离职和回顾整理以前的工作!

       这些天不知为何,心中泛起波澜涟漪,多愁善感,伤春悲秋起来,心中莫名有些忐忑不安!

       前些天,发邮件跟领导提了离职之事,领导私下找我聊了聊,问我为什么离职,我没有寒暄,也就实话实话了,在这里工作了4年了,一直没挪过地方,原因嘛,领导待我们确实不错,薪水待遇觉得还OK,企业的产品做得也相对比较成熟,所以工作还算可以,但是回过头来想想,今年自己也快要奔多少的年纪了,时间无情,岁月残忍,就想趁着年底换一份工作,要不然明年开春又是一阵求职大潮,那时候容易淹没在人海中!领导不解的说,既然你觉得在这里觉得不错,离职不是明智之举啊,现在想要找一份自己喜欢,待遇又不错的工作是件不容易的事情,领导苦口婆心一番,反倒是我自己觉得不好意思了,领导补充说,你看现在都快年底了,明年1-2月份马上就发年终奖了,最起码你领完年终奖再走也不迟啊!现在离职,不太划算啊!说实话,心里很感激领导的好意,但是我去意已决,领导也显得无奈,其实说真的,打心眼里感激领导对我们团队的支持和照顾,我还是很喜欢我们的团队和企业的,有一群同龄的小伙伴,一起加班,一起讨论问题,一起努力,真的挺怀念的。感谢我们的小伙伴,感谢领导和公司的栽培,给了我们养分和机会,真心感谢!

        现在正好有空,想着把自己以前的一些文档,项目,知识都整理整理!算是一番回顾吧!

       之前,有用java的awt/swing弄了一个c/s版的小工具,当时主要是弄一个档案的录入工具,想着给客户用的时候,如果是原生态的java/swing界面,那就太土了,于是在网上找了一个皮肤的jar包,感觉效果还不错,之前没用java写过c/s版的窗体桌面应用程序,所以也就现学现用了,如下图:

说实话,我个人觉得,java不太适合用来开发c/s版的应用程序,布局很麻烦,做界面很繁琐!当然了,你也可以下载带有插件的IDE,有现成的控件可以拖动,那样的话,界面布局弄起来很是方便,这个小工具的源代码我存到云盘上了,需要的话,可以留言!

  • 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