-20 16:19:39 3310

原创 单播,组播,广播

单播(Unicast)是在一个单个的发送者和一个接受者之间通过网络进行的通信。组播(Multicast)传输:在发送者和每一接收者之间实现点对多点网络连接。如果一台发送者同时给多个的接收者传输相同的数据,也只需复制一份的相同数据包。它提高了数据传送效率。减少了骨干网络出现拥塞的可能性。组播别名是多播。广播(Broadcast)传输:是指在IP子网内广播数据包,所有在子网内部的主机都将收到这些数据包。

2016-10-20 15:44:26 659

原创 自定义文件系统下的磁盘访问次数计算

有一个文件系统如图所示:图中的方框表示目录,圆圈表示普通文件。根目录常驻内存,目录文件组织成链接文件,不设FCB,普通文件组织成索引文件。目录表指示下一级文件名及其磁盘地址(各占2B,共4B)。若下级文件是目录文件,指示其第一个磁盘块地址。若下级文件是普通文件,指示其FCB的磁盘块地址。每个目录的文件磁盘块的最后4B供拉链使用。下级目录文件在上级目录文件中的次序在图中是从左往右。每个磁盘块有512B

2016-10-20 15:07:19 10955 2

原创 FAT磁盘分配策略简说

FAT属于链接分配下的显示链接分配。即:将盘块号抽出来形成一个表(File Allocation Table),这个表创建时是在磁盘的,使用时可以调入内存,这是必然的,不然认为FAT在内存中,而内存是断电就丢失信息的存储,FAT表需要待在永久存储的地方–磁盘。查找记录在内存中进行,显著提高了检索速度以及减少了访问磁盘的次数。那么提一个关于FAT表项的计算问题,以形成一种FAT表结构的概念。假定磁盘大

2016-10-20 13:34:04 3816 4

原创 总结r(A)=1的矩阵特征向量与特征值

r(A)=1的矩阵,天生有当特征值为0时的n-1个线性无关的特征向量。方程组:Ax = 0,根据系数矩阵的秩为1,因此解向量有n-1个线性无关向量。 也即矩阵A有n-1重特征值λ=0\lambda = 0 再由∑ni=1λi=∑ni=1aii\sum_{i=1}^n\lambda_i = \sum_{i=1}^na_{ii} 可以求得λn\lambda_n,这个需要具体问题具体分析。

2016-10-20 09:31:52 27795 1

原创 关于特征方程的习题

设A是n阶矩阵,且满足A2=AA^2 = A 1)求A的特征值的取值范围。 2)证明E+A是可逆矩阵。首先先垫基,如果已知矩阵A的λ,α\lambda, \alpha则与A有关矩阵的特征值特征向量可以有下面的总结: kA⟹kλ,αkA \Longrightarrow k\lambda, \alpha Ak⟹λk,αA^k \Longrightarrow \lambda^k, \alpha

2016-10-20 01:32:21 2148

原创 区分网关和路由器

借助一道题目引出网关和路由器的区别,理清网关的概念。加入一台连接到网络上的计算机的网路配置是:IP地址为136.62.2.55,子网掩码是255.255.192.0,网关地址是136.62.89.1。这台计算机在网络中不能与其他主机进行通信,其中设置导致了问题产生的是:A. 子网掩码 B. 网关地址 C. IP地址 D. 其他配置分析:因为B类地址的开头是128~191,因此这个是B类地址,也

2016-10-19 22:05:35 4934 5

原创 CIDR的IP地址与可分配的IP地址辨析

CIDR技术的作用是:把小的网路汇聚成大的超网。IP地址数= 可分配的IP地址数 + 2。1) CIDR地址块192.168.10.0/20所包含的IP地址范围是(192.168.10.0~192.168.15.255)。 2) 与地址192.12.0.19/28同属于一个子网的主机地址范围是(192.12.0.17~192.12.0.30)。通过这个小的知识点解释一下IP地址范围与可分配的IP

2016-10-19 21:27:12 8991 1

TensorFlow for Deep Learning: From Linear Regression to Reinforcement Learning

2018.3月出版,完整326页,非预印版,找了很久的资料,分享给大家。

2018-03-14

Hands-On Machine Learning with Scikit-Learn and TensorFlow -- 2017.3月第一版 + 对应代码

Hands-On Machine Learning with Scikit-Learn and TensorFlow 2017.3月第一版的英文书以及对应的代码,亲测良心资源。

2018-01-28

Practical Python and OpenCV + Case Study均为第三版两本书用Python3

Python-OpenCV教程以及Case Study,均为第三版,用Python3

2017-12-11

2009~2016真题--不含选择题解析

看不惯某些人拿别人的免费文档要很高的下载分。

2016-11-25

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

提示
确定要删除当前文章?
取消 删除