2网络基础知识_CCNA

01_交换机破解密码

1、断电重启设备,按住设备上的mod键,设备重启结束,到	switch:模式
2、switch:flash_init  -- 加载flash (密码保存在 config.text中)
3、switch:dir flash: -- 显示 flash中的文件
4、switch:rename flash:config.text  flash:config.xxx -- 修改config.text 文件名
5、switch: boot 加载ios
6、这时候就绕过密码,进入到交换机中enable中
7、switch# rename  flash:config.xxx flash:config.text 修改回config.text文件

02_路由

静态路由:

路由条目一条一条写入,手动进行配置

动态路由:

让每一台网络设备自动开启路由协议。设备与设备之间,自动进行路由条目的交互
有两种类型的路由协议:(仅仅只是路由传递方式的不同)

1、距离矢量协议

主要以传递路由表为目的(RIP、EIGRP、BGP)

2、链路状态协议

1、主要以传递链路信息为目的(OSPF)
2、一切能到达目的地信息的数据,都发送给对端设备,让对端设备自己计算一条最优的路径
路由器选择路径协议:

路由器会根据路由表选择路径

路由器是如何选择协议?

不同的协议,传递产生的路由条目,在路由表内显示的开头都是不一样的

	Static	-- S --	静态路由
	RIP		-- R --	RIP协议(淘汰)
	EIGRP	-- D --	EIGRP协议(因为内部是DUAL算法,所以D开头)
	EGP		-- E --	EGP协议 (BGP协议前生,淘汰)
	BGP		-- B -- BGP协议
	OSPF	-- O --	OSPF协议

	距离矢量 - RIP EIGRP BGP
	链路状态 - OSPF

根据应用的场景不同来区分协议(同上,只是不同角度的区分)

IGP 协议 -- RIP EIGRP OSPF 
	——应用于企业内部,范围内部
	(如:企业Office,运营商内部,数据中心,总之是小范围的内部)
	就像城市内部的主干道,马路
EGP 协议 -- EGP BGP 
	—— 应用于一个团体和另外一个团体之间的连接
	(如:企业与运营商之间、运营商与运营商之间 -- BGP)
	就像城市与城市之间连接的高速公路,铁路

不同的协议怎么选择:

1、掩码长度
	例:有一张路由表,有两条路由
		3.3.3.0 /24	f0/0
		3.3.0.0 /24	f1/0
		现在有一个数据,要去往3.3.3.3,哪个口出去?
			从f0/0口出去,因为遵循最长匹配原则
2、管理距离(不同协议的一个优先级,一般出厂自带,可以修改)
	例:
		静态路由 = 1
		直连路由 = 0
		RIP = 120
		EIGRP = 90
		OSPF = 110
		---越小优先级越高
		R 3.3.3.0 /24	f0/0 
		D 3.3.3.0 /24	f1/0
		问:去往3.3.3.3,从哪个口出去?
			从f1/0出去,因为值小,越小越好
3、度量值 (跳数,就是协议内部计算路径代价值)
	有的协议以	带宽	作为度量值,不同协议的度量值不一样
	例:
		R 3.3.3.0 /24	[3] f0/0
		R 3.3.3.0 /24	[5] f1/0
		问:去往3.3.3.3,从哪个口出去?
		从f0/0口出去,因为就3跳
这三个标准的先后顺序:
	最长匹配 > 管理距离 > 度量值
	例:
		R 3.3.3.3 /32 f0/0
		D 3.3.3.0 / 24 f1/0
		去往3.3.3.3走哪个口?
			走f0/0口,因为优先级为最长匹配
  • 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