- 博客(11)
- 资源 (4)
- 收藏
- 关注
RSS订阅原创 集成学习和Adaboost分类算法详解
集成学习(Ensemble Learning)也称为多分类器系统,通过构建和组合多个学习器来完成学习任务。集成学习是机器学习中一个非常重要且热门的分支,其用多个基(弱)学习器构成一个强学习器,一般基学习器可由决策树、神经网络、支持向量机、贝叶斯分类器等构成。可以在理论上证明集成学习思想是可提升分类器性能的。这里弱（基）分类器（Weak Classifier）指的就是那些分类准确率只比随机猜测略好一点的分类器，而强分类器（ Strong Classifier）的分类准确率会高很多。
2025-11-16 10:52:48
549
1
原创 长短期记忆网络（LSTM）模型直观理解
再将更新后的细胞状态（$C_t$）通过 tanh 压缩到 $- 1$和$1$ 之间，两者点乘得到当前输出（$h_t$），同时$h_t$也是输向下一个LSTM的隐藏状态。实现：接收上一时刻输出（$h_{t-1}$）和当前输入（$x_t$），通过 sigmoid 计算出“遗忘权重”，在$(0,1)$之间，与细胞状态（$C_{t-1}$）点乘，效果是根据当前信息弱化长期信息中的某些信息。比如units =50，表示隐藏状态 ($h_t$) 的维数和细胞状态 ($c_t$) 的维数两者都是 50 维。
2025-11-16 07:22:43
1675
原创 使用PdfLatex编译中文生成的pdf文件复制乱码问题
用PdfLatex编译一些中文模板制作的中文tex文件，能正常编译生成文件，能正常阅读，但是在文件中复制出的汉字是乱码。上一次用老版本的CTEX避免这一问题。使用: \usepackage{ccmap}
2024-04-05 15:15:29
592
4
原创 Latex中调整上下插图的间距
查到的方法大多数是在两个figure环境之间使用\vspace{-2cm}调整间距，在新版的CTEX中，这个无效。使用\newline\vspace{-2cm}有效但提示错误。找到的对新版CTEX有效的方法是：在两个figure环境中使用：\leavevmode\newline\vspace{-2cm}，这能调整间距且不报错。使用如下命令在latex中插图时，缺省的间距较大。
2024-04-02 12:39:07
2377
2
原创 动态规划：找凑零钱
问题：一个地区有三种钞票，币值分别为{1、5、11}，要凑够元，最少需要张钞票。按照贪心算法的策略，先凑出最大面值的11，剩下的4个分别对应四个1元的钞票，这总共需要5张钞票。实际上，的钞票也能凑够15元。这样就把原有的大问题转化为同类型的小问题。如果用用 f(n) 表示凑出 n 最少需要的钞票张数，从前面的分析可知：如果我们计算出f(1), f(2), ..., f(k)，就能计算出f(k+1)。从归纳计算的角度看，我们就解决了f(n)的计算问题。归纳计算的公式为。
2023-04-01 08:06:37
544
原创 动态规划：求解整数序列最长严格递增子序列问题
整数列最长严格递增子序列问题是一个经典的算法问题。这个问题的目标是在一个给定的整数序列中，找到一个最长的严格递增子序列。
2023-03-31 16:11:57
433
原创 动态规划：求解任意长度钢条切割效益最大化问题
钢条切割问题是动态规划中的一个经典问题。这个问题的目标是将一根长度为n的钢条切割成若干小段，使得这些小段的总收益最大。这里的收益指的是每一小段钢条的价格之和。某公司出售一段长度为 i (单位： m) 的钢条, 对应的价格为 p_i, 钢条 长度为整数, 下面表格给出对应价格表。没有列出10以上的钢条价格，可以认为由于运输或设备问题，公司不能力售出10米以上的钢条。这个问题可以使用动态规划来解决。
2023-03-31 15:41:58
487
原创 旅行商问题的蚁群算法
由于这些场景中涉及到大量城市或地点之间的距离或成本，如果要求出精确解需要枚举所有可能路径并比较其总和，这样计算量会随着城市数量呈指数级增长，非常耗时甚至无法完成，它是组合优化中的NP困难问题。旅行商问题是一个经典的组合优化问题，它的提出和研究有着悠久的历史。最早的描述是1759年欧拉研究的骑士环游问题，即对于国际象棋棋盘中的64个方格，走访64个方格一次且仅一次，并且最终返回到起始点。1954年，Dantzig等人用线性规划的方法取得了旅行商问题的历史性的突破——解决了美国49个城市的巡回问题。
2023-03-20 13:41:25
948
原创 八数码难题——启发算法
因为每个节点都有一个启发值属性，需把启发值和节点一同放入open表，所以管理open表的方式略有不同，这里定义了一个新的expand_new函数管理open。还有，open表也不再按先进先出或后进先出的原则弹出节点，而是按启发值大小弹出节点。此外还需要定义一个按启发值大小弹出节点的新函数pop。启发算法和盲目搜索算法，同样需要open表和closed表，最大的不同之处是：每个节点有一个启发值，然后优先搜索启发值小的节点。代码在前面盲目搜索（带路径的）的基础编写，加入启发函数部分。需要移动 25 步,
2023-03-09 11:29:18
1220
1
原创 八数码问题——盲目搜索（带移动步骤）
向son_father 压入now 时，压入的是：now：now的父，这样的键对。以后到达目标节点，可以在搜索树son_fathe中反溯，从目标找父，在找父，一直找到startlayout。为了能打印出能移动到目标的移动步骤，一个自然的想法是随时管理一个到达当前节点的最短移动路径，这个想法的实现太慢了。还是选择常用的方法，建立搜索树。这个搜索树是一个字典，用来记录节点之间父子关系，字典名为 son_father。把这个python文件命名为：cha2_8数码_自己版_带路径.py 保存。
2023-03-09 08:00:13
1041
原创 八数码难题——盲目搜索（不显示移动步骤）
八数码难题是一个典型的搜索问题，出现在各种教材中，用来演示盲目搜索，启发式搜索的实现过程。这里给出的程序遵循标准的盲目搜索、启发式搜索算法编写，供初学基础搜索的同学比对参考。这里先给出只显示问题可解，不显示移动步骤的代码，可以直接简明地显示盲目搜索的步骤。
2023-03-09 07:04:20
451
Civil Engineering Formulas
2010-02-20
大学生数学竞赛的基本知识
2010-06-10
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人