安定区

三门问题，亦称为蒙特霍问题（英文：Monty Hall problem），最初的表述形式：参赛者会看见三扇关闭了的门，其中一扇的后面有一辆汽车，选中后面有车的那扇门就可以赢得该汽车，而另外两扇门后面则各藏有一只山羊。当参赛者选定了一扇门，但未去开启它的时候，节目主持人开启剩下两扇门的其中一扇，露出其中一只山羊。主持人其后会问参赛者要不要换另一扇仍然关上的门。问题是：换另一扇门会否增加参赛者赢得汽车的

http://blog.jobbole.com/71044/ 系列文章http://theory.stanford.edu/~amitp/GameProgramming/AStarComparison.html实现 http://blog.jobbole.com/85676/

http://blog.csdn.net/soiliml/article/details/47421455http://news.cngold.org/c/2016-08-15/c4323657_3.htmlhttp://blog.csdn.net/nxcxl88/article/details/52590500http://blog.csdn.net/heyongluoyao8/article/d

之前同学面试今日头条，碰到了破浪数问题 即在数组上升下降不定时，找到其中一个波峰 如{1,2,3, 1,0,-1, -3,1,3, 4,5,2, 1,0,2, 3,2,1}找到3即可最优为O(logn)解法 随手写了一下，马马虎虎能满足要求；望指正public class test{ // static int[] array = new int[]{1,2,3, 1,0,-1, -3

Feature extraction和feature selection 都同属于Dimension reduction。要想搞清楚问题当中二者的区别，就首先得知道Dimension reduction是包含了feature selection这种内在联系，再在这种框架下去理解各种算法和方法之间的区别。和feature selection不同之处在于feature extraction是在原有特征基

MPI函数说明（1）并行初始化函数：int MPI_Init(int *argc,char ***argv) 参数描述：argc为变量数目，argv为变量数组，两个参数均来自main函数的参数（2）并行结束函数： int MPI_Finalize()（3）获得当前进程标识函数：int MPI_Comm_rank(MPI_Comm comm,int *rank) 参数描述：comm为该进程所

reStructuredTexthttp://docutils.sourceforge.net/docs/user/rst/quickref.htmlLatex在线latex写公式 在线latex写公式 在线latex 有中文模板, 因此较推荐 在线latex 可分享 免注册

cost函数 J 代价函数 二维的cost函数曲线 多个变量时的情景 特征缩放 平均数归一化 梯度下降 多项式回归 Python实现两个变量x0 x1 其他问题数组横向纵向拼接摘自吴恩达老师课程week1-2，为其概括复习版回归与最优化-广义线性回归 co

Boyer-Moore 算法Boyer-Moore 算法概述与对比伪码例子1例子2概述与对比 KMP算法并不是效率最高的算法，实际采用并不多。各种文本编辑器的”查找”功能（Ctrl+F），大多采用Boyer-Moore算法。Boyer-Moore算法不仅效率高，而且构思巧妙，容易理解。 伪码while (!matched && !exhausted){ while (

排序法 简单排序 快速排序 堆排序 归并排序克鲁斯卡尔普里姆迪杰斯特拉拓扑排序关键路径平均时间 最差情形 稳定度 额外空间 备注 冒泡 O(n2)    O(n2) 稳定O(1)n小时较好 交换 O(n2)O(n2) 不稳定 O(1)n小时较好 选择

图论小世界网络二分图 最小覆盖 最大匹配聚合系数 集聚系数社交网络物联网语义网络图论首先“连通图”很容易理解，比如这个世界每个人做一个节点的话，把相互认识的两人间连一条线，整张图多半可能就是一张连通图。对于一个连通图G，就产生了两个概念：特征路径步长和聚合系数 特征路径长度（characteristic path length）

曲线拟合方法最小二乘法最大似然估计梯度下降法多项式拟合Python代码数据集征兵抽签1-366号y366个不同的人抽x结果表明生日靠后的人易抽到小号概念最小二乘法多项式曲线拟合，根据给定的m个点,并不要求这条曲线精确地经过这些点，而是曲线y=f(x)的近似曲线y= φ(x)。原理 给定数据点pi(xi,yi)，其中i=1,2,…,m。求近似曲线y= φ(x)。并且使得近似曲线与y=f(x)的偏差

http://blog.csdn.net/heyijia0327/article/details/40899819 博主主要用公式推导，系列文章有PF和KFhttp://www.cnblogs.com/rubbninja/p/6220284.html 简单，有Python和matlab仿真代码，关注定位方面http://www.cnblogs.com/21207-iHome/p/5235768.