qq_37464878的博客

免费查看该论文的链接：论文链接摘要：我们介绍了一种字符串核函数（注：支持向量机SVM中数据升维使用核函数），叫做字符串不匹配核函数。基于这种核函数（注：核函数是支持向量机的核心，知核函数，可进行分类）的支持向量机SVM用于解决蛋白质分类问题。 这种支持向量机SVM分类的依据是蛋白质序列中长度为K的子序列和序列中m个不匹配位置（注：就是k和m作为核函数的参数，具体参见下文核函数公式）并且不需要依赖任何生成模型来计算生成序列（注：没读懂，表示牛逼）。我们使用不匹配的树型数据结构来高效计算核函数（注：不清楚具

1.金属退火1.1 金属退火概念：金属退火是一种化学上的热处理技术，指的是将金属加热到一定温度后再以适宜速度冷却。金属退火可以改变金属的一些物理性质，化学性质，以达到某种特殊的用途。1.2 金属退火化学模型：加热后金属原子最初处于某种活跃的状态，此时原子的活跃程度为x1，金属的内能E(x1)可由x得来，温度为T1降温时金属原子的活跃程度逐渐下降，此时原子的活跃程度为x2，金属的内能E(x2)可由x得来，温度为T2当温度降至稳定温度时金属原子的活跃程度最低，此时原子的活跃程度为x3，金属的内能E(

1.线性回归梯度下降法1.1 线性回归前提前提条件：​ 有一个n元函数hθ(x)，现在已知m组函数值和n元参数的取值情况，需要预测出最能贴合该情况的函数表达式。存储规范：(依据吴恩达教程的规范)函数值存储到一个1行m列的矩阵中函数中n元参数取值情况存储到一个n行m列的矩阵中函数中n元参数的系数存储到一个n行1列的矩阵中上标表示列，下标表示行矩阵的列表示数据组数，矩阵的行表示数据维度1.2 模型表示公式一： 用求和式表示某一组数据的情况：hθ(x)i=∑j=1nθjixjih

1.Echarts绘图库引入学习演示过程不涉及大型工程，只需要下载Echarts的js文件在html中引用即可。使用echarts.js进行数据分析，在本人体验来看，要比python提供的绘制库强大的多。1.1下载Echarts.js下载链接https://www.jsdelivr.com/package/npm/echarts选择第一个“echarts.min.js”打开将内容拷贝到本地js文件中1.2 测试Echarts.js用Echarts画一个线性回归需要用到的分析图<ht