- 博客(28)
- 收藏
- 关注
RSS订阅原创 现代操作系统读书笔记--第8章 多处理系统
获得高速度的方法：1.使时钟走得更快（散热问题） 2.大规模使用并行计算机 电子部件之间的通信归根到底是在它们之间传送信息 三种模型 8.1 多处理机 两个或更多的CPU全部共享访问一个公用的RAM，运行在任何一个CPU上的程序都看到一个普通的虚拟地址空间。 通信基础：一个CPU向存储器写入数据而另一个读取这些数据 8.1.1 多处理机硬件 UMA每个处理机读出每个存储字的速度...
2018-07-03 08:06:07
609
原创 现代操作系统读书笔记--第6章 死锁
在很多应用中，需要一个进程排他性地访问若干种资源而不是一种，容易造成死锁。 死锁也有可能发生在机器之间。 加锁过程也会产生死锁。 所以，软硬件都有可能死锁。6.1 资源 需要排他性使用的对象称为资源，可以是硬件设备或是一组信息，简单来说，资源就是随着时间推移，必须能够获得、使用以及释放地任何东西。6.1.1 可抢占资源和不可抢占资源 可抢占资源：可以从拥有它的进程中抢占而不会产生...
2018-06-23 08:36:03
320
原创 现代操作系统读书笔记--第五章 输入/输出
5.1 I/O硬件原理 只注意I/O硬件提供给软件的接口，而不是其内部原理 5.1.1 I/O设备 I/O设备大致可分为两类：块设备和字符设备 块设备把信息存储在固定大小的块中，每个块有自己的地址。，每个块都独立于其他块读写。块可寻址设备与其他设备之间并没有严格的界限。 字符设备以字符为单位发送或接受一个字符流，而不考虑任何块结构，是不可寻址的，也没有任何寻道操作。 5.1.2 设...
2018-06-21 09:19:39
1269
机器学习（周志华）读书笔记---第7章 贝叶斯分类器
7.1 贝叶斯决策论 在分类问题情况下，在所有相关概率都已知的理想情况下，贝叶斯决策考虑如何基于这些概率和误判损失来选择最优的类别标记 判别式模型vs生成式模型 贝叶斯定理 7.2 极大似然估计 最大后验估计 高斯混合模型 ...
2018-06-15 16:04:45
579
原创 机器学习（周志华）读书笔记---第5章 神经网络
5.1 神经元模型 M-P模型 激活函数：sigmoid函数5.2 感知机与多层网络 感知机 感知机学习 单层感知机只能解决线性可分问题，对于非线性可分问题，使用多层感知机 多层前馈神经网络（MLP） 5.3 误差逆传播算法（BP算法） 缓解过拟合 5.4 全局最小和局部最小 5.5 其他常见神经网络 Boltzmann...
2018-06-14 17:32:50
443
转载 硬链接(hard link)和符号连接(symbolic link)的区别
硬链接(hard link)和符号连接(symbolic link)的区别： 通俗一点理解，可以把硬链接当成源文件的副本，他和源文件一样的大小但是事实上却不占任何空间。 符号链接可以理解为类似windows一样的快捷方式。 一、链接文件 链接文件有两种方式，符号链接和硬链接。 1、符号链接文件 符号链接，这个文件包含了另一个文件的路径名。可以是任意文件或目录，也可以链接不同文件系统的文...
2018-06-11 20:29:47
10698
原创 机器学习（周志华）读书笔记---第10章 降维
10.1 k近邻学习 工作机制： k近邻是懒惰学习的代表，没有显式的训练过程，和 急切学习 相反 K近邻学习受k值和距离计算方式的影响 当k=1,分析错误率，即最近邻分类器 10.2 低维嵌入 维数灾难： 在高维情况下出现的数据样本稀疏，距离计算困难等问题 解决方案： 降维，通过某种数学变换，将原始高维属性空间转变为一个低维子空间，在这个子空间中样本密度大幅度提高，距...
2018-06-11 20:28:55
315
机器学习（周志华）读书笔记---第10章 降维
10.1 k近邻学习 工作机制： k近邻是懒惰学习的代表，没有显式的训练过程，和 急切学习 相反 K近邻学习受k值和距离计算方式的影响 当k=1,分析错误率，即最近邻分类器 10.2 低维嵌入 维数灾难： 在高维情况下出现的数据样本稀疏，距离计算困难等问题 解决方案： 降维，通过某种数学变换，将原始高维属性空间转变为一个低维子空间，在这个子空间中样本密度大幅度提高，距...
2018-06-11 20:28:27
249
机器学习（周志华）读书笔记---第10章 降维
10.1 k近邻学习 工作机制： k近邻是懒惰学习的代表，没有显式的训练过程，和 急切学习 相反 K近邻学习受k值和距离计算方式的影响 当k=1,分析错误率，即最近邻分类器 10.2 低维嵌入 维数灾难： 在高维情况下出现的数据样本稀疏，距离计算困难等问题 解决方案： 降维，通过某种数学变换，将原始高维属性空间转变为一个低维子空间，在这个子空间中样本密度大幅度提高，距...
2018-06-08 17:20:09
245
原创 机器学习（周志华）读书笔记---第9章 聚类
9.1 聚类任务 9.1 聚类任务 聚类试图将数据集中的样本划分为若干个通常是不相交的子集 聚类既能作为一个单独的过程，用于寻找数据内在的分布结构，也可作为分类等其他学习任务的前驱过程。 基本思想：给定一个有N个对象的数据集，划分聚类技术将构造数据的K个划分，每一个划分代表一个蔟，K小于等于n，对于给定的k，算法首先给出一个初始的划分方法，以后通过反复迭代的方法改变划分，使得每一次改进之后...
2018-06-05 15:56:06
902
原创 机器学习（周志华）读书笔记---第8章 集成学习
8.1 个体与集成 集成学习通过构建并结合多个学习器来提升性能 弱学习：泛化性能略高于50%的分类器 强学习：由弱学习提升而来 集成的结果通过投票产生 集成个体应好而不同 在一定条件下，随着集成分类器数目增加，集成的错误率将指数级下降，最终趋于0. 而学习器显然不可能互相独立。集成学习大致就可以分为两类： 存在强依赖关系，必须串行生成的序列化方法（boosting） 不存在强...
2018-06-05 14:20:13
338
机器学习（周志华）读书笔记---第8章 集成学习
8.1 个体与集成 集成学习通过构建并结合多个学习器来提升性能 弱学习：泛化性能略高于50%的分类器 强学习：由弱学习提升而来 集成的结果通过投票产生 集成个体应好而不同 在一定条件下，随着集成分类器数目增加，集成的错误率将指数级下降，最终趋于0. 而学习器显然不可能互相独立。集成学习大致就可以分为两类： 存在强依赖关系，必须串行生成的序列化方法（boosting） 不存在强...
2018-05-19 13:59:10
533
原创 机器学习（周志华）读书笔记---第6章 支持向量机
6.1 间隔与支持向量 超平面：决策平面 支持向量：距离超平面最近得几个训练样本 最大化间隔，SVM（支持向量机）的基本型： 6.2 对偶问题 通过拉格朗日乘子法得到对偶问题： 拉格朗日乘子法需满足KKT条件 支持向量机解的稀疏性：训练完成后，大部分的训练样本都不需保留，最终模型仅与支持向量有关。 没用公式求解b，利用支持向量去求解 最终解： 求解拉格朗日乘子（...
2018-05-15 15:12:11
884
原创 机器学习（周志华）读书笔记---第4章
4.1 基本流程 决策树的组成： 每个内部节点对应于某个属性上的测试 每个分支对应于该测试的一种可能结果 每个叶节点对应于一个预测结果 决策树的学习目的： 产生一棵泛化能力强，即处理未见示例能力强的决策树 策略： 分而治之，从根节点开始自至叶的递归过程，在每个中间节点寻找一个划分属性。 三种停止条件： （1）当前节点包含的样本全属于同一类别 （2）当前属性集为空或所有样本在所...
2018-05-14 16:18:17
778
原创 算法期末复习总结
一. 介绍 1. P：能在多项式时间解决的问题 NP：能在多项式时间内验证的问题 NPC：可能没有多项式时间算法的问题 NP=P+NPC
2018-05-14 12:50:54
2511
原创 现代操作系统读书笔记--第三章 内存管理
分层存储器体系、存储管理器用于管理分层存储器体系，任务是有效地管理内存3.1 无存储器抽象1.最简单的存储器抽象就是根本没有抽象，每一个程序都直接访问物理内存。2.在这种情况下，要想在内存中同时运行连个程序是不可能的3.三种结构4.按这种组织方式，通常一个时刻只能有一个进程在运行，一旦用户键入了一个命令，操作系统就把需要的程序从磁盘复制到内存中并执行在不使用存储器抽象的情况下运行多个程序解决方式：...
2018-05-07 19:07:33
494
原创 机器学习（周志华）读书笔记---第3章 线性模型
3.1 基本形式线性模型试图学得一个通过属性的线性组合来进行预测的函数 线性模型优点：（1）形式简单，易于建模（2）可解释性非线性模型可以通过引入层次结构或高维映射而得3.2 线性回归线性回归试图学得一个线性模型以尽可能准确地预测实值输出标记最小二乘法：令均方误差最小（欧氏距离），来确定w和b得到此时w和b的值（闭式解）对于多元线性回归，同样可用最小二乘估计若可逆其中若不可逆，有多个解，通过正则化...
2018-05-04 12:50:50
363
原创 现代操作系统读书笔记--第四章 文件系统
长期存储信息的三个基本要求：（1）能够存储大量信息（2）使用信息的进程终止时，信息依旧存在（3）必须能使多个进程并发访问有关信息文件是进程创建的信息逻辑单元，可以把文件看作一个地址空间。文件系统：操作系统中处理文件的部分*4.1 文件*1.UNIX命名区分大小写2.各种文件系统：FAT-16、FAT-32、NTFS、ReFS、exFAT、3.文件扩展名：UNIX系统中只是一种约定，操作系统并不强迫...
2018-04-26 15:20:15
662
原创 现代操作系统读书笔记--第二章 进程与线程
进程：对正在运行程序的一个抽象。2.1 进程1.伪进程、多处理系统2.1.1 进程模型1.顺序进程、虚拟CPU2.多道程序设计（CPU在进程之间快速切换）3.由于CPU在各进程之间来回切换，所以每个进程执行其运算的速度是不确定的4.关键思想：一个进程是某种类型的一个活动，它有程序、输入、输出以及状态，而程序是用适当形式描述的算法。两者区别很微妙。5.如果一个程序运行了两次，则算作两个进程。2.1...
2018-04-18 17:11:53
444
原创 现代操作系统读书笔记--第一章 引论
*引论*1.用户与操作系统的交互方式（用户接口程序）：shell(基于文本)，图形用户界面GUI（基于图像）2.主要部件简化图：*1.1 什么是操作系统*1.操作系统任务：为程序员提供一个资源集的清晰抽象，管理这些硬件资源。1.1.1 作为扩展机器的操作系统1.1.2 作为资源管理器的操作系统1.操作系统主要任务：记录哪个程序在使用什么资源，对资源请求进行分配，评估使用代价，并且为不同的程序和用户...
2018-04-12 18:51:28
427
转载 最大流和最小割问题
这里先介绍mincut和maxflow,为介绍Grabcut打下基础。Grabcut可以用在图像分割和文字二值化中。 1 首先介绍Mincut问题。这部分内容主要翻译自[1],可以看原版理解的更深.由于个人没有看过中文教材，因此可能一些专业术语翻译的不太对，敬请见谅。一个有向图，并有一个源顶点（source vertex）和目标顶点（target vertex）.边的权值为正,又称之为容量（cap...
2018-04-10 18:36:50
6575
1
转载 解0-1背包问题
题目： 有 N 件物品和一个容量为 V 的背包。第 i 件物品的费用是 w[i]，价值是 p[i]。求解将哪些物品装入背包可使这些物品的费用总和不超过背包容量，且价值总和最大。 本文按照动态规划的标准模式解析：http://blog.csdn.net/hearthougan/article/details/537498410-1背包问题，表示的是每个物品只有一件，每件物品不能分割...
2018-04-10 16:03:39
1809
原创 算法的复杂度
f(n) = O(g(n))：∃c>0,n0∈N,∀n≥n0,f(n)≤cg(n)∃c>0,n0∈N,∀n≥n0,f(n)≤cg(n)；f的阶不高于g的阶。f(n) = Ω(g(n))：∃c>0,n0∈N,∀n≥n0,f(n)≥cg(n)∃c>0,n0∈N,∀n≥n0,f(n)≥cg(n)；f的阶不低于g的阶。f(n) = θ(g(n))：⟺f(n)=O(g(n))&...
2018-04-10 11:05:26
128
转载 递归分治算法-大整数乘法
问题描述：设X和Y都是n位整数，计算它们的乘积XY。可以使用传统的数学计算方法，但是这样做计算步骤太多，效率较低。如果将每个一位数的乘法或加法看做一步运算，则这种方法需要进行O（n^2）步运算才能求出乘积XY。方法一基本计算步骤如下，如：56*78 第一步：6*8； 第二步：5*8； 第三步：6*7； 第四步：5*7； 第五步：以上4步的和加起来，得到最后的结果。 将以上的例子进行抽象，即可以这样...
2018-04-10 11:01:00
1488
转载 硬币问题
问题描述假设有 1 元，3 元，5 元的硬币若干（无限），现在需要凑出 11 元，问如何组合才能使硬币的数量最少？问题分析乍看之下，我们简单的运用一下心算就能解出需要 2 个 5 元和 1 个 1 元的解。当然这里只是列出了这个问题比较简单的情况。当硬币的币制或者种类变化，并且需要凑出的总价值变大时，就很难靠简单的计算得出结论了。贪心算法可以在一定的程度上得出较优解，但不是每次都能得出最优解。这里...
2018-04-10 10:25:45
270
原创 机器学习（周志华）读书笔记---第2章 模型评估与选择
*2.1 经验评估与选择*关键字：错误率、精度、误差、、训练误差（经验误差）、泛化误差、关键概念解释：1.欠拟合解决方案：决策学习树中扩展分支、增加训练轮数*2.2 评估方法*关键字：测试集、留出法、交叉验证法（K折交叉验证）、自助法、参数调节关键概念解释：1.测试集应该尽可能与训练集互斥2.留出法：直接将数据集D划分为两个互斥的集合，其中一个集合作为训练集S，另一个作为测试集T3.交叉验证法：先...
2018-04-09 13:29:51
476
原创 机器学习（周志华）读书笔记---第1章 绪论
*1.1 引言**1.2 基本术语*关键字：数据集、样本（特征向量）、属性、属性值、属性空间（输入空间）、样本的维数、训练数据（训练集）、假设、真实、标记、标记空间（输出空间）、分类、回归、二分类、正类反类、多分类、测试样本、、聚类、簇、监督学习、无监督学习、泛化能力、独立同分布关键概念解释：1.分类对应离散预测，回归对应连续预测2.根据训练数据是否拥有标签信息，学习任务分为监督学习（如分类和回归...
2018-04-08 21:06:05
282
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人