奇文共欣赏——《史记·陈冠希本纪》

源自网络,版权、著作权均归原作者所有。

[@more@]

《史记·陈冠希本纪》


陈公冠希者,中华民国上海人也。冠希少年,肆意狂放,不拘礼法,世人奇之。时有名士宋祖德,见冠希,大惊曰:“此治世之黄手,乱世之逼人也!”冠希少年,父弃其母,寻小蜜而去,而遗巨款与冠希,冠希遂日有零钱二千元,得以恣意放浪,游于MM之间。
  
   冠希青年,凭巨款以入娱乐圈,从者甚众。冠希见娱乐圈美女甚多,乃叹曰:“不入此圈,不知天下美女何其多也!吾必一一推之!”左右皆笑,以为玩笑尔。
  
   时圈内有美女钟欣桐,人呼之为“阿娇”。冠希见之,曰“吾必推之!”左右曰:“此女甚是清纯,常自比圣女贞德,恐不可推也!”冠希笑曰:“诸公只知其貌,安知其心也!”遂立于阿娇前,推之,左右皆拜服。
  
   冠希既推阿娇,心尤不平,更寻张柏芝,更欲推之。左右惊曰:“不可!阿娇很傻很天真,而此女甚是精明,公今推之,恐日后为其所害。”冠希不听,纵大象而上,战不三合,推倒柏芝。左右皆叹息。
  
   冠希既推柏芝,兽欲更一日更甚一日,所推之女,不下千名。皆以相机摄之,号曰“艳照门”。后冠希电脑崩溃,送与人修,员工查其电脑,见艳照,大惊失色,老板闻,以千金购之,散于网上。遂天崩地裂,百兽惊惶。美日台皆惊曰:“吾以为中国乃...,不想黄暴如此!”众腐女皆自危,恐事败,以千金购冠希之头。冠希闻之,急乘机逃往美国,不敢复出。
  
   此时,阿娇,柏芝接事败。阿娇哭泣终日,惟以“很傻很天真”以自解。柏芝曰:“此冠希迫我,非我自愿也。”于是众皆疑冠希枉法。谢霆锋闻之,仰天叹曰:“吾识柏芝三十年也,怎不知其如此之贱,反不如芙蓉姐姐也!”遂将柏芝驱逐出家。
  
   此时,英皇欲索冠希之赔款,黑帮欲取冠希之头颅,冠希走投无路,遂告天下曰:“吾今退出香港娱乐圈,永不复出!”黑帮乃罢。
  左右谓曰:“公何以自断后路,近退出娱乐圈,复能何为?”冠希笑曰:“此吾之计也!吾退香港而不退大陆,不退美国,今大陆张纪中,以千金聘我演西门庆,可乎?”左右皆服之。
  
   复五十年,冠希病重,临终曰:“孤纵横半世,美女皆推,惟西施,貂禅,昭君,玉环不得推之,今孤死,得上天寻以推之,美哉!”言迄,大笑而卒,左右皆汗颜。世人叹冠希之才,乃尊之为“黄帝”,与四大名君同席。
  
   太史公曰:“中国自和谐后,屡有惊天动地者,然如冠希之黄暴绝伦者,未之有也。吾甚惜冠希之生不逢国,若在日本,安知不可为首相乎?”

来自 “ ITPUB博客 ” ,链接:http://blog.itpub.net/59630/viewspace-1001417/,如需转载,请注明出处,否则将追究法律责任。

转载于:http://blog.itpub.net/59630/viewspace-1001417/

  • 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