自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+

种一棵树最好的时间是十年前,其次是现在

  • 博客(49)
  • 资源 (42)
  • 收藏
  • 关注

原创 6.3.3 异步定时方式

在异步定时方式中,没有统一的时钟,也没有固定的时间间隔,完全依靠双方相互制约的“握手”信号来实现定时控制。通常,把交换信息的两个部件或设备分为主设备和从设备。主设备提出交换信息的请求信号,经接口传送到从设备;从设备接到主设备的“请求”后,通过接口向主识别发出“回答”信号。优点:总线周期时间长度可变,能保证两个工作速度相差很大的部件或设备之间可靠地进行信息交换,自动适应时间的配合。缺点:比同

2016-09-23 18:31:38 3354

原创 6.1.3 系统总线的结构

1.单总线结构单总线结构将CPU、主存、I/O设备(通过I/O接口)都挂在一组总线上,运行I/O设备之间、I/O设备与主存之间直接交换信息。CPU与主存,CPU与外设之间可以之间进行信息交换,而无须经过中间设备的干预。注意:但总线并不是指只有一根信号线,系统总线按传送信息的不同可以细分为地址总线,数据总线和控制总线。优点:结构简单,成本低,易于接入新的设备;缺点:带宽低、负载重,多

2016-09-23 18:04:51 1622

原创 6.2.2 分布仲裁方式

分布仲裁方式不需要中央仲裁器,每个潜在的主模块都有自己的仲裁号和仲裁器。当它们有总线请求时,把他们各自唯一的仲裁号发送到共享的仲裁总线上,每个仲裁器将从仲裁总线上得到的仲裁号与自己的仲裁号进行比较。如果仲裁总线上的号优先级高,则它的总线请求不予响应,并撤销它的仲裁号。最后,获胜者的仲裁号留在仲裁总线上。

2016-09-23 17:45:41 3937

原创 6.2.1集中仲裁方式

为解决多个设备同时竞争总线控制权的问题,应当采用总线仲裁部件,以某种方式选择一个主设备优先获得总线控制权。只有获得总线控制权的设备,才能开始数据传送。总线控制逻辑基本上集中于一个设备(如CPU)中,将所有的总线请求集中起来,利用一个特定的裁决算法进行裁决,称为集中裁决方式。集中仲裁方式有链式查询方式、计数器查询方式和独立请求方式3种。1.链式查询方式链式查询方式,总线上所有的部

2016-09-23 17:38:45 3672 2

原创 Linux下安装JDK(rpm版)

1、下载JDK路径:http://www.oracle.com/technetwork/java/javase/downloads/jdk7-downloads-1880260.htmlcd /tmp wget "http://download.oracle.com/otn-pub/java/jdk/7u25-b15/jdk-7u25-linux-x64.rpm?AuthParam=...

2016-09-23 14:01:02 825

原创 DMA方式

DMA方式是一种完全由硬件进行组信息传送的控制方式。具有程序中断方式的优点,即在数据准备阶段,CPU与外设并行工作。DMA方式在外设与内存之间开辟一条“直接数据通路”,信息传送不再经过CPU,降低了CPU在传送数据时的开销,因此称为直接存储器存取方式,由于数据传送不再经过CPU,也就不需要保护、恢复CPU现场等繁琐操作。这种方式适用于磁盘机、磁带机等高速设备大批量数据的传送,它的硬件开销比较大

2016-09-23 11:42:37 19787

原创 7.4.2 程序中断方式

1.中断的基本概念程序中断是指在计算机执行现行程序的过场中,出现某些急需处理的异常情况或特殊请求,CPU暂停中断现行程序,而专区对这些异常情况或特殊情况进行处理,在处理完毕后CPU又自动返回到现行程序的断点处,继续执行原程序。程序中断的作用如下:①实现CPU与I/O设备的并行工作。②处理硬件故障和软件错误。③实现人机交互,用户干预机器需要用到中断系统。④实现多道程序、分时操

2016-09-22 17:21:05 5224

原创 7.4.1 程序查询方式

信息交换的控制完全由主机执行程序实现,程序查询方式接口中设置一个数据缓冲寄存器(数据端口)和一个设备状态寄存器(状态端口)。当主机进行I/O操作时,首先发出询问信号,读取设备的状态并根据设备状态决定下一步操作究竟是进行数据传输还是等待。①CPU执行初始化程序,并预置传输参数。②向I/O接口发出命令字,启动I/O设备。③从外设接口读取器状态信息。④CPU不断查询I/O设备状态,直到外

2016-09-22 15:41:50 4677

原创 4.2.2 常见的数据寻址方式

1.隐含寻址在指令中隐含着操作数的地址。如单地址的指令格式,就不是明显地在地址字段中指出第二操作数的地址,而是规定累加器ACC作为第二操作数,指令格式明显指出的仅是第一操作数的地址。因此,累加器ACC对单地址指令格式来说是隐含地址。隐含寻址的优点是有利于缩短指令字长;缺点是需增加硬件。2.立即(数)寻址这种类型的指针的地址字段指出的不是操作数的地址么事操作数本身,又称为立即数。

2016-09-21 18:51:07 12170

原创 4.2.1指令寻址和数据寻址

寻址方式是指寻找指令或操作数有效地址的方式,也就是指确定本条指令的数据地址,以及下一条将要执行的指令地址的方式。寻址方式分为指令寻址和数据寻址两大类。指令中的地址码字段并不代表操作数的真实地址,称为形式地址(A)。用形式地址并结合寻址方式,可以计算出操作数在存储器中的真实地址,称为有效地址(EA)。寻找下一条要执行的指令地址称为指令寻址,寻找操作数的地址称为数据寻址。1.指

2016-09-21 17:11:15 4687

原创 1.3.1 计算机的主要性能指标

1.机器字长机器字长是指计算机进行一次整数运算(即定点整数运算)所能处理的二进制数据的位数,通常与CPU的寄存器位数、加法器有关。所以机器字长一般等于内存寄存器的大小,字长越长,数的表示范围越大,计算精度越高。计算机字长通常都选定字节(Byte,8位)的整数倍,通常是2、4、8倍。不同的计算机,字长可以不相同。2.数据通路带宽数据通路带宽是指数据总线一次所能并行传送信息的位数。这里所说

2016-09-21 14:47:51 7678

原创 1.2.5 计算机系统的多级层次结构

第1级是微程序机器层,这是一个实在的硬件层,它由机器硬件直接执行微指令。第2级是传统机器语言,它也是一个实际的机器层,它由微程序解释机器指令系统。第3级是操作系统层,它由操作系统程序实现。操作系统程序由机器指令和广义指令组成,这些广义指令是为了扩展机器功能而设置的,它是由操作系统定义和解释的软件指令,所以这一层也称为混合层。第4级是汇编语言层,它为用户提供一种符号化的语言,借此可编写汇

2016-09-20 18:20:20 5335

原创 1.2.4 计算机的工作过程

计算机的工作过程1)把程序和数据装入到主存储器中。2)从程序的起始地址运行程序。3)用程序的首地址从存储器中取出第一条指令,经过译码、执行等步骤控制计算机各功能部件协同运行,完成这条指令功能,并计算下一条指令的地址。4)用新得到的指令地址继续读出第二条指令并执行,直到程序结束为止;每一条指令到都是在取值、译码和执行的循环过程中完成的。下面以取数指令(即将指令地址码指

2016-09-20 17:53:13 6245

原创 4.5.3 哈弗曼树(Huffman)树和哈弗曼编码

1.哈夫曼树的定义树中结点被赋予一个表示某种意义的数值,称为该结点的权。从树根结点到任意结点的路径长度(经过的边数)与该结点上权值的乘积称为该结点的带权路径长度。树中所有叶结点的带权路径长度之和称为该树的带权路径长度,记为WPL=连加Wi*Li式中,Wi是第i个叶结点所带的权值;Ii是该叶结点到根结点的路径长度。在含有N个带权叶子结点的二叉树中,其中带权路径长度(WPL)最小的二叉

2016-09-20 14:04:50 1286

原创 4.5.2 平衡二叉树

1、平衡二叉树的定义为了避免树的高度增长过快,降低二叉排序树的性能,我们规定在插入和删除二叉树结点时,要保证任意结点的左、右子树高度差的绝对值不超过1,将这样的二叉树称为平衡二叉树,简称平衡树(AVL树)。定义结点左子树和右子树的高度差为该结点的平衡因子,则平衡二叉树结点的平衡因子的值只可能是-1、0或1。因此平衡二叉树可定义为它或者是一棵空树,或者是具有下列性质的二叉树:它的左子树和右子

2016-09-20 11:35:27 946

原创 4.5.1 二叉排序树

1、二叉排序树的定义左子树结点值2、二叉排序树的查找二叉排序树的查找时从根结点开始,沿着某一分支逐层向下进行比较比较的过程。若二叉排序树非空,将给定值与根结点的关键字比较,若相等,则查找成功;若不等,则当根结点的关键字大于给定关键字时,在根结点的左子树中查找,否则在根结点的右子树中查找。二叉排序树的非递归查找算法:BSTNode *BST_Search(BiTree T,E

2016-09-19 18:45:18 1220

原创 4.3.2 线索二叉树

二叉树结点的各种遍历序列,其实质是对一个非线性结构进行线性化操作,使在这个访问序列中每一个结点(除第一个和最后一个)都有一个直接前驱和直接后继。传统的链式存储技能体现一种父子关系,不能直接得到结点在遍历中的前驱或后继,通过观察,我们发现在二叉链表表示的二叉树中存在大量的空指针,若利用这些空链域存放指向其直接前驱或后继的指针,则可以更方便地运用某些二叉树操作算法,引入线索二叉树是为了加快查找结点

2016-09-19 14:58:17 872

原创 4.3.1 二叉树的遍历

所谓二叉树的遍历,是指按照某条搜索路径访问树中的每个结点,使得每个几点均被访问一次,而且仅被访问一次。遍历一棵二叉树便要决定对根结点N、左子树L和右子树R的访问顺序、按照先序遍历左子树再遍历右子树的原则,常见的遍历次序有先序(NLR)、中序遍历(LNR)和后序遍历(LRN)三种遍历算法。其中,序指的是根结点在何时被访问。1、先序遍历(PreOrder)如果二叉树为空,什么也不做,否则:

2016-09-19 11:18:18 784

原创 斐波那契数列递归算法和非递归算法

斐波那契数列的表达式:F(1)=1F(2)=1F(n)=F(n-1)+F(n-2)    (n>2)递归算法:时间复杂度O(n^2)int recursive_method(int n){ if (n == 1 || n == 2) return 1; else return recursive_method(

2016-09-18 18:34:26 2328 1

原创 6.2.3 分块查找

分块查找,又称为索引顺序查找,吸收了顺序查找和折半查找各自的优先,既有动态结构,又适于快速查找。分块查找的基本思想:将查找表分为若干个字块。块内的元素可以无序,但块之间是有序的,即第一个块中的最大关键字小于第二个块中的所有记录的关键字,即第二个块中的最大关键字小于第三个块中的所有记录的关键字,依次类推。再建立一个索引表,索引表中的每个元素含有各块中最大关键字和各块中第一个元素的地址,索引表按关...

2016-09-18 17:14:56 1317

原创 6.2.2 折半查找

折半查找,又称二分查找,它适用于有序的顺序表。基本思路是:首先将给定值key与表中中间位置元素的关键字比较,若相等,则查找成功,返回该元素的存储位置;若不等,则所需查找的元素只能在中间元素以外的前半部分或后半部分中(例如,在查找表升序排列时,若给定值key大于中间元素的关键字,则所查找的元素只可能在后半部分)。然后在缩小的范围内继续进行同样的查找,如此重复直到找到为止,或者确定表中没有搜需要查找的

2016-09-18 16:46:40 897

原创 5.4.4 关键路径

在带权有向图中,以顶点表示时间,有向边表示活动,边上的权值表示完成该活动的开销(如完成活动所需的时间),则称这种有向图为用边表示活动的网络,简称为AOE网。①只有在某顶点所代表的时间发生或,从该顶点出发的各有向边所代表的活动才能开始。②只有在进入某一顶点的各有向边所代表的活动都已经结束,该顶点所代表的时间才能发生。在AOE网中仅有一个入度为0的顶点,称为开始顶点(源点),它表示整个工程

2016-09-18 15:41:27 1876

原创 5.4.3拓扑排序

有向无环图:一个有向图中不存在环,则称为有向无环图,简称DAG图。AOV网:如果用DAG图表示一个工程,其顶点表示活动,用有向边表示活动Vi必须先于活动Vj进行的这样一种关系,则将这种有向图称为顶点表示活动的网络,记为AOV网。在AOV网中,活动Vj是活动Vi的直接后继,这种前驱和后继关系具有传递性,且任何活动Vi不能以它自己作为自己的前驱或后继。拓扑排序:在图论中,由一个有向无环图的顶点

2016-09-14 17:57:08 1028

原创 5.4.1 最小生成树(Minimum-Spanning-Tree,MST)

一个连通的生成树是图中的极小连通子图,它包括图中的所有顶点,并且只含尽可能少的边。这意味着对于生成树来说,若砍去它的一条边,就会使生成树变成非连通图;若给它添加一条边,就会形成图中的一条回路。对于一个带权连通无向图G=(V,E),生成树不用,每棵树的权(即树中所有边上的权值之和)也可能不同。设R是G的所有生成树的集合,若T为R中边的权值之和最小的那棵生成树,则T称为G的最小生成树。最小生成

2016-09-14 14:04:48 1295

原创 5.3.3 图的遍历与图的连通性

图的遍历算法可以用来判断图的连通性。对于无向图来说,如果无向图是连通的,则从任一结点出发,仅需一次遍历就能够访问图中所有顶点;如果无向图是非连通的,则从某一个顶点出发,一次遍历只能访问到该顶点所在连通分量的所有顶点,而对于图中其他连通分量的顶点无法通过这次遍历访问。对于有向图来说,若从初始点到图中的每个顶点都有路径,则能够访问图中的所有顶点,否则不能访问到所有顶点。故而在BFSTr

2016-09-14 13:33:54 2454

原创 5.3.2 深度优先搜索(Depth-First-Search,DFS)

与广度优先搜索不同,深度优先搜索(DFS)类似于树的先序遍历。正如其名称中所暗含的意思一样,这种搜索所遵循的搜索策略是尽可能“深”地搜索一个图。它的基本思想如下:首先访问图中某一起始顶点v,然后由v出发,访问与v邻接且未访问的任一顶点W1,再访问与w1邻接且未被访问任一W2,……重复上述过程。当不能再继续向下访问时,依次退回到最近被访问的顶点,若它还有邻接顶点未被访问过,则从该点开始上述搜索过程,

2016-09-14 13:14:34 3033

原创 5.3.1图的遍历

图的遍历是指从图中的某一顶点出发,按照某种搜索方法沿着图中的边对图中的所有顶点访问一次且仅访问一次。注意到树是一种特殊的图,所以树的遍历实际上也可以看作是一种特殊图的遍历。图的遍历是图的一种最基本的操作,其他许多操作都建立在图的遍历操作基础之上。5.3.1广度优先搜索(Breadth-First-Search,BFS)广度优先搜索(BFS)类似于二叉树的层序遍历算法,它的基本思想是:首先访

2016-09-13 18:27:03 985

原创 5.2.4 邻接多重表

邻接多重表时无向表的另一种链式存储结构。在邻接表中,容易求得顶点和边的各种信息,但在邻接表中求两个顶点之间是否存在边,或需要对边执行删除等操作时,需要分别在两个顶点的边表中遍历,效率较低。与十字链表类似,在邻接多重表中,每一条边用一个结点表示,其结构如下图:markivexilinkjvexjlinkinfo其中,mark为标志域

2016-09-13 16:18:05 3001

原创 5.2.3 十字链表

十字链表是有向图的一种链式存储结构。在十字链表中,对应于有向图中的每条弧有一个结点,对应于每个顶点也有一个结点,这些结点的结构如下:弧结点taivexheadvexhlinktlinkinfo顶点结点datafirstinfirstout弧结点中有5个域:其中尾域

2016-09-13 15:45:32 1126 1

原创 5.2.2 邻接表法

当一个图为稀疏图时,使用邻接矩阵表示法显然要浪费大量的存储空间。而图的邻接表示法结合了顺序存储和链式存储方法,大大减少了这种不必要的浪费。所谓邻接表就是对每个顶点vi建立一个单链表,第i个单链表中的结点表示依附于顶点vi的边(对于有向图则是以顶点vi为尾的弧),这个单链表就称为顶点vi的边表(对于有向图则成为出边表)。边表的头指针和顶点的数据信息采用顺序存储(称为顶点表),所以在邻接表中存在两

2016-09-13 13:41:02 1088

原创 5.2 图的存储及基本操作

图的存储必须要完整、准确地反映顶点集和边集的信息。根据不同图的结构和算法,可以用不同的存储方式,但不同的存储方式将对程序的效率产生很大的影响,因此,所选的存储结构应适合于欲求解的问题。无论是有向图还是无向图,主要的存储方式都有两种:邻接矩阵和邻接表。前者属于图的顺序存储结构,后者属于图的链接存储结构。5.2.1邻接矩阵表所谓邻接矩阵存储,就是用一个一维数组存储图中顶点的信息,用一个二维数组存储图中

2016-09-13 11:23:47 1004

原创 5.1 图的基本概念

1、完全图在无向图中,如果任意两个顶点之间都存在边,则称该图为无向完全图。含有n个顶点的无向图有n(n-1)/2条边。在有向图中,如果任意两个顶点之间都存在方向相反的两条弧,则称该图为有向完全图。含有n个顶点的有向完全图有n(n-1)条有向边。2、连通、连通图和连通分量在无向图中,若从顶点v到顶点W有路径存在,则称v和w是连通的。若图G中任意两个顶点都是连通的,则称图G为连

2016-09-12 17:14:42 843

原创 7.7.5 最佳归并树

文件经过置换-选择排序之后,得到的是长度不等的初始归并段。下面讨论如何组织初始归并段的归并顺序,使I/O访问次数最少。m-路归并排序可用一棵m叉树描述,因为每一次作m路归并都需要m个归并段参加,因为,归并段树是一棵只有度为0和度为m的结点的严格m叉树。设由置换-选择排序得到9个初始归并段,其长度(记录数)依次为:9,30,12,18,3,17,2,6,24。现作3-路归并,各叶结点表示

2016-09-12 14:45:43 9993

原创 7.7.4 置换选择排序(生成初始归并段)

7.7.3讨论了如何使用m路归并来减少磁盘访问次数。从第7.7.2的讨论可知,减少初始归并段个数r也可以减少归并趟数S。若总的记录个数为n,每个归并段的长度为L,则归并段的个数m=[n/L]。如果采用前面介绍的内部排序方法,将得到长度相同的初始归并段。因此,必须探索新的算法俩生成初始归并段,这就是本节介绍的置换-选择算法。设初始待排文件FI,初始归并段文件为FO,内存工作区为WA,内存工作区可

2016-09-12 11:24:33 8021

原创 7.7.3 多路平衡归并与败者树

归并趟数S=[logm R](向下取整)。从而增加归并路数m可以减少归并趟数S,进而减少访问外存的次数(I/O次数)。然而,当增加归并路数m时,内部归并时间将增加。做内部归并时,在m个元素中选择关键字最小的记录需要比较m-1次。每趟归并n个元素需要作(n-1)*(M-1)次比较,S趟归并总共需要的比较次数为:S*(n-1)*(m-1)=[logmR]*(n-1)*(m-1)=[log2R]*(

2016-09-09 18:59:49 4287 1

原创 外部排序的方法

在实际应用中,由于外存设备的不同,通常又可分配磁盘文件排序和磁带文件排序两大类。磁带排序和磁盘排序的基本步骤相类似,主要的不同之处在于初始归并段在外存介质中的分布方式,磁盘是直接存储设备,磁带是顺序存储设备。下面以磁盘为例进行说明。文件通常是按块存储在磁盘上的,操作系统也是按块对磁盘上的信息进行读写的。因为磁盘读写的机械动作所需时间远远超过内存运算的时间(相比而言,可以忽略不计)。因此,在外部

2016-09-09 17:26:52 4841 7

原创 7.7.1外部排序

①外部排序指待排序文件较大,内存一次放不下,需存放在外部介质的文件的排序。②为减少平衡归并中外存读写次数所采用的方法:增大归并路数和减少归并段个数。③利用败者树增大归并路数。④利用置换-选择排序增大归并段长度来减少归并段个数。⑤由长度不等的归并段,进行多路平衡归并,需要构造最佳归并树。7.7.1外部排序的基本概念内部排序都是在内存中进行的,而在实际应用中,经常需要对大文件进

2016-09-09 15:28:32 737

原创 排序算法 归纳总结

一、直接插入排序、冒泡排序和简单选择排序是最基本的排序方法,它们主要用于元素个数n(n它们的平均复杂度均为O(n^2),实现也比较简单。1、直接插入排序对于规模很小的元素序列(n2、冒泡排序在最好的情况下只需要一趟排序过程就可以完成,此时只需要n-1次比较操作,不需要交换操作。3、简单选择排序的关键字比较次数与待排序元素序列的初始排序无关,其比较次数总是O(n^2),但元素移动次数

2016-09-09 15:05:33 1059

原创 3.5.1介质访问控制

介质访问控制所要完成的主要任务是为使用介质的每个结点隔离来自同一信道上其他结点所传送的信号,以协调活动结点的传输。用来决定广播信道中信道分配的协议属于数据链路层的一个子层,称为介质访问控制(Medium Access Control,MAC)子层。常见的介质访问控制方法有:信道划分介质访问控制,随机访问介质访问控制和轮询访问介质访问控制。其中前者是静态划分信道的方法,而后者是动态分配信道的方法

2016-09-08 23:49:49 2008

原创 7.6.2 内部排序算法的应用

(1)选取排序方法需要考虑的因素1)待排序的元素数目n。2)元素本身信息量的大小。3)关键字的结构及其分布情况。4)稳定性的要求。5)语言工具的条件,存储结构及辅助空间的大小等。(2)排序算法小结1)若n较小(N2)若文件的初始状态已按关键字基本有序,则选用直接插入或冒泡排序为宜。3)若n较大,则应采用时间复杂度为O(nlog2N)的排序方法:快速排序、堆排序或

2016-09-08 19:09:32 688

从贝叶斯公式看AI赋能人脑

從貝氏機率公式_看AI賦能人腦_ok2

2022-05-17

计算广告学第六单元课件.pdf

什么是广告? • 广告(Advertising)的定义 广告是由已确定的出资人通过各种媒介进行的有关产品(商品、服务和观点)的,通常是有偿的、有组织的、综合的、劝服性的非人员的信息传播活动。 • 广告的主体 出资人(sponsor)即广告主(advertiser),媒介(medium),受众(audience) • 广告的本质功能 是借助某种有广泛受众的媒介的力量,完成较低成本的用户接触(reach)

2021-11-03

计算广告学第五单元课件.pdf

什么是广告? • 广告(Advertising)的定义 广告是由已确定的出资人通过各种媒介进行的有关产品(商品、服务和观点)的,通常是有偿的、有组织的、综合的、劝服性的非人员的信息传播活动。 • 广告的主体 出资人(sponsor)即广告主(advertiser),媒介(medium),受众(audience) • 广告的本质功能 是借助某种有广泛受众的媒介的力量,完成较低成本的用户接触(reach)

2021-11-03

计算广告学第四单元课件.pdf

什么是广告? • 广告(Advertising)的定义 广告是由已确定的出资人通过各种媒介进行的有关产品(商品、服务和观点)的,通常是有偿的、有组织的、综合的、劝服性的非人员的信息传播活动。 • 广告的主体 出资人(sponsor)即广告主(advertiser),媒介(medium),受众(audience) • 广告的本质功能 是借助某种有广泛受众的媒介的力量,完成较低成本的用户接触(reach)

2021-11-03

计算广告学第三单元课件.pdf

什么是广告? • 广告(Advertising)的定义 广告是由已确定的出资人通过各种媒介进行的有关产品(商品、服务和观点)的,通常是有偿的、有组织的、综合的、劝服性的非人员的信息传播活动。 • 广告的主体 出资人(sponsor)即广告主(advertiser),媒介(medium),受众(audience) • 广告的本质功能 是借助某种有广泛受众的媒介的力量,完成较低成本的用户接触(reach)

2021-11-03

计算广告学第二单元课件.pdf

什么是广告? • 广告(Advertising)的定义 广告是由已确定的出资人通过各种媒介进行的有关产品(商品、服务和观点)的,通常是有偿的、有组织的、综合的、劝服性的非人员的信息传播活动。 • 广告的主体 出资人(sponsor)即广告主(advertiser),媒介(medium),受众(audience) • 广告的本质功能 是借助某种有广泛受众的媒介的力量,完成较低成本的用户接触(reach)

2021-11-03

外卖广告机制的理论和实践.pdf

外卖广告机制的理论和实践.pdf

2021-10-31

深度学习在美团搜索广告排序的应用实践.pdf

在计算广告场景中,需要平衡和优化三个参与方——用户、广告主、平台的关 键指标,而预估点击率CTR(Click-through Rate)和转化率CVR (Conversion Rate)是其中非常重要的一环,准确地预估CTR和CVR对于提 高流量变现效率,提升广告主ROI(Return on Investment),保证用户体验 等都有重要的指导作用。 传统的CTR/CVR预估,典型的机器学习方法包括人工特征工程 + LR (Logistic Regression)[1]、GBDT(Gradient Boosting Decision Tree)[2] + LR、FM(Factorization Machine)[3]和FFM(Field-aware Factorization Machine)[4]等模型。相比于传统机器学习方法,深度学习模 型近几年在多领域多任务(图像识别、物体检测、翻译系统等)的突出表现, 印证了神经网络的强大表达能力,以及端到端模型有效的特征构造能力。同时 各种开源深度学习框架层出不穷,美团集团数据平台中心也迅速地搭建了GPU 计算平台,提供GPU集群,支持TensorFlow、MXNet、Caffe等框架,提供 数据预处理、模型训练、离线预测、模型部署等功能,为集团各部门的策略算 法迭代提供了强有力的支持。 美团海量的用户与商家数据,广告复杂的场景下众多的影响因素,为深度学习 方法的应用落地提供了丰富的场景。本文将结合广告特殊的业务场景,介绍美 团搜索广告场景下深度学习的应用和探索。主要包括以下两大部分: · CTR/CVR预估由机器学习向深度学习迁移的模型探索 · CTR/CVR预估基于深度学习模型的线下训练/线上预估的工程优化

2021-10-31

知乎推荐算法和帐号运营2021.pdf

1.威尔逊算法对排名和推荐的影响,知乎的算法是为了优质内容获得更多 的曝光而服务的。 • 收藏 • 感谢 • 盐值 • 成为优秀回答者 • 成为付费会员 • 提升盐值 • 实名认证 2.新账号的运营准备工作

2021-09-16

Adaptive Focus for Efficient Video Recognition.pdf

本次研究工作为提高计算效率,作者对视频识别的空间冗余进行了探讨。发现在视频的每一帧中,信息量最大的区域通常是一个小的 image patch,在不同的帧中平稳地移动。因此,作者将 patch 定位问题建模为一个连续的决策任务,并提出一种基于强化学习的高效空间自适应视频识别方法:AdaFocus。并在 ActivityNet, FCVID, Mini-Kinetics, Something-Something V1&V2 5 个基准数据上进行了实验,得出比竞争性基线明显更有效率的结果。

2021-08-23

Linux教程.ppt

1.x Linux初步与环境安装。 2.x 常用命令介绍。 3.x vi/vim文本编辑器介绍。 4.x 用户管理。 5.x 进程管理。 6.x 系统文件构成。 7.x 软件包管理。 8.x Shell编程。

2021-08-20

NLP中的注意力机制.pptx

深度学习中的注意力可以广义地解释为重要性权重的向量:为了预测一个元素,例如句子中的单词,使用注意力向量来估计它与其他元素的相关程度有多强,并将其值的总和作为目标的近似值。

2021-08-14

神经网络语言模型.pdf

词向量模型应用 • 利用词向量的语言学特性完成任务 分布假说:语义相似的词,其词向量空间距离更相近 语义相关性、同义词检测、单词类比 • 将词向量作为特征,提高自然语言处理任务的性能 使用静态词向量,在模型训练过程中,只调整模型参数,不调整入词向量 基于平均词向量的文本分类、命名实体识别等 • 将词向量作为神经网络的初始值(动态词向量),提升神经网络模型的优化效果 使用动态词向量,模型训练过程中会调整词向量的初值 基于卷积神经网络的文本分类、词性标注

2021-08-14

深度学习与问答系统.pdf

在知识工程、互联网以及自然语言处理技术的推动下,问答系统 取得了一定进展 数据源:从限定领域向开放领域发展,从小规模向海量发展  提问类型:从受限类型向开放类型发展  参与者:领域专家到普通用户,门槛越来越低  知识贡献:从个人独享到大众知识分享

2021-08-14

深度学习与情感分析.pdf

情感分析是挖掘人们对物品、服务、组织、个人、事物、事件、话题及它们 属性的观点、情感、评价、态度和情绪等 对文本中蕴含的情感进行分析、处理、归纳和推理, 可以预测用户行为和做出应对策略。 互联网上蕴含着丰富的情感信息,其巨大价值引起了科技界、企业界 和各国政府的高度重视,诸多国家和国际组织已将情感分析研究提升 到国家和国际重大战略层面。

2021-08-14

当代大学生的就业与成才.doc

摘要:当今时代,经济全球化进程日益加快,科学技术发展迅猛异常,知识经济浪潮汹涌,给大学生的就业以及职业发展既带来了机遇,也提出了挑战。任何一名大学生在规划职业生涯时,都应考虑现实的外部条件。社会经济的发展,对人才素质的要求越来越高,给大学生的职业发展提出了新的要求。因此,大学生要勇于正视社会的机遇与挑战,正确认识、准确把握大学生就业形势,了解职业发展的趋势,树立正确的择业观,为选择并迈向正确的职业发展道路奠定牢固基础。 关键字:大学生择业观 个人生涯设计

2021-08-14

电信运营-计费管理系统的设计与实现.ppt

XX电信运营商新增一项Open Lab(开放实验室)出租业务,即该电信运营商提供基于Unix平台的实验室环境,选择使用这种业务的用户能够远程登录到实验室中做基于这个实验室环境的一些工作和实验。运营商希望借助先进的计算机技术对访问实验室的用户进行管理和计费,由此实现对此项业务运营的支持与管理。本项目主要包括以下子系统: 采集系统 整合系统 用户管理系统 资费管理系统 管理员管理系统 帐单查询系统 帐务查询系统 用户自服务系统 权限管理系统

2021-08-14

SQL Server数据库实验_存储过程与触发器设计.docx

实验5.1 存储过程的建立与使用 一、实验目的 理解存储过程的概念、作用、建立和调用方法。 二、实验原理 使用CREATE PROCEDURE语句创建存储过程,ALTER PROCEDURE语句修改存储过程,DROP PROCEDURE语句删除存储过程,存储过程有不带参数的、有带输入参数的、有带输出参数(output)的,还可以有带返回值的。创建好的存储过程可以使用EXEC procedure_name语句执行。 实验5.2 触发器的建立与使用 一、实验目的 理解触发器的概念和作用;了解触发器的分类及触发条件;掌握触发器的定义及应用。 二、实验原理 1、 使用CREATE TRIGGER语句定义触发器,ALTER TRIGGER语句修改触发器,DROP TRIGGER语句删除触发器。 2、 触发器分AFTER/FOR和INSTEAD OF两种类型:AFTER/FOR类型的触发器是在相应的触发语句(insert、delete、update)执行完后被触发的。如果触发语句对应的表上有完整性约束,这些完整性约束必须不违背时,相应的触发语句才能执行,然后才能触发对应的AFTER/FOR类型的触发器。INSTEAD OF类型的触发器会在触发语句(insert、delete、update)执行之前被触发,并取代相应的触发语句。 3、 在表或视图上,每个INSERT、UPDATE或DELETE语句只能创建一个INSTEAD OF类型的触发器,无法为有外键约束且指定为级联删除或级联修改的表创建DELETE或UPDATE语句上的INSTEAD OF 类型的触发器。 SQL SERVER为每个触发器都创建了两个临时表INSERTED表和DELETED表,这两个表的逻辑结构与被触发器作用的表一样,用户可以读取这两个表的内容,但不能对它们进行修改,触发器执行完后,这两个表也会自动删除。当执行INSERT时,INSERTED表中保存要向表中插入的所有行;当执行DELETE时,DELETED表中保存要从表中删除的所有行;当执行UPDATE时,修改前的行保存在DELETED表中,修改后的行保存在INSERTED行中。

2021-08-11

SQL Server数据库实验_创建和修改数据表及数据完整性.doc

实验2 创建和修改数据表及数据完整性 一、实验目的 熟悉有关数据表的创建和修改等工作,理解数据库模式的概念,了解主键约束、外键约束、UNIQUE约束和CHECK约束的创建和应用。要求学生熟练掌握使用企业管理器和T—SQL语句CREATE TABLE、ALTER TABLE及DROP TABLE语句对数据表进行管理。 二、实验原理 在企业管理器中实现表的创建和修改等工作及使用T—SQL语句CREATE TABLE、ALTER TABLE及DROP TABLE来实现数据表的创建、修改及删除。 三、实验设备 安装有SQL SERVER 2000的计算机。 四、实验内容 示例是某公司的产品销售数据库company,company数据库中存在人事表employee、客户表customer、销售表sales、销售明细表sale_item、产品表product。

2021-08-11

SQL Server数据库实验_数据查询与更新_简单的单表查询.doc

一、实验目的 熟练掌握用SELECT语句实现简单的单表查询。掌握SELECT子句、FROM子句、WHERE子句及ORDER BY 子句的用法。 二、实验原理 用SELECT语句实现简单的单表查询。在SELECT子句中用TOP关键字来限制返回到结果集中的记录数目,用DISTINCT关键字从结果集中去掉重复的记录。WHERE子句中用关系比较符、[NOT] BETWEEN、[NOT] IN、LIKE、 IS [NOT] NULL及逻辑运算符构成查询条件,对结果集中的记录进行筛选。ORDER BY子句将根据查询结果集中一个或多个字段对查询结果进行排序。 三、实验设备 安装有SQL SERVER 2000的计算机。 四、实验示例 1.查找表中所有姓刘的职工的工号,姓名,部门,薪水 2.查找所有定单金额高于20000的所有客户编号 3.查找业务部或会计部的女员工的基本信息。 4.选取编号界于‘C0001’和‘C0004’的客户编号、客户名称、客户地址。 5.选取销售数量最多的前5条订单订单号、数量。

2021-08-11

SQL Server数据库实验_数据查询与更新_复杂的单表查询.doc

一、实验目的 熟练掌握SELECT查询语句中的Group by 子句、Having子句的用法,以及汇总函数的使用。 二、实验原理 在查询语句中用Group by子句进行分组; 用Having子句对分组进行筛选。 使用MAX(),MIN(),COUNT(),SUM(),AVG()等函数在查询结果集中生成汇总值。 三、实验设备 安装有SQL SERVER 2000的计算机。

2021-08-11

数据仓库与数据挖掘第一章Part1 Introduction DW.ppt

数据仓库和数据挖掘技术是基于大规模数据库的决策支持系统环境的核心。

2021-08-07

数据仓库与数据挖掘第二章Part2 ETL_AND_OLAP.ppt

基于SQL SERVER的数据仓库架构,Microsoft SQL Server 2012 Integration Services (SSIS) 平台可以生成高性能数据集成解决方案,其中包括为数据仓库提取、转换和加载 (ETL) 包 Microsoft SQL Server提供两种ETL方式: 1、导入和导出数据 2、SQL Server Data Tools

2021-08-07

数据仓库与数据挖掘第三章Part3 An Intruction to Data Mining.ppt

数据库中的知识发现(Knowledge Discovery in Database,简称KDD)是一个从数据库中挖掘有效的、新颖的、潜在有用的和最终可理解的模式的复杂过程。 1)数据是一组事实的集合,它可以来自不同的数据源,可以是规则数据,也可以是非规则数据。 2)模式是关于数据子集的某种语言描述的表达式或某种可应用的模型,又称为知识。 3)模式必须是有效的、新颖的、潜在有用的和最终可理解的,分别用可信度、新颖度、可用度和简单度对其进行评价

2021-08-07

数据仓库与数据挖掘第五章Part5 Clustering聚类.ppt

聚类分析是将物理的或者抽象的数据集合划分为多个类别的过程,聚类之后每个类别中任意两个数据样本之间具有较高的相似度,而不同类别的数据样本之间具有较低的相似度。

2021-08-07

数据仓库与数据挖掘第六章Part6_6_SVM支持向量机.ppt

支持向量机(Support Vector Machine,简称SVM )是由贝尔实验室研究者Vapnik等于1995年首先提出的一种新的机器学习理论。 SVM主要思想是针对两类分类问题,在高维空间中寻找一个超平面作为两类的分割,以保证最小的分类错误率。 SVM一个重要的优点是可以处理线性不可分的情况,在解决小样本、非线性及高维(避免维灾难)模式识别中表现出许多特有的优势,并能够推广应用到函数拟合等其他机器学习问题中。 SVM独特的特点:使用训练集的一个子集来表示决策边界,该子集称作支持向量。

2021-08-07

数据仓库与数据挖掘第六章Part6_5_Rough_Set粗糙集.ppt

现实生活中有许多含糊现象并不能简单地用真、假值来表示﹐如何表示和处理这些现象就成为一个研究领域。早在1904年谓词逻辑的创始人G.Frege就提出了含糊(Vague)一词,他把它归结到边界线上,也就是说在全域上存在一些个体既不能在其某个子集上分类,也不能在该子集的补集上分类。

2021-08-06

数据仓库与数据挖掘第六章Part6_4_Genetic_Algorithm遗传算法.ppt

遗传算法(Genetic Algorithms,GA)是模拟生物在自然环境中的遗传和进化过程而形成的一种自适应全局优化搜索算法。它模拟了生物的繁殖、交配和变异现象,从初始的种群,产生一群更适应环境的后代。

2021-08-06

数据仓库与数据挖掘第六章Part6_3 Neural Network神经网络.ppt

人工神经网络(Artificial Neural Network,ANN)是对人类大脑系统特性的一种描述。简单地讲,它是一种数学模型,可以用电子线路来实现,用计算机程序来模拟,是人工智能的一种方法。神经网络通过对大量历史数据的计算来建立分类和预测模型。

2021-08-06

数据仓库与数据挖掘第六章Part6_2 Naive Bayes Bayesian networks朴素贝叶斯.ppt

贝叶斯分类是统计学方法。他们可以预测类成员关系的可能性,如给定样本属于一个特定类的概率。贝叶斯分类主要是基于贝叶斯定理,通过计算给定样本属于一个特定类的概率来对给定样本进行分类。

2021-08-06

数据仓库与数据挖掘第六章Part6_1 Decision Tree决策树.ppt

决策树(decision tree)类似于流程图的树结构,由一个根节点,一组内部节点和一组叶节点组成。每个内部节点(包括根节点)表示在一个属性上的测试,每个分枝表示一个测试输出,每个叶节点表示一个类,有时不同的叶节点可以表示相同的类。

2021-08-06

数据仓库与数据挖掘第六章Part6_0 Classification.ppt

分类是数据挖掘的基本功能之一。 分类问题是一个普遍存在的问题,有许多不同的应用: 根据Email的标题和内容过滤垃圾邮件 根据核磁共振扫描的结果区分肿瘤是良性或恶性 信用分级、市场调查、图像模式识别… …

2021-08-06

HTMLCSSJavaScript标准教程:实例版(第2版)习题参考答案.docx

HTML/CSS/JavaScript标准教程:实例版(第2版)习题参考答案,为每章选择题,填空题的参考答案。

2021-08-03

互联网简历撰写技巧.zip

【1】简历撰写技巧指导 【2】应届生标准简历示范(技术类) 【3】技术类简洁版简历模板 【4】互联网风格简历模板 【5】通用简洁版简历模板 【6】英文简历模板

2021-08-02

map-reduce.pdf

MapReduce是一种编程模型,用于大规模数据集(大于1TB)的并行运算。概念"Map(映射)"和"Reduce(归约)",是它们的主要思想,都是从函数式编程语言里借来的,还有从矢量编程语言里借来的特性。它极大地方便了编程人员在不会分布式并行编程的情况下,将自己的程序运行在分布式系统上。 当前的软件实现是指定一个Map(映射)函数,用来把一组键值对映射成一组新的键值对,指定并发的Reduce(归约)函数,用来保证所有映射的键值对中的每一个共享相同的键组。

2021-08-02

looklike.pdf

微信看一看的精选文章推荐大家应该都用过,微信团队在今年发表了一篇文章来专门介绍精选推荐的算法实现细节(Real-time Attention based Look-alike Model,简称RALM算法),这就是我们这篇文章要讲解的内容。基于这篇文章的描述,再结合自己的理解,我来带大家一起解读一下这篇基于look-alike模型的实时推荐算法的核心亮点。

2021-08-02

titanic.csv

机器学习泰坦尼克号数据集,Titanic - Machine Learning from Disaster Start here! Predict survival on the Titanic and get familiar with ML basics

2021-06-11

主流app描述信息,包含package_name,app_name,app_info等基本信息

主流app描述信息,包含package_name,app_name,app_info等基本信息

2021-04-22

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

提示
确定要删除当前文章?
取消 删除