2012订票历险记

 

         本人家在甘肃庆阳正宁,在长春工作,因离西安近,西安也算大城市,所以每年回家都会坐长春到西安的直达K128。现在已经工作了,每

年回家买票都是提前10天在各售票点买票,肯定能买到。加之,每年回家都快过春节了,学生流也基本上过去了,每年回家还算顺利,票不是

很难买。今年也像往年一样,准备提前10天去售票点买票,开始听说,今年开始有网上订票,并且也听说网上订票今年出了好多问题,对于这

些问题,我根本没有在意,自个心里想,提前10天还怕买不到。今天是1.8号,我打算买1.18号的K128,去售票点问了一下,得知18号的票9号

在售票点才能卖,今天能买17号的,我打算18号走,也觉的明天肯定能买到18号的票,根本没问17号的票。售票员告诉我,现在网上和电话订票

提前12天就可以订,建议我通过电话或网上买18号的票,我问售票员,明天买18号的票肯定能买到吧,售票员告诉我,不一定,现在电话和网

上订票提前12天就可以订了,估计在网上都快订完了。我有点生气,反问到:今天不卖18号的票,明天开始卖,怎么可能买不到呢?抱着侥幸

心理,想明天肯定能买到。回来后,打开电脑,在12306上注册了账户,也通过电话订票,发现18号的票已经被电话和网上订购完了,只剩几张

站票了,开始我真不相信,以为电话和网上查的不准或是我可能没搞明白,还是想明天去买18号的。但有害怕有差错,毕竟在外一年了,过春

节真想回家。打算下午问一下午去售票点买张17号的票,提前一天走。结果才知道17号的站票都没了,有点慌了,回去打开电脑,再次确认电

话和网上订票18号确实就剩下几张站票,想订,系统还很慢,一时半会可能还订不到。查询了19号,发现19号还有几张硬座和硬卧,感觉很高

兴,订19号吧,但一会就又心瓦凉瓦凉的,因现在是网上订票高峰期,并发访问量大,根本就挤不进去,有点崩溃的感觉。我都准备好,今天

下午一直呆在电脑旁,就订着19号那几张票了,终天皇天不负苦心人,终于挤进去了,订到了一张,但通过网银支付的时候出了点小麻烦,本

人的网银是交行的,但支付界面没有交行的,我还以为不支持交行,选择了一个银联支付,但貌似要开通银联支付功能,根据提示没有成功,

感觉太心灰意冷了,都要跑下去把交行卡钱取出来,存进工行,然后再开通工行网银,感觉太折腾,时间来不及了。我想,交行肯定能支付,

万般无奈之下,给交行客服打电话,告诉我,支付界面有快捷支付等等,还有网银支付,让我选择网银支付,感觉一下豁然开朗,接下来,就

顺利的订到了一张,天哪太惊险了,惊险的是订票过程中,自己的心理变化,起起伏伏。松了一口气,骂了一下铁道部,你MLGB,老子是搞计算

机的,订票都这么惊险,你TMD,那些农民工,提前10天在售票点辛辛苦苦等票,结果都被电话和网上订完了,铁道部,你TMD是怎么考虑的?

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
### 支持向量机非线性回归通用MATLAB程序解析 #### 一、概述 本文将详细介绍一个基于MATLAB的支持向量机(SVM)非线性回归的通用程序。该程序采用支持向量机方法来实现数据的非线性回归,并通过不同的核函数设置来适应不同类型的数据分布。此外,该程序还提供了数据预处理的方法,使得用户能够更加方便地应用此程序解决实际问题。 #### 二、核心功能与原理 ##### 1. 支持向量机(SVM) 支持向量机是一种监督学习模型,主要用于分类和回归分析。对于非线性回归任务,SVM通过引入核技巧(kernel trick)将原始低维空间中的非线性问题转换为高维空间中的线性问题,从而实现有效的非线性建模。 ##### 2. 核函数 核函数的选择直接影响到模型的性能。本程序内置了三种常用的核函数: - **线性核函数**:`K(x, y) = x'y` - **多项式核函数**:`K(x, y) = (x'y + 1)^d` - **径向基函数(RBF)**:`K(x, y) = exp(-γ|x - y|^2)` 其中RBF核函数被广泛应用于非线性问题中,因为它可以处理非常复杂的非线性关系。本程序默认使用的是RBF核函数,参数`D`用于控制高斯核函数的宽度。 ##### 3. 数据预处理 虽然程序本身没有直接涉及数据预处理的过程,但在实际应用中,对数据进行适当的预处理是非常重要的。常见的预处理步骤包括归一化、缺失值处理等。 ##### 4. 模型参数 - **Epsilon**: ε-insensitive loss function的ε值,控制回归带宽。 - **C**: 松弛变量的惩罚系数,控制模型复杂度与过拟合的风险之间的平衡。 #### 三、程序实现细节 ##### 1. 函数输入与输出 - **输入**: - `X`: 输入特征矩阵,维度为(n, l),其中n是特征数量,l是样本数量。 - `Y`: 目标值向量,长度为l。 - `Epsilon`: 回归带宽。 - `C`: 松弛变量的惩罚系数。 - `D`: RBF核函数的参数。 - **输出**: - `Alpha1`: 正的拉格朗日乘子向量。 - `Alpha2`: 负的拉格朗日乘子向量。 - `Alpha`: 拉格朗日乘子向量。 - `Flag`: 标记向量,表示每个样本的类型。 - `B`: 偏置项。 ##### 2. 核心代码解析 程序首先计算所有样本间的核矩阵`K`,然后构建二次规划问题并求解得到拉格朗日乘子向量。根据拉格朗日乘子的值确定支持向量,并计算偏置项`B`。 - **核矩阵计算**:采用RBF核函数,通过`exp(-(sum((xi-xj).^2)/D))`计算任意两个样本之间的相似度。 - **二次规划**:构建目标函数和约束条件,使用`quadprog`函数求解最小化问题。 - **支持向量识别**:根据拉格朗日乘子的大小判断每个样本是否为支持向量,并据此计算偏置项`B`。 #### 四、程序扩展与优化 - **多核函数支持**:可以通过增加更多的核函数选项,提高程序的灵活性。 - **自动调参**:实现参数自动选择的功能,例如通过交叉验证选择最优的`Epsilon`和`C`值。 - **并行计算**:利用MATLAB的并行计算工具箱加速计算过程,特别是当样本量很大时。 #### 五、应用场景 该程序适用于需要进行非线性回归预测的场景,如经济预测、天气预报等领域。通过调整核函数和参数,可以有效应对各种类型的非线性问题。 ### 总结 本程序提供了一个支持向量机非线性回归的完整实现框架,通过灵活的核函数设置和参数调整,能够有效地处理非线性问题。对于需要进行回归预测的应用场景,这是一个非常实用且强大的工具。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值