第四天
上午
题11.4
问题描述：写出该无向图的邻接矩阵.
答：
[
0
1
1
1
1
0
1
0
1
1
0
1
1
0
1
0
]
\begin{bmatrix} 0&1&1&1\\ 1&0&1&0\\ 1&1&0&1\\ 1&0&1&0\end{bmatrix}
⎣⎢⎢⎡0111101011011010⎦⎥⎥⎤
题11.5
问题描述：定义无向网络.
答：An undirected net is a tuple
G
=
(
V
,
w
)
\mathbf{G}=(\mathbf{V},w)
G=(V,w),where
V
\mathbf{V}
V is the set of nodes,and
w
:
V
×
V
→
R
w:\mathbf{V} \times \mathbf{V} \to \mathbb{R}
w:V×V→R is the weight function where
w
(
v
i
,
v
j
)
w(v_i,v_j)
w(vi,vj) is the weight of the edge
(
v
i
,
v
j
)
(v_i,v_j)
(vi,vj) and satisfy
w
(
v
i
,
v
j
)
=
w
(
v
j
,
v
i
)
w(v_i,v_j)=w(v_j,v_i)
w(vi,vj)=w(vj,vi).
下午
题12.4
1.自己画一棵树，将其元组各部分写出来(特别是函数
p
p
p).
答：树：
V
=
{
v
0
,
v
1
,
v
2
,
v
3
,
v
4
,
v
5
,
v
6
,
v
7
,
v
8
,
v
9
}
;
\mathbf{V}=\{v_0, v_1,v_2, v_3, v_4, v_5, v_6, v_7, v_8, v_9\};
V={v0,v1,v2,v3,v4,v5,v6,v7,v8,v9};
r
=
v
0
;
r=v_0;
r=v0;
p
(
v
0
)
=
ϕ
,
p
(
v
1
)
=
p
(
v
2
)
=
v
0
,
p
(
v
3
)
=
p
(
v
4
)
=
v
1
,
p
(
v
5
)
=
p
(
v
6
)
=
p
(
v
7
)
=
v
2
,
p
(
v
8
)
=
p
(
v
9
)
=
v
5
.
p(v_0)=\phi,p(v_1)=p(v_2)=v_0,p(v_3)=p(v_4)=v_1,p(v_5)=p(v_6)=p(v_7)=v_2,p(v_8)=p(v_9)=v_5.
p(v0)=ϕ,p(v1)=p(v2)=v0,p(v3)=p(v4)=v1,p(v5)=p(v6)=p(v7)=v2,p(v8)=p(v9)=v5.
2.针对该树，将代码中的变量值写出来(特别是parent数组).
答：
n
=
10
;
n=10;
n=10;
r
o
o
t
=
0
;
root=0;
root=0;
p
a
r
e
n
t
[
10
]
=
{
−
1
,
0
,
0
,
1
,
1
,
2
,
2
,
2
,
5
,
5
}
.
parent[10]=\{-1,0,0,1,1,2,2,2,5,5\}.
parent[10]={−1,0,0,1,1,2,2,2,5,5}.
晚上
题13.4
1.画一棵三叉树，并写出它的child数组.
答：三叉树：
c
h
i
l
d
[
8
]
[
3
]
=
{
{
1
,
2
,
3
}
,
{
4
,
−
1
,
5
}
,
{
−
1
,
−
1
,
−
1
}
,
{
6
,
−
1
,
7
}
,
{
−
1
,
−
1
,
−
1
}
,
{
−
1
,
−
1
,
−
1
}
,
{
−
1
,
−
1
,
−
1
}
,
{
−
1
,
−
1
,
−
1
}
}
child[8][3]=\{\{1,2,3\},\{4,-1,5\},\{-1,-1,-1\},\{6,-1,7\},\{-1,-1,-1\},\{-1,-1,-1\},\{-1,-1,-1\},\{-1,-1,-1\}\}
child[8][3]={{1,2,3},{4,−1,5},{−1,−1,−1},{6,−1,7},{−1,−1,−1},{−1,−1,−1},{−1,−1,−1},{−1,−1,−1}}.
2.按照本贴风格，重新定义树.提示：还是应该定义parent函数，字母表里面只有一个元素.
答：Let
ϕ
\phi
ϕ be the empty node,a tree is a quadruple
T
=
(
V
,
r
,
Σ
,
P
)
T=(\mathbf{V},r,\Sigma,P)
T=(V,r,Σ,P) where
- V ≠ ∅ \mathbf{V} \ne \empty V=∅ is the set of nodes;
- r ∈ V r \in \mathbf{V} r∈V is the root node;
- Σ = { p } \Sigma=\{p\} Σ={p} is the alphabet;
-
P
:
V
×
Σ
∗
→
V
P:\mathbf{V} \times \Sigma^* \to \mathbf{V}
P:V×Σ∗→V satisfying
- ∀ v ∈ V , ∃ ! s ∈ Σ ∗ \forall v \in \mathbf{V},\exist !s\in \Sigma^* ∀v∈V,∃!s∈Σ∗ s.t. P ( v , s ) = r . P(v,s)=r. P(v,s)=r.
3.根据图、树、
m
m
m-叉树的学习，谈谈你对元组的理解.
答：元组可以将各不相同类型的成员变量组合起来，比如图能将集合与二元关系组合起来，树能将集合与函数结合起来去定义，这样的定义更加简洁明了，同时也打破了集合、函数、二元关等它们各自功能达不到的效果，把不同类型的元素结合，使得定义的描述更加简单、清晰.
第五天
上午
题：课堂练习
1.写出本例中的
U
\mathbf{U}
U，
C
\mathbf{C}
C，
D
\mathbf{D}
D和
V
\mathbf{V}
V.注：最后两个属性为决策属性.
答：
U
=
{
x
1
,
x
2
,
x
3
,
x
4
,
x
5
,
x
6
,
x
7
}
;
\mathbf{U}=\{x_1,x_2,x_3,x_4,x_5,x_6,x_7\};
U={x1,x2,x3,x4,x5,x6,x7};
C
=
{
H
e
a
d
a
c
h
e
,
T
e
m
p
e
r
a
t
u
r
e
,
L
y
m
p
h
o
c
y
t
e
,
L
e
u
k
o
c
y
t
e
,
E
o
s
i
n
o
p
h
i
l
}
;
\mathbf{C}=\{\mathrm{Headache,Temperature, Lymphocyte, Leukocyte, Eosinophil }\};
C={Headache,Temperature,Lymphocyte,Leukocyte,Eosinophil};
D
=
{
H
e
a
r
t
b
e
a
t
,
F
l
u
}
;
\mathbf{D}=\{\mathrm{Heartbeat, Flu}\};
D={Heartbeat,Flu};
V
=
{
Y
e
s
,
N
o
,
H
i
g
h
,
N
o
r
m
a
l
,
L
o
w
,
A
b
n
o
r
m
a
l
}
.
\mathbf{V}=\{\mathrm{Yes, No, High, Normal, Low, Abnormal}\}.
V={Yes,No,High,Normal,Low,Abnormal}.
2.
I
I
I是怎么表示的？
答：
I
I
I是符号决策表的内容，是针对用户
U
\mathbf{U}
U与条件属性
C
\mathbf{C}
C和决策属性
D
\mathbf{D}
D的内容，映射到表中的信息
V
\mathbf{V}
V.
题14.5
问题描述：定义一个标签分布系统，即各标签的值不是0/1，而是
[
0
,
1
]
[0,1]
[0,1]区间的实数，且同一对象的标签和为1.
答：A multi-label distribution system is a tuple
S
=
(
X
,
Y
)
S=(\mathbf{X},\mathbf{Y})
S=(X,Y)where
X
=
[
x
i
j
]
n
×
m
∈
R
n
×
m
\mathbf{X}=[x_{ij}]_{n \times m} \in \mathbb{R}^{n \times m}
X=[xij]n×m∈Rn×m is the data matrix,
Y
=
[
y
i
k
]
n
×
l
∈
[
0
,
1
]
n
×
l
\mathbf{Y}=[y_{ik}]_{n \times l} \in [0,1]^{n\times l}
Y=[yik]n×l∈[0,1]n×l is the label matrix satisfying
∀
i
∈
[
1
,
…
,
n
]
,
∑
k
=
1
l
y
i
k
=
1
\forall i \in[1,\dots,n] ,\sum_{k=1}^{l}y_{ik}=1
∀i∈[1,…,n],∑k=1lyik=1,where
n
n
n is the number of instances,
m
m
m is the number of features,and
l
l
l is the number of labels.
晚上
题15.3
问题描述：找一篇你们小组的论文来详细分析数学表达式，包括其涵义、规范、优点和缺点.
答：论文：Unpaired Image-to-Image Translation using Cycle-Consistent Adversarial Networks
涵义：如果
y
y
y来自于真实图片，那么Discriminator对
y
y
y的值
D
Y
(
y
)
D_Y(y)
DY(y)越大越好;如果是来自于Generator所产生的图片，即
G
(
x
)
G(x)
G(x)，那么Discriminator对
G
(
x
)
G(x)
G(x)的值
D
Y
(
G
(
x
)
)
D_Y(G(x))
DY(G(x))越小越好.
涵义：
F
F
F是
Y
→
X
Y\rightarrow X
Y→X的映射，如果是来自于Generator所产生的图片，即
G
(
x
)
G(x)
G(x)，再由
F
F
F反解回去
F
(
G
(
x
)
)
F(G(x))
F(G(x))与
x
x
x的差距越小越好；来自真实图片的
y
y
y同理.
优点：简洁明了易懂.
缺点：无.
130
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
