- 博客(43)
- 收藏
- 关注
RSS订阅原创 VScode中Markdown图片尺寸大小调整
"2024-06-02-15-09-50.png"是图片链接，修改width可改变大小。修改align = center/left/right可实现靠左居中靠右。自存用，不保证适用于所有人。
2024-06-03 12:01:16
770
原创 SQL复习
统计每个学生选修课程的门数（超过2门的学生才统计）。要求输出学生学号和选修门数，查询结果按门数降序排列，若门数相同，按学号升序排列。查询成绩至少比选修了C02号课程的一个学生成绩低的学生学号。查询成绩比所有选修了C02号课程的学生成绩低的学生学号。查询所在系为自动化的学生以及姓李的学生的基本信息。删除平均分在60分到70分之间的同学选课记录。查询选修了全部课程的学生姓名。查询每一门课的间接先修课。
2024-05-15 17:31:51
371
原创 Computational Photography期中复习
对于一张黑白图像，其中包含许多黑色和白色的像素。现在你想使用一个滤波器来模糊这张图像，使其变得更加平滑。你会选择使用哪种类型的滤波器：高通滤波器还是低通滤波器？它通过重新分配图像中的像素值，使得图像的灰度直方图在整个范围内均匀分布，从而增强图像的视觉效果。图像金字塔是一种多尺度表示图像的方法，它可以将同一张图像在不同尺度上进行分解，从而获取图像在不同分辨率下的表示。如何使用图像金字塔进行模板匹配？常见的锐化滤波器有拉普拉斯滤波器和高提升滤波器。，使图像看起来更加清晰的图像处理技术。什么是直方图均衡化？
2024-04-07 11:44:01
432
原创 Computational Photography期末复习1
这意味着，当我们直接注视一个星星时，视网膜中央的视锥细胞（在低光照下不敏感）并不能很好地检测到微弱的星光，而是依赖于视网膜外围的视杆细胞，因此，视网膜的外围区域对于捕捉微弱的星光更加有效。人类的视觉系统中有三种类型的视锥细胞，它们分别对应着不同波长范围的光敏感受性，这三种类型的视锥细胞通常被简称为S、M和L锥体，分别对应于敏感于短波长、中波长和长波长的光。缩小一次图像的尺寸，图像的长与宽会缩小为原来的一半，由于每次图像的长与宽都缩小为原来的一半，图像的缩小速度非常快，因此常见的高斯金字塔的层数为3~6。
2024-04-06 23:17:22
779
原创 SPSS直接输出三线表
下拉到最底，选择三线表（如果第一步没保存对是不会出现的），然后点击确定。至安装目录的Looks文件夹。在SPSS菜单栏中找到。
2024-03-08 17:53:29
785
原创 Take-home questions——L5
The arrow pointing to milk is pointing to the thin bright line at the edge of the piece of apple; the arrow pointing to the spoon handle is pointing to the bright area on the handle.Possible factors: albedo, shadows, texture, specularities, curvature, ligh
2024-03-08 14:30:18
409
原创 Take-home questions——L2
Write down a 3x3 filter that returns a positive value if the average value of the 4-adjacent neighbors is less than the center and a negative value otherwise
2024-03-03 20:10:19
861
原创 4. SPSS基本统计分析
1.均值2.标准差3.方差4.最小值、最大值、总和5.全矩（Range）全距也称为，是数据的最大值与最小值之间的绝对差。全距是刻画某变量所有取值离散程度的另一个统计量。在相同样本容量的情况下的两组数据，全距大的一组数据要比全距小的一组数据更分散。当全距非常小时，则意味着数据基本都集中在一起。6.峰度（Kurtosis）人们一般对数据的正态分布形态比较熟悉，因此在刻画一变量取值的分布形态时，通常与正态分布相比较。分布形态可以从方面来描述。
2024-01-11 11:33:50
2435
2
原创 3. SPSS数据文件的基本加工和处理
首先找到SPSS的安装目录，然后找到Samples文件夹可以看到有不同语言版本，选择简体中文就能看到很多.sav文件。
2024-01-09 17:52:05
1468
原创 2. SPSS数据文件的建立和管理
变量名标签是对变量名含义的进一步解释说明，可以用中文，总长度可达 120 个字符，但在统计分析结果的显示中，一般不可能显示如此长的变量名标签信息。变量名标签这个属性是可以省略定义的，但建议最好给出各变量名的标签。SPSS数据文件的结构是对每列变量及其相关属性的描述，它包括：变量名、变量类型、变量宽度、变量名标签、变量值标签、变量列格式、变量缺失值、变量度量方法等信息，虚线框内的可以忽略。在实际工作中，可以将数据保存成两份，一份为SPSS数据文件格式，另一份为其他软件可以读取的数据文件格式，方便数据共享。
2024-01-09 12:08:48
1856
原创 1. 认识SPSS
计算机自动将用户刚才选择的命令和参数转换成 SPSS 的命令并粘贴到主语句窗口中，然后，用户可以按照程序运行的方式，对显示在语句窗口中的 SPSS命令进行必要的编辑修改后，再提交给计算机执行。需要说明的是，虽然SPSS 中有些窗口的主菜单名有重名的情况，但是它们下面的子菜单功能却是随不同的当前窗门而不同的，其服务的对象也是不同的因此，在使用时应注意哪个窗口是当前窗口。如果不清楚某些统计选项的含义，可以将鼠标移动到相应的选项上，然后单击鼠标右键，在屏幕上就会出现相应的解释说明。
2024-01-08 17:15:31
1379
原创 2022年多元统计分析期末试题
以 E, N, G, Fr, S, I 分别表示英语、挪威语、德语、法语、西班牙语、意大利语这 6 种语言。人们以任两种语言对 1-10 这 10 个数字拼写中第一个字母不相同的个数定义两种语言间的“距离”。例如，英语和挪威语只有数字 1 和 8 的第一个字母不同，故这两种语言的距离定义为2。5.已知 X 的协差阵如下，试进行主成分分析，并求出每个主成分的贡献率及每个原始变量的。6.设某总体可用 3 个指标来描述，在因子分析时，从约相关阵出发计算出特征值为。(2)按贝叶斯判别准则（提示，对密度函数取对数。
2024-01-06 12:27:28
1788
原创 2022年多元统计分析期中试卷
一、去年卖出的一岁牛犊的平均身高为 51 英寸，平均背脂厚度是 0.3 英寸，平均肩高是 56 英寸。已知今年卖出的 76 头一岁牛犊的 3 项平均指标为(50, 0.2, 54)‘，样本协差阵及其逆矩阵为。(2)在显著性水平α=0.05 下进行检验，并给出结论（已知检验的临界值是 8.41）利用假设检验验证今年小牛犊的各项平均指标与去年是否有显著差异，(3) 计算回归平方和 U 及决定系数 R。,6)及残差平方和 Q。记醛化度为 y，反应时间为 x。，由经验知道，y 与 x。成反比，并有 y=β。
2024-01-06 12:10:13
798
1
原创 数据库选择题 （期末复习）
4、有关系 SC(sid, cid, age, score)，要查找年龄(age)大于 22 岁的学生的学号(sid)和分数(score)，正确的关系代数表达式是（D）。A、一个 1:n 联系可以转换为一个独立的关系模式，也可以与联系的 n 端实体所对应的关系模式合并。B、一个 1:1 联系可以转换为一个独立的关系模式，也可以与联系的任意一端实体所对应的关系模式合并。D、一个 m:n 联系可以转换为一个独立的关系模式，也可以与联系的任意一端实体所对应的关系模式合并。
2024-01-03 12:40:37
1911
原创 参数学习——糖果问题
3)如果包装里面的糖果数量有限，分析比较一下拿出的3个糖果按顺序分别是草莓味、酸橙味、酸橙味以及酸橙味、草莓味、酸橙味对h1到h5概率的大小影响。(1)假定拿出的2个糖果都是草莓味，请分别计算每拿出一个糖果后h1到h5的概率值；(3)包装里面的糖果数量是有限的还是无限的实际上都是一样的，还是回到概率论的问题。分别是草莓味、酸橙味、酸橙味包装内的糖果数量是无穷多的，回答下列问题。(2)在(1)的基础上计算下个糖果为草莓味，酸橙味的概率；的前提下，预测下一个糖是酸橙味(Y)的概率。
2023-12-13 23:35:18
1046
2
原创 决策树 （人工智能期末复习）
(18年)下表为是否适合打垒球的决策表，请用决策树算法画出决策树，并请预测 E= {天气=晴，温度=适中，湿度=正常，风速=弱} 的场合，是否合适打垒球。数据集D的纯度可用基尼值来度量，它反映了从数据集D中随机抽取两个样本，其类别标记不一致的概率，因此，Gini(D)越小，数据集D的纯度越高。（1）写出集合S分别以属性A、B、C作为测试属性的熵的增益Gain(S, A)、Gain(S, B)、Gain(S, C)的表达式。预测 dish= {温度=热，口味=甜，份量=大}，根据决策树可以预测结果为“否”。
2023-12-06 18:23:17
3547
1
原创 最小函数依赖集的推导（数据库系统）
已知关系模式R，其中：U = {A，B，C，D，E}，求ABFX0=AB；X1X2所以ABF函数依赖F由以下依赖组成：{AC→PE、PG→A、B→CE、A→P、A→B、GC→A、PAB→G、AG→BG、ABCP→H}，求BGFX0=BG；X1X2X3所以BGF={ABCEGP}
2023-12-03 18:42:11
1701
原创 主成分分析例题
解：对于主成分分析的题，一般来说，题目给定一个协方差阵，不管怎样先求出特征值和特征向量。虽然第一个主成分的贡献率不小，但在本题中第一主成分不含第三个原始变量的信息，因此应该取两个主成分。（注意这里算的不是累积贡献率）所以我们取前两个主成分就可以了。的相关系数的平方，信息提取率为两者之和，如下，试求主成分分析，并求出每个主成分的。的相关系数的平方，信息提取率为两者之和。给定X的协差阵，对其进行主成分分析,（2）求出每个原始变量的信息提取率；相关系数的平方，其他原始变量同理。（1）求出每个主成分的贡献率；
2023-11-30 19:24:38
5959
原创 聚类分析例题
因此第一凝聚点为x3，次大密度样品点位x2和x4，但它们与x3的距离小于D，故舍去，选取x1和x5作为第二凝聚点；的两类合并成新类，并计算新类与其他类的距离，再按最小距离原则并类，每次合并一类直至所有样品都并成一类。合并CL3和CL4，记CL2={x1，x2，x4，x5}，画出距离矩阵。合并CL3和CL4，记CL2={x1，x2，x4，x5}，画出距离矩阵。将所有类合并为一类，CL1={x1，x2，x3，x4，x5}，将所有类合并为一类，CL1={x1，x2，x3，x4，x5}，
2023-11-30 03:00:00
6695
原创 判别分析例题
（如果不去掉负号，直接计算后验概率，应选择最大的，表示样品属于该类的概率最大）（1）距离判别准则，使用马氏距离来判断，样品到第i个总体的马氏距离为。此题也是先验概率相同，因此也可以只计算后面两项，取最小值。这题和上一题一样，只不过正态总体从一维变成了二维的。，所以按照距离判别准则应把样品归为。选择最小的，因此样品判归为。相等，可以只计算-ln|的部分，去掉负号计算如下。由于题目已知先验概率。
2023-11-29 11:15:05
3131
1
原创 回归分析例题
这题可以算是比较典型的一道多元回归了，无论是什么情境下，我们都可以总结出X和Y两个矩阵，题目无非是要我们求β、Q、U和R²，只要。即A的伴随矩阵除以A的行列式，而二阶矩阵的伴随矩阵有个口诀是。，意思是主对角线的元素对换，副对角线的元素变成其相反数。求回归方程（Y=Xβ+ε）即 求β和ε。，因为X和Y我们可以从题目中总结出来；，再除以行列式值为20，所以它的逆矩阵。其实难度不大，主要是记住公式就行。接着再依次乘上X’、Y，最终结果为。x，求线性回归方程即求出。，即：回归效果是显著的。=35代入回归方程即可，
2023-11-28 10:32:32
3099
原创 数据库第十第十一章 恢复和并发简答题
如果事务T1封锁了数据R1，T2封锁了数据R2，然后T1又请求封锁R2，因T2已封锁了R2，于是T1等待T2释放R2上的锁。在多粒度封锁方法中，一个数据对象可能以两种方式加锁一一显式封锁和隐式封锁，因此系统在对某一数据对象加锁时，不仅要检查该数据对象上有无(显式和隐式)封锁与之冲突，还要检查其所有上级结点和所有下级结点，看申请的封锁是否与这些结点上的(显式和隐式)封锁冲突。：若事务T对数据对象A 加上S锁，则事务T可以读A但不能修改A，其他事务只能再对A加S锁，而不能加X锁直到T释放A上的S 锁。
2023-11-27 19:03:32
2049
原创 因子分析例题
（3）公共因子对X的贡献即对A的列求平方和，由于是从约相关阵计算的特征值，所以。（1）取公共因子个数m=1时，求因子模型的主成分解，并计算误差平方和Q(1)；（2）取公共因子个数m=2时，求因子模型的主成分解，并计算误差平方和Q(2)；求正交因子模型，转换为求因子载荷矩阵A，m=1时，只需要求A的第一列。（3）由（2）我们知道Q(2) 85%，所以找前两个特征值所对应的公共因子即可，又知。（1）计算因子载荷矩阵A，并建立因子模型。
2023-11-26 22:01:38
5926
7
原创 数据库第九章 查询处理和优化简答题
(所谓关系代数表达式的等价是指用相同的关系代替两个表达式中相应的关系所得到的结果是相同的。② 把语法树转换成标准(优化)形式，即利用优化算法把原始的语法树转换成优化的形式；④ 把某些选择同在它前面要执行的笛卡尔积结合起来成为一个连接运算；① 把查询转换成某种内部表示，通常用的内部表示是语法树；④ 生成查询计划，选择所需代价最小的计划加以执行；2.试述查询优化在关系数据库系统中的重要性。② 把投影运算和选择运算同时进行；按照优化的层次一般可分为可以分为。的双目运算结合起来执行；③ 选择低层的存取路径；
2023-11-25 17:01:29
702
原创 数据库第七章 数据库设计简答题
把概念结构设计阶段设计好的基本E-R图转换为与选用的DBMS产品所支持的数据模型相符合的逻辑结构。为一个给定的逻辑数据模型选取一个最适合应用要求的物理结构。是关于数据库中数据的描述，即元数据，而不是数据本身。3.什么是数据库的概念结构？试述其特点和设计策略。4.什么是数据库的逻辑结构设计？6.规范化理论对数据库设计有什么指导意义？概念结构是信息世界的结构，即概念模型；5.试述数据库物理设计的内容和步骤。2.数据库设计有什么特点？，依赖于给定的DBMS；是数据库在物理设备上的。
2023-11-24 17:09:35
2016
1
原创 【Python】主成分分析
原样本中有8项指标，从结果我们看到，取两个主成分的累计贡献率为75%，虽然这个贡献率不小，但若要求损失信息不超过15%，我们应该取三个主成分，此时的累计贡献率为86.7%根据该得分，我们可以将2、3、11、13样本作为一类，6、7、10、12作为一类，剩下的1、4、5、8、9作为一类。选择绝对值最大的元素，占的权重较大，即前三个特征权值较大，所以可能与年末固定资产净值、职工人数、工业总产值相关。在选择主成分时，首先使用np.argsort函数对特征值进行排序，得到按降序排列的特征值的索引；
2023-11-20 21:35:03
572
1
原创 【实验】数据库设计
逻辑结构设计的任务就是把概念结构设计阶段设计好的基本 E-R 图转换为与选用数据库管理系统产品所支持的数据模型相符合的逻辑结构。概念结构设计的第一步就是对需求分析阶段收集到的数据进行分类、组织，确定实体、实体的属性、实体之间的联系类型，形成E-R图。目前的数据库应用系统都采用支持关系数据模型的关系数据库管理系统，所以这里只介绍E-R图向关系数据模型的转换原则与方法。选择刚才生成的物理概念模型，在对象浏览区展开Tables，点击各个表格，可以在表格中看到对应DBMS的SQL语句。一名读者可以借阅多本图书。
2023-11-13 23:34:18
106
原创 计算机网络自顶向下（第七版）应用层部分课后题
对于P2P文件共享而言，下载文件的为客户进程，上传文件的为服务器进程。一个进程既可能是客户端，也可能是服务器。d.文档被返回的前5个字节是什么?该服务器同意一条持续连接吗?a.服务器能否成功地找到那个文档?该文档提供回答是什么时间?，同意持续连接：‘Keep-Alive’b.该文档最后修改是什么时间?c.文档中被返回的字节有多少?客户/服务器体系结构。覆盖旧的Cookie。
2023-11-12 20:51:12
232
原创 数据库第四第五章 安全性和完整性简答题
由于用户对数据的存取权限是“自主”的，用户可以自由地决定将数据的存取权限授予何人，及决定是否也将“授权”的权限授予别人。SQL 标准使用了一系列概念来描述完整性，包括关系模型的。也就是说，安全性措施的防范对象是。：也称为完整性规则，是数据库中的。这些完整性一般由 SQL 的。：对系统控制下的所有主客体。：防止高许可证级别的主体。，完整性措施的防范对象是。，各自所实现的功能不同。实施强制存取控制策略。
2023-11-11 20:45:00
1030
1
原创 Kmeans算法代码详解（Python）
可以看到，当K=3时，产生了“肘点”，从K=3到K=4，SSE的下降速度明显变缓，因此最佳的K取值应为3。可以看到输出了所有样本的聚类标签，包括0-2，一共三个簇，同时输出了聚类平方误差总和。最后设置标签、添加图例，通过参数指定图例的位置，在这里表示将图例放在左上角。SSE是指每个数据点到其簇中心的距离的平方和，用于衡量聚类的紧密度。然后分别绘制各个簇的样本以及每个簇的中心点坐标。分别表示获取所有簇中心的X坐标和Y坐标，以鸢尾花数据集为例，首先将数据导入。，表示数据点越靠近它们的簇中心，
2023-11-09 20:11:34
3268
1
原创 数据库第二章 关系数据库简答题
候选码是一组可以用来唯一标识元组的码，在候选码中选定一个作为主码，主码一定在候选码中。（数据模型三要素：数据结构、数据操作、数据的完整性约束条件）按照数据模型的三个要素，关系模型由。
2023-11-08 19:02:26
673
1
原创 数据库第一章 概论简答题
缺点：由于存取路径对用户透明，查询效率往往不如非关系数据模型。因此为了提高性能，必须对用户的查询请求进行优化，这就增加了开发关系数据库管理系统软件的难度。在这三级模式之间提供了两级映像（外模式/模式映像和模式/内模式映像），而这。（由数据库管理员对各个外模式/模式的映像作相应改变）（只需由数据库管理员对模式/内模式映像作相应改变）保证了数据库系统中数据能够有较高的。数据库系统的三级模式结构由。持续更新······
2023-11-07 23:47:24
510
原创 数据挖掘 第一次作业
可以使用quantile()计算分位数，第二个参数为0.25时是第一个四分位数，0.75时就是第三个四分位数。五数包括最小值、下四分位数、中位数、上四分位数与最大值，分别是13、20.5、25、35、70。a. 把该数据看做二维数据点。相比于上一题多了一个规格化，把每个数据除以每个数据点的范数即可得到范数等于1。基于距离，按照从近到远排位，对于余弦相似性，按从高到低排。众数为25和35，所以该数据是一个双峰的分布，即二模。，基于查询点的相似性对数据库的点排位。该数据集，使得每个数据点的。
2023-11-05 15:42:51
908
1
原创 多元统计分析 回归分析——自变量的选择
一共有七个自变量X1~X7，一个因变量Y首先创建初始线性回归模型，Y~1表示只有常数项第二步使用step函数执行逐步回归，scope参数定义了搜索空间，upper表示最多能加入所有的自变量，lower部分表示最少的自变量个数（0）direction="forward"表示使用向前引入法的回归策略图中表示没有变量加入时的AIC=43.25，而，可以看到除了X5，其他变量加入后都会使AIC的值减小因此，第一次选择X3加入X3加入之后需要重新计算其他变量对Y的影响，剩下X2、X1、X7。
2023-10-25 21:07:53
1942
1
糖果问题的概率计算怎么写
2023-12-10
TA创建的收藏夹 TA关注的收藏夹
TA关注的人