- 博客(26)
- 收藏
- 关注
RSS订阅原创 idea 只能创建java17?一个简单设置即可用java8
1. 我们在使用idea创建项目的时候发现只能创建java17：2. 我们只需要修改一个设置（红框），完美解决：
2024-08-13 11:48:04
377
原创 如何手动安装jar到本地maven仓库
有时候我们会遇到从阿里云下载不了情况。如果我们从别人那边拷贝一份，安装这个jar到我们本地的maven仓库，就会解决的问题。
2024-08-07 17:33:45
327
原创 Git上传到远程仓库中未存在的分支
因为自己是个实习生，很多东西不能直接上传到远程仓库，只能上传到。本帖子适合知道点git，但是懵懂的玩家。tips:第四章一个简单的实例，
2023-12-15 21:24:35
1219
原创 论文写作报告
前言本文是闵老师《论文写作》课程的收获，老板的博客是大牛的博客。通过门课程收获还是很大的，下面按照论文的结构说一下收获。标题不管是对一本书来说还是对一篇文章来说，标题是一个文章的最吸引人的地方。选择标题首先要新颖，这样可以带给读者想要读的欲望。不炫的题目审稿人看了会不感兴趣！当然炫酷也不可以炫过头，不得超出作者的理解范围，也不可以出现难检索的问题。摘要摘要原本的意思是把所有的论文中重要的东西全部拿出来。通常我们想要看一篇论文是不是与我们的研究方向相符，只需要读完摘要就明白这篇文章是否适合我们阅读。
2021-12-20 19:24:59
594
2
原创 2021-12-23 混沌性检测未知的多频微弱正弦信号
原理之前写过对于频率已经知道的微弱信号是如何检测的，但是我们实际上大部分都是对于位置信号的检测。上一篇文章中说过对于已知信号的检测要求我们知道信号的频率，然后根据混沌系统的相变来获取频率的幅值。然而，这边文章将介绍对于频率未知的信号进行检测。Duffing系统在处于混沌态和周期态两种状态下，系统输出信号的方差值的大小会随着策动力频率值的改变而进行改变，主要有一下规律：1.当内置周期策动力的频率与待测信号的频率一致时，系统输出信号的方差达到最大值或极大值。2.当策动力的频率与待测信号的频率不一致的时候
2021-12-16 21:39:09
284
原创 2021-12-9 各种属性图的绘制
图的绘制读取dataSource2文件，画出其中600道数据的时域图时域图：读取dataSource2文件，画出第一道数据0-100ms的时域图和频域图时域图：频域图：读取dataSouce2文件，画出第一道数据0-1501ms的位移图和速度图和加速度图(数据未进行归一化)位移：速度：加速度：...
2021-12-06 19:54:55
2754
原创 2021-11-28 英语6级（议论文）
英语六级备考考什么：议论文 图表 谚语议论文2.1 现象解释 what why2.2 观点选择 whether choice option2.3 问题解决 how to模板3.1 第一段（现象解释，观点选择，问题解决，谚语类）3.2 第二段（论点1，论据1，论点2，论据2，论点3，论据3）3.3 第三段（总结，重新申观点，期望）...
2021-11-28 15:33:55
119
原创 2021-11-25 微地震信号的参数辨识以及Kalman滤波
微地震信号的参数辨识以及Kalman滤波1. 微地震子波辨识建模1.1 ARMA模型自回归滑动平均模型是近代时序分析中描述离散平稳随机信号的最常用模型之一，可看做白噪声激励一个线性系统产生的时间序列模型。y(k)+a1y(k−1)+⋯+apy(k−p)=b1u(k−1)+⋯+bqu(k−q)+e(k)y(k)+a_1y(k-1)+\dots+a_py(k-p)=b_1u(k-1)+\dots+b_qu(k-q)+e(k)y(k)+a1y(k−1)+⋯+apy(k−p)=b1u(k−1)+⋯+
2021-11-25 21:26:00
833
1
原创 2021-8-2 混沌性
背景噪声分析1.频谱的概念一个复杂的振动信号，可以看成是由许多简谐分量叠加而成；这些简谐分量及其各自的振幅、频率和初相，这就叫做复杂振动的频谱。我们取单道的时域图我们取单道的频域图我们取多道的时域图我们取100道数据取多道的频域图混沌性在杜芬方程中微小的摄动回忆起系统的周期解从本质上发生巨大的变化。Duffing振子方程是非线性振动系统，具有非线性恢复力，在外部激励的作用下，由于外加周期摄动力的频率与系统本身的频率相互作用，系统将发生振荡，表现出极其丰富的动力学行为。
2021-11-23 20:48:38
777
原创 2021-10-20 Duffing 混沌系统检测微弱信号（论文收货）
利用 Duffing 混沌系统检测微弱信号(一)首先是要建立混沌系统模型虽然混沌运动具有随机性，但描述其运动的方程却是确定的。duffing方程：x¨+δx˙+αx+βx3=γcos(wt)\ddot{x}+\delta\dot{x}+\alpha x+\beta x^3 = \gamma cos(wt)x¨+δx˙+αx+βx3=γcos(wt)其中αβ\alpha \betaαβ为为实数因子,γ、w\gamma、wγ、w为周期摄动力的幅度，频率。建立了混沌检测系统后，对于不同类型的信号需要对系
2021-10-20 23:00:12
1645
3
原创 2021-9-30 背景噪声的研究
背景噪声的研究1. 声音（1）声音如何产生？声音是由物体振动产生声波，通过介质（空气或固体、液体）传播，并能被人的听觉器官所感知的波动现象。最初发出振动的物体叫声源。声音以波的形式振动传播，所以声音是一种波。（2）信号处理的意义？声音的本质是压力脉动，所以无论是仿真还是实验，直接测量得到的都只是每个时刻的压力值。尽管我们也可以通过时域上的压力 信号的大小定性的判断压力脉动的强弱，但是压力的时间信号太过杂乱无章，我们通常需要把时域的信号转换为频域，以便更清晰的辨识信号的特征。（3）时域与频域？
2021-09-29 22:38:43
723
原创 2021-8-3 第五次训练
第五次训练第一次作业问题：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.Definition 3. A Label Distribution system is a tuple S=(X,Y)\mathbf{S} = (\mathbf{X}, \mathbf{Y})S=(X,Y) , whereX=[xij]n×m∈Rn×m\mathbf{X} = [x_{ij}]_{n \times m} \in \mathbb{
2021-08-07 00:02:05
95
原创 2021-8-2 第四次训练
第四天第一次作业A undirected net is a tuple G=(V,w)G = (\mathbf{V} , w)G=(V,w), where V\mathbf{V}V is the set of nodes, and w:V×V→Rw:\mathbf{V} \times \mathbf{V} \to \mathbb{R}w:V×V→R is the weight function where w(vi,vj)w(v_i,v_j)w(vi,vj) is the weight of the
2021-08-03 00:20:25
89
原创 2021-07-28 第三次训练
第三天第一次作业将向量下标为偶数的分量 (x2,x4,…)(\textrm{x}_2, \textrm{x}_4,…)(x2,x4,…)累加, 写出相应表达式.∑imod 2=0xi\sum_{i \mod 2 = 0} x_iimod2=0∑xi各出一道累加、累乘、积分表达式的习题, 并给出标准答案.∑i=110xi\sum_{i = 1}^{10} x_ii=1∑10xi 答案为：56∏i=110xi\prod_{i = 1}^{10} x_ii=1∏10xi
2021-07-29 00:00:05
114
原创 2021-07-27 第二天训练
第二天第一次作业令A={1,2,5,8,9}\mathbf{A} = \{1, 2, 5, 8, 9\}A={1,2,5,8,9}，写出 A \mathbf{A}A 上的 “模 2 同余” 关系及相应的划分方法一：R={(a,b)∈A×A∣amod 2=bmod 2}\mathbf{R} = \{(a,b) \in \mathbf{A} \times \mathbf{A} \vert a \mod 2 = b \mod 2\}R={(a,b)∈A×A∣amod2=bmod2}方法二：R={(1
2021-07-27 23:02:02
74
原创 2021-07-26 第一天训练
第一天第一次课作业初次使用表达式是在csdn中：不会使用markdown模式，后来慢慢探究懂得了使用$$符号以及一些特殊的命令来进行数学表达式的表示。由于没有系统的学过表达式的编写，对\mathbf这些常用的代码都不了解看的一脸蒙圈，还经常被其中的{}看的乱呼呼。第二次作业1.12A={∅,{3},{5},{3,5}}2^{\mathbf{A}} = \{\emptyset, \{3\} ,\{5\}, \{3, 5\}\}2A={∅,{3},{5},{3,5}}1.2∅\emptyse
2021-07-26 21:25:32
87
原创 机器学习的数学基础3：有限状态自动机
1.二叉树的自动机描述A binary tree is a triple T=(Σ,V,r,ϕ,c)T=(\Sigma,\bm{V},r,\phi, c)T=(Σ,V,r,ϕ,c)∀v∈V\forall v \in \bm{V}∀v∈V, ∃1\exists1∃1 s∈Σ∗s \in \Sigma^*s∈Σ∗ st. (r,s)=v(\mathrm{r},\mathrm{s})=v(r,s)=v;a)Σ={l,r}\Sigma=\{\mathrm{l},\mathrm{r}\}Σ={l,r} is
2021-05-12 09:25:48
100
原创 机器学习-数学基础2：字母表，二叉树
本贴是对闵老师的博客的理解一.字母表1.1字母表常见的字母表包括:Σ={0,1}\Sigma= \{0, 1\}Σ={0,1}Σ={a,…,z}\Sigma = \{\mathrm{a}, \dots, \mathrm{z}\}Σ={a,…,z}我们需要的字母表：Σ={l,r}\Sigma = \{\mathrm{l},\mathrm{r}\}Σ={l,r}1.2正闭包The positive closure of alphabet is given by Σ+=Σ1∪Σ2∪.
2021-05-11 16:00:20
240
原创 机器学习-数学基础1：集合，关系，元组
习题 1: { 0 , 1 , { 0 , 1 } , { 1 , 2 } }有几个元素? 机器学习中, 这类形式的集合有什么优点和缺点?答：一共有4个元素，这四个元素分别为 0 1 { 0 , 1 } { 1 , 2 }。优点：可以存储多种类型的数据，并且每一个元素可以做到套娃。缺点：由于数据的类型不同，维度可能不同，所以处理数据时可能会比较复杂。习题 2: ∅ 的基数是多少? { ∅ } 呢?答：∅的元素个数是0，所以基数是0。{∅}的元素个数是1，所以基数是1。习题 5.
2021-05-06 09:44:04
268
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