事典:自取灭亡的隋炀帝

隋炀帝即位不久,就办了两件事:一是在洛阳建造了东都,二是开凿了贯通南北的大运河。他兴师动众的目的,一为享乐,二为摆阔。从东都到江都的运河刚刚完工,隋炀帝就带着庞大的队伍,到江都去巡游。出发那天,隋炀帝和萧后分乘两条四层高的大龙船,船上有宫殿和上百间宫室,装饰得金碧辉煌;宫妃、王公贵族、文武官员坐着几千条彩船;后面的几千条大船,装载着卫兵和武器、帐幕。这上万条大船在运河上排开,船头船尾连接起来,竟有二百里长。运河两岸,八万多名民工,被征发来给他们拉纤,两队骑兵夹岸护送。河上行驶着光彩耀目的船只,陆地上飘扬着五彩缤纷的彩旗。到了晚上,灯火通明,鼓乐喧天,说不尽的奢豪。江都是个繁华的地方。隋炀帝到了江都,除了尽情游玩享乐,还大摆威风。为了装饰一个出巡时候用的仪仗,花了十多万人工,耗费的钱财更是无法计数。这样整整闹腾了半年,又耀武扬威地回到东都来。隋炀帝几乎每年都要出巡。有一次,他从陆路到北方去巡视,征发了河北十几个郡的民工,开凿太行山,铺一条巡行的道路;为了保护他巡行的安全,又征发了一百多万人修筑长城,限期二十天筑成。这样,他才在五十万将士的护卫下,在北方边境上巡行了一圈。隋炀帝建东都,开运河,筑长城,加上连年的大规模巡游,无休无止的劳役和沉重的赋税,把百姓压得喘不过气来。为了炫耀武功,公元611年,他悍然发动了对高丽的战争。他从江都乘龙船出发,沿着大运河直达涿郡,亲自指挥战争。下令全国军队,不论远近,一律向涿郡集中; 还派人督造兵船三百艘,造船的民伕在官吏监视下,日日夜夜在海边造船,得不到休息。他们下半身泡在海水里,从腰以下都腐烂得生了蛆,许多人受不了这样的折磨,倒在海水里了。隋炀帝又命令河南、淮南以南各地督造五万辆大车,送到高阳,给兵士运输衣甲、帐幕;又征发江、淮以南民伕和船只把各地的粮食运到涿郡。于是,无数的车辆,无数的船只,不分白天黑夜,沿着陆路和运河源源不断由南向北奔流。几十万运输物资的民伕,在半路上毙命,沿路都是倒毙的尸体。由于民伕死亡太多,耕牛也被征发拉车,弄得田园荒芜,民不聊生。人民再也没法忍受下去了,山东、河北的广大地区,接二连三地发生了农民起义,隋王朝在声势浩大的农民起义中轰然崩溃了。炀帝落入了哗变的禁卫军手中,怕被杀头,便从身上解下一条绢带,递给禁卫军头领,让他把自己活活勒死了。同时被处死的还有他的两个儿子和一个孙子。隋炀帝死后,肖皇后和宫人用床板做了口小棺材,将其装殓,草 草埋葬了。


 

  • 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