kyang624823的博客

1.K-均值聚类法的概述   之前在参加数学建模的过程中用到过这种聚类方法，但是当时只是简单知道了在matlab中如何调用工具箱进行聚类，并不是特别清楚它的原理。最近因为在学模式识别，又重新接触了这种聚类算法，所以便仔细地研究了一下它的原理。弄懂了之后就自己手工用matlab编程实现了，最后的结果还不错，嘿嘿~~~  简单来说，K-均值聚类就是在给定了一组样本(x1, x2, ..

前面我们在是实现K-means算法的时候，提到了它本身存在的缺陷：1.可能收敛到局部最小值 2.在大规模数据集上收敛较慢对于上一篇博文最后说的，当陷入局部最小值的时候，处理方法就是多运行几次K-means算法，然后选择畸变函数J较小的作为最佳聚类结果。这样的说法显然不能让我们接受，我们追求的应该是一次就能给出接近最优的聚类结果。其实K-means的缺点的根本原因

什么是最优化？Levenberg-Marquardt算法是最优化算法中的一种。最优化是寻找使得函数值最小的参数向量。它的应用领域非常广泛，如：经济学、管理优化、网络分析 、最优设计、机械或电子设计等等。根据求导数的方法，可分为2大类。第一类，若f具有解析函数形式，知道x后求导数速度快。第二类，使用数值差分来求导数。根据使用模型不同，分为非约束最优化、约束最优化、最小二乘

零基础入门深度学习(6) - 长短时记忆网络(LSTM) - 作业部落 Cmd Markdown 编辑阅读器 https://zybuluo.com/hanbingtao/note/581764 该篇文章讲解清晰。注意“门”的理解：就是一个开关。门打开，信息通过，关上，信息不通过。一共有三个门，遗忘门，输入门，输出门。 遗忘门是通过h(t-1)和x(t)产生针对C(t-1)是否通过的门信号；输