bear86的专栏

在准备一篇论文的过程中，需要将一个集合进行k划分，并求出所有划分，网上搜了下并没有直接可用的算法，只好自己动手，特分享出来，转载请注明出处。首先分析将包含n个元素的集合进行k划分，假定总的划分次数为F(n,k)，则其所有的划分可以由kF(n-1,k)和F(n-1,k-1)得到，前者是指将集合的前n-1个元素划分成k个子集，则将第k个元素可以加入其中的任一个子集形成一个新的划分，后者是指集合

最近想用信息论的方法做一个关于网络方面的研究，最大熵方法是一个很有意思的方法，无意中搜到下面这篇读书笔记，比自己总结的还要全面和详细，分享一下。作者是北大软件学院的胡江堂，原文在这里：http://johnthu.spaces.live.com/blog/cns!2053CD511E6D5B1E!246.entry1. 物理学的熵2. 信息论的熵3. 熵和主观概率（

大学本科时代开始学习的概率论，从变着花样从箱子里取不同颜色的球计算概率，到计算各种离散或连续的随机分布期望、方差，再高深点就是利用生成函数求期望和方差，再就是估计理论，包括点估计、极大似然估计和区间估计等，然后是一些假设检验，最后，会加上一点随机过程的知识。       和所有中国教育中的基础理论教学一样，我们被训练去求给定分布（一般会给一些复杂的分布）的期望和方差，我们去背复杂的估计理论和假

卷积(convolution, 另一个通用名称是德文的Faltung)的名称由来，是在于当初定义它时，定义成 integ(f1(v)*f2(t-v))dv，积分区间在0到t之间。举个简单的例子，大家可以看到，为什么叫“卷积”了。比方说在(0，100)间积 分，用简单的辛普生积分公式，积分区间分成100等分，那么看到的是f1(0)和f2(100)相乘，f1(1)和f2(99)相乘，f1(2)和f2

计算方法的名称大多是与数学术语相关的，唯有蒙特卡罗方法名称特殊。大家知道，蒙特卡罗是地中海北岸的一个风景优美的城市，它是一座世界上有名的赌城。饶有兴趣的是科学家们竞用它命名了一种数学计算方法。那么，赌博与随机模拟(亦称统计试验)有什么关系呢?其实，赌博本身就可以看作是一种最简单的统计试验。例如掷骰子，一个均匀正方形的六面体，它在每一面刻有1到6的六个数码，如果要想知道掷骰子时某一面向上机会的多少，

教材云：       极大似然估计法是求估计值的另一种方法，最早由高斯(R.A,Gauss)提出，后来为费史（Fisher)在1912年重新提出，并证明该方法的一些性质．它是建立在极大似然原理基础上的一个统计方法．       极大似然原理：一个随机试验有若干种可能的结果Ａ，Ｂ，Ｃ，…．若在一次试验中，结果A出现，则一般认为试验条件对A出现有利，也即A出现的概率很大．例子：设甲

文章原作者是MIT的研究计算机视觉的博士生Dahua，很有启发性。题目中所说到的四个词语，都是Machine Learning以及相关领域中热门的研究课题。表面看属于不同的topic，实际上则是看待同一个问题的不同角度。不少文章论述了它们之间的一些联系，让大家看到了这个世界的奇妙。从图说起 这里面，最简单的一个概念就是“图”(Graph)，它用于表示事物之间的相互联系。每个图有一批节点