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

-+
  • 博客(25)
  • 收藏
  • 关注

原创 医学健康数据分析与挖掘(一)—— R语言实战

1 实验简介R简介及线性回归实验熟悉 R 语言基本语法利用 R 语言完成线性回归2 实验内容2.1 混合同余法利用如下递推公式:xn=(axn−1+c) mod mx_{n} = ( ax_{n-1} + c ) \ mod \ mxn​=(axn−1​+c) mod m用混合同余法产生 ,编写一个函数,并利用该函数计算:如果 x0=3x_0 = 3x0​=3,xn=(5n−1+7) mod 200x_n =

2022-03-15 20:09:29 4877

原创 进程调度实验

一、实验目的通过编写程序实现进程或作业先来先服务、高优先权、按时间片轮转调度算法,进一步掌握进程调度的概念和算法,加深对处理机分配的理解。了解进程(线程)的调度机制。学习使用进程(线程)调度算法,掌握相应的与调度有关的 API 函数。二、实验环境Tencent 云服务器一台三、实验内容1 先来先服务算法1.1 算法简介先来先服务算法是最简单的调度算法,既可以用于作业调度 ,也可以用于程序调度,当作业调度中采用该算法时,系统将按照作业到达的先后次序来进行调度,优先从后备队列中,选择一个

2021-11-21 14:11:01 4518 4

原创 Docker Compose 入门

1. Docker Compose 简介前面我们使用 Docker 的时候,定义 Dockerfile 文件,然后使用 docker build、docker run 等命令操作容器。然而微服务架构的应用系统一般包含若干个微服务,每个微服务一般都会部署多个实例,如果每个微服务都要手动启停,那么效率之低,维护量之大可想而知。使用 Docker Compose 可以轻松、高效的管理容器,它是一个用于定义和运行多容器 Docker 的应用程序工具。通过 Compose,只需可以使用 YML 文件来配置应用程序

2021-11-14 20:56:16 371 1

原创 Dockerfile 入门

1. Dockerfile 简介当我们需要配置软件时,会去 Docker Hub 中搜索镜像,然而很多官方镜像都像是基础包,很多功能都不具备,难以单独直接满足我们需求(例如下图的 CentOS),通常会自己搭建自己的镜像。Dockerfile 是 Docker 中用于定义镜像自动化构建流程的配置文件,在 Dockerfile 中,包含了构建镜像过程中需要执行的命令和其他操作。通过 Dockerfile 可以更加清晰、明确的给定 Docker 镜像的制作过程,由于仅是简单、小体积的文件,在网络等介质中

2021-11-14 20:53:21 991

原创 Linux实现银行家算法

1 实验目的熟练Linux系统编程操作了解死锁避免的原理。研究银行家算法的实现方法。2 实验任务最有代表性的避绝死锁的算法是迪杰斯特拉(Dijkstra)提出的银行家算法。该名字的由来是,该算法原本为银行系统而设计,以确保银行在发放现金货款时不会发生不能满足所有客户需要的情况。在 操作系统(OS) 中也可用它来避免死锁。为实现银行家算法,每个新进程在进人系统时,其都必须申明在运行过程中可能需要每种资源类型的最大单元数目,该数目不应超过系统所拥有的资源总数。当进程清求一组资源时,系统须首先确定

2021-11-07 21:30:53 7752 10

原创 进程通信实验

一、实验目的了解什么是消息。熟悉消息传送机理。编程实现消息的发送与接收。了解和熟悉共享存储机制。学会用共享存储区方法进行通信。二、实验环境Tencent 云服务器一台三、实验内容1 消息的发送与接收1.1 消息队列(独立进程)使用系统调用 msgget(),msgsnd(),msgrev(),及 msgctl() 编制一长度为 1k 的消息发送和接收的程序。设计思路:为了便于操作和观察结果,编制二个程序 client.c 和 server.c,分别用于消息的发送与接收。s

2021-11-07 12:51:07 2628

原创 进程控制及信号编程实验

实验目的掌握进程的概念,明确进程和程序的区别。认识和了解并发执行的实质。分析进程争用资源的现象,学习解决进程互斥的方法。了解什么是信号。熟悉 LINUX 系统中进程之间软中断通信的基本原理。实验环境Tencent 云服务器一台实验内容1 进程控制1.1 题目编写一段程序,使用系统调用 fork() 创建两个子进程,在系统中有一个父进程和两个 子进程活动。让每个进程在屏幕上显示一个字符;父进程显示字符“a” ,子进程分别显示 字符“b” 和“c” 。试观察记录屏幕上的显示结果,并分

2021-11-02 17:10:27 4223

原创 Docker 仓库管理

我们下面介绍 docker 仓库管理。1 简介非常类似 Git 和 Github 的关系,Docker 和 Docker Hub 也是如此,Docker Hub 是 Docker 官方维护的一个公共仓库,用户可以在这里注册账号,推送自己的本地镜像到远程仓库。目前,绝大多数需求所需要的镜像都可以在 Docker Hub 上找到。2 Docker Hub这里以搜索 MySQL为例,我们介绍 Docker Hub 的使用。首先我们在搜索框中输入 MySQL,可以看到返回了很多结果:我们选择第一个官

2021-10-25 18:57:36 560 2

原创 理解 Docker 网络

这一节我们介绍一下 Docker 网络。1 Doker0为了实现容器到容器和容器到宿主机之间的通信,Docker 本身就已经提供了几种解决方案。当我们安装了docker 后,会自动配置一个虚拟的网桥叫 Docker0 在宿主机上。这个网桥在容器内的网络和宿主机网络之间将作为接口的主节点,允许 docker 去分配虚拟的子网给即将启动的容器。每当有一个 docker 容器创建时,Docker0 会为其接口分配一个ip地址(默认容器接口地址与 Docker0 处于同一子网下),用于主机与 docker 容

2021-10-25 18:53:15 187

原创 1024 程序员节

In memory of October 24th, 2021.

2021-10-24 21:30:42 128

原创 Linux多进程实现读写者问题:读优先、写优先、公平排队实现

1. 任务简介一个数据文件或记录可被多个进程共享,我们把只要求读该文件的进程称为 reader进稈,其他进程称为writer进程。允许多个进程同时读一个共享对象,因为读操作不会使数据文件混乱。但不允许一个writer进程和其他reader进程或writer进程同时访回共享对象,因为这种访问将会引起混乱。所谓读者-写者问题(reader-writer problem)是指保证一个writer进程必须与其他进程互斥地访问共享对象的向步问题。读者-写者问题常被用手测试新同步原语。读者-写者问题被提出后,就一直

2021-10-06 00:52:58 5848 12

原创 Linux多进程4种策略实现哲学家进餐问题

1. 任务简介一张圆桌上坐着5名哲学家,每两个哲学家之间的桌上摆一根筷子,桌子的中间是一碗米饭。哲学家们倾注毕生的精力用于思考和进餐,哲学家在思考时,并不影响他人。只有当哲学家饥饿时,才试图拿起左、右两根筷子(一根一根地拿起)。如果筷子己在他人手上,则需等待。饥饿的哲学家只有同时拿起两根筷子才可以开始进餐,当进餐完毕后,放下筷子继续思考。本实验要求利用Linux多进程实现哲学家进餐问题。2. 思路分析我们分析题目中的同步和互斥关系:2.1 同步关系本题中并不存在需要特别关注的同步关系2.2 互

2021-10-05 16:19:55 5332 7

原创 Linux多进程实现生产者消费者问题

1. 任务简介生产者消费者问题(Producer-consumer problem),也称有限缓冲问题(Bounded-buffer problem),是一个著名的进程同步问题的经典案例。它描述的是有一组生产者进程在生产产品,并将这些产品提供给一组消费者进程去消费。为使生产者进程和消费者进程能够并发执行,在这两者之间设置里一个具有nnn个缓冲区的缓冲池,生产者进程将他所生产的的产品放入一个缓冲区中;消费者进程可从一个缓冲区中取走产品并进行消费。尽管所有的生产者进程和消费者进程都是以异步方式运行的,但亡们之

2021-10-04 17:46:56 9823

原创 多生产者单消费者捆绑消费问题

多生产者单消费者捆绑消费问题1. 问题描述某商店有两种食品A和B,最大数量各为m个。该商店将A,B两种食品搭配出售,每次各取一个。为避免食品变质,遵循先到食品先出售的原则,有两个食品公司分别不断地供应AB两种食品(每次一个)。为保证正常销售,当某种食品的数量比另种的数量超过k(k<m)个时,暂停对数量大的食品进货,补充数量少的食品,请回答:(1) 共需设置几个进程?(2) 试用P,V操作解决上述问题中的同步和互斥关系2. 问题分析首先,我们对问题进行抽象:可以看作是多生产者,单消费者问题。

2021-09-27 21:28:57 1555

原创 Docker 入门

一、Docker简介Docker是一个虚拟环境容器,可以将你的开发环境、代码、配置文件等一并打包到这个容器中,并发布和应用到任意平台中。二、Docker产生背景在实际的开发应用中,开发一款软件往往会基于一定的开发环境,依赖于各式各样的库和包。传统的软件开发往往需要开发人与书写开发文档,详细说明软件所需的运行环境。当软件需要测试或者部署到某台机器上时,对应的运维人员需要重新配置开发环境,否则就会导致软件发生错误,或者是无法运行。这就给软件的测试、推广带来了很大麻烦;其次,当软件软件所需的环境更新时,可能

2021-09-24 00:59:44 194

原创 sklearn多种模型实现糖尿病患者预测

一、实验目的系统性掌握数据挖掘的流程和方法。二、实验内容1. 实验数据根据美国疾病控制预防中心的数据,现在美国1/7的成年人患有糖尿病。但是到2050年,这个比例将会快速增长至高达1/3。在UCL机器学习数据库里一个糖尿病数据集,通过这一数据集,建立一个数据分析模型实现对病人是否患病进行预测。数据地址:https://github.com/susanli2016/Machine-Learning-with-Python/blob/master/diabetes.csv数据集位768 ×\time

2021-06-12 15:18:05 13824 11

原创 随机游动Metropolis算法拟合标准拉普拉斯分布

1. 题目分析使用随机游动的Metropolis抽样方法产生标准拉普拉斯分布的随机数,其中使用正态分布产生增量,比较由提议分布不同方差生成的链的差异,并比较每个链的接收概率。2. 代码展示我们首先先导入所需要的库:import numpy as npimport scipy.stats as stimport seaborn as snsimport matplotlib.pyplot as plt按照给定目标分布f,提议分布g,按照随机游动的Metropolis算法我们编写代码:def

2021-06-09 12:42:22 1449

原创 K-means算法手动实现

1. K-means算法k均值聚类算法(k-means clustering algorithm)是一种迭代求解的聚类分析算法,其步骤是,预将数据分为K组,则随机选取K个对象作为初始的聚类中心,然后计算每个对象与各个种子聚类中心之间的距离,把每个对象分配给距离它最近的聚类中心。聚类中心以及分配给它们的对象就代表一个聚类。每分配一个样本,聚类的聚类中心会根据聚类中现有的对象被重新计算。这个过程将不断重复直到满足某个终止条件。终止条件可以是没有(或最小数目)对象被重新分配给不同的聚类,没有(或最小数目)聚类中

2021-06-01 21:36:03 2020

原创 MH算法拟合标准柯西分布

1. 题目利用M-H算法从标准柯西分布中产生随机数,丢弃链的前1000个值,比较生成链观测值的十分位数和柯西分布理论10分位数的拟合情况,并画出QQ图和链的直方图。本题中提议分布取为N(xt,σ2)N(x_t, \sigma^2)N(xt​,σ2)。2. 代码展示我们首先先导入所需要的库:import numpy as npimport scipy.stats as stimport seaborn as snsimport matplotlib.pyplot as plt按照给定目标分布

2021-05-31 15:25:51 2631

原创 Apriori算法手动实现

1. Apriori算法关联规则挖掘是数据挖掘中最活跃的研究方法之一 。最早是由 Agrawal 等人提出的1993最初提出的动机是针对购物篮分析问题提出的,其目的是为了发现交易数据库中不同商品之间的联系规则。这些规则刻画了顾客购买行为模式,可以用来指导商家科学地安排进货,库存以及货架设计等。之后诸多的研究人员对关联规则的挖掘问题进行了大量的研究。他们的工作涉及到关联规则的挖掘理论的探索,原有的算法的改进和新算法的设计,并行关联规则挖掘Parallel Association Rule Mining,以及

2021-05-26 21:29:48 1274 1

原创 应用sklearn实现SVM和数据预处理

1. SVM算法支持向量机(Support Vector Machine, SVM)是一类按监督学习(supervised learning)方式对数据进行二元分类的广义线性分类器(generalized linear classifier),其决策边界是对学习样本求解的最大边距超平面(maximum-margin hyperplane)。SVM使用铰链损失函数(hinge loss)计算经验风险(empirical risk)并在求解系统中加入了正则化项以优化结构风险(structural risk)

2021-05-22 21:41:19 3829

原创 PageRank的原理及实现

基于 PageRank 的链接分析1. PageRank理论一般的,对于网页 AAA 的PageRank值,我们可以按照以下公式迭代计算:PRn(A)=(1−d)/N+d×(∑i=1mPRn−1(Ti)C(Ti))PR_n(A)=(1-d)/N+d\times(\sum_{i=1}^m\frac{PR_{n-1}(T_i)}{C(T_i)})PRn​(A)=(1−d)/N+d×(i=1∑m​C(Ti​)PRn−1​(Ti​)​)其中 NNN 为网页总数,PRn−1(Ti)PR_{n-1}(T_i

2021-05-22 17:16:07 475

原创 贝叶斯变分推断

贝叶推断是统计学中的一个重要问题,也是许多机器学习方法中经常遇到的问题。贝叶斯推断已经被应用于各行各业。传统的贝叶斯技术需要通过积分来计算后验分布,而伴随着计算机的发展这一问题得到解决。在面对高维的参数空间时,基于蒙特卡洛抽样的方法难以直接评估或样本。而贝叶斯变分推断技术将后验推断问题巧妙地转化为优化问题进行求解,具有更好的收敛性和可扩展性。本文将对贝叶斯变分推断技术做出介绍。

2021-05-19 20:36:13 4939 3

原创 决策树ID3算法手动实现

决策树 ID3算法手动实现1. ID3算法决策树中每一个非叶结点对应着一个非类别属性,树枝代表这个属性的值。一个叶结点代表从树根到叶结点之间的路径对应的记录所属的类别属性值。每一个非叶结点都将与属性中具有最大信息量的非类别属性相关联。采用信息增益来选择能够最好地将样本分类的属性。信息增益基于信息论中熵的概念。ID3总是选择具有最高信息增益(或最大熵压缩)的属性作为当前结点的测试属性。该属性使得对结果划分中的样本分类所需的信息量最小,并反映划分的最小随机性或“不纯性”。决策树算法的伪代码如下:

2021-05-16 11:18:00 2315 2

原创 C++实现贪吃蛇项目

**贪吃蛇C++代码的实现**#include <iostream>#include<cstdlib>#include<stdio.h>#include<ctime>#include<windows.h>#include <conio.h>#define N 20using namespace std;...

2019-12-05 18:44:26 2387 5

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

提示
确定要删除当前文章?
取消 删除