博o_Oer~-CSDN博客

原创论文笔记 -- Contrastive Clustering（对比聚类）

文章目录Contrastive Clustering文章介绍问题背景拟解决问题联合优化的应用主要贡献相关工作对比学习深度聚类实例级和聚类级的含义提出的方法模型结构PCB模块ICH模块CCH模块算法流程损失构建实验数据集介绍实验结果类簇演化过程数据增强的消融实验两种对比方式的消融实验不同数据增强方式的消融实验个人观点Contrastive Clustering文章介绍**出处：**AAAI-2021摘要：本文提出了一种称为对比聚类（CC）的单阶段在线聚类方法，该方法采用实例级和聚类级的对比学习。具体来

2022-03-21 22:24:39 12822 3

原创论文笔记 -- SOFT: Softmax-free Transformer with Linear Complexity

ViT通过图像块序列化+自注意力机制将不同CV任务性能往前推了一把。然而，自注意力机制会带来更高的计算复杂度与内存占用。在NLP领域已有不同的方案尝试采用线性复杂度对自注意力进行近似。然而，本文的深入分析表明：NLP中的近似方案在CV中缺乏理论支撑或者无效。进一步分析了其局限性根因：**softmax self-attention** 。具体来说，传统自注意力通过计算token之间的点乘并归一化得到自注意力。softmax操作会对后续的线性近似带来极大挑战。基于该发现，本文首次提出了SOFT(**softm

2022-01-12 12:23:44 3369

原创 Linux安装Anaconda shell脚本

脚本内容可以直接下载，只需1积分，或者使用如下内容自己创建#!/bin/bashPREFIX=$(cd `dirname $0`; pwd)/Anacondaanaconda_version="Anaconda3-5.3.0-Linux-x86_64.sh"echo "Create folder !"if [ -d $PREFIX ]; then #rm -rf $PREFIX/* echo "Install to $PREFIX !"else mkdir -

2021-10-19 16:54:47 2030

原创论文笔记 -- A Transformer-based Framework for Multivariate Time Series Representation Learning

文章目录A Transformer-based Framework for Multivariate Time Series Representation LearningRelated workMotivationContributionModelUnsupervised (self-supervised) pre-trainingRegression and classificationExperimentA Transformer-based Framework for Multivariate T

2021-09-29 09:30:11 6258 1

转载 Markdown编辑语法

文章目录Markdown 简明语法手册1. 斜体和粗体2. 分级标题3. 外链接4. 无序列表5. 有序列表6. 文字引用7. 行内代码块8. 代码块9. 插入图像Cmd Markdown 高阶语法手册1. 内容目录2. 标签分类3. 删除线4. 注脚5. LaTeX 公式6. 加强的代码块7. 流程图示例更多语法参考：[流程图语法参考](http://adrai.github.io/flowchart.js/)8. 序列图示例 1示例 2更多语法参考：[序列图语法参考](http://bramp.gi

2021-09-10 20:07:11 1322

转载 Markdown公式符号

上下标算式markdowna0,aprea0,aprea0,aprea_0, a_{pre}a0,a[0]a0,a[0]a0,a[0]a^0, a^{[0]}括号算式markdown(, )(, )[, ][, ]⟨,⟩⟨,⟩⟨,⟩\lang,...

2021-09-10 17:51:14 1377

原创论文笔记 -- Learning Representations for Time Series Clustering

文章目录Learning Representations for Time Series ClusteringMotivationContributionModelDTCR工作DTCR流程输入输出变量定义算法流程Equipment数据集介绍Baseline方法对比试验消融实验各项损失的贡献学习表示的过程鲁棒性分析超参数分析主要方法参考文献Learning Representations for Time Series Clustering原文：Learning Representations for T

2021-08-13 17:49:49 2962 2

转载修改Linux系统最大TCP连接数限制

修改Linux系统最大TCP/UDP连接数限制前提：拥有Root权限系统的默认配置是足以满足日常使用的TCP/UDP连接的，但是在进行高并发的网络编程时，超出连接个数会遇到最大打开文件数限制报错、无法创建新连接（超出最大进程数）、系统资源分配报错1、修改最大用户进程数和最大文件数限制ulimit 的作用ulimit：显示（或设置）用户可以使用的资源的限制（limit），这限制分为软限制（当前限制）和硬限制（上限），其中硬限制是软限制的上限值，应用程序在运行过程中使用的系统资源不超过相应的软限制，任

2021-07-06 21:31:07 8038 1

原创修改centos7系统用户最大线程数和最大文件数限制

修改centos7系统用户最大线程数和最大文件数限制需要注意，不同版本的Linux系统所对应的修改方法不同ulimit 的作用ulimit：显示（或设置）用户可以使用的资源的限制（limit），这限制分为软限制（当前限制）和硬限制（上限），其中硬限制是软限制的上限值，应用程序在运行过程中使用的系统资源不超过相应的软限制，任何的超越都导致进程的终止。-> ulimit -a # -a 列出所有当前资源极限core file size (blocks,

2021-07-06 09:38:24 4304 1

原创 k-means、k-means++、kernel k-means算法介绍及在datasets-load_iris数据集上的实现

文章目录k-means、k-means++、kernel k-means算法介绍及在datasets-load_iris数据集实现完整实验代码k-means公式数据集处理选取初始类中心单次k-means运算兰德指数对聚类结果评判运行结果正确结果每一轮迭代的结果优点缺点k-means++初始类中心选取运行结果每一轮迭代的结果kernel k-means原理坐标变换方式实验结果代码k-means、k-means++、kernel k-means算法介绍及在datasets-load_iris数据集实现k-m

2021-05-19 17:33:51 4597 5

原创 EM算法解决含隐变量的掷硬币问题

数据挖掘十大经典算法–EM算法（详解+代码）适用场景：用于含有隐变量的概率模型参数的极大似然估计，或者极大后验概率估计先对隐变量和极大似然估计做出解释考虑这样两个问题：1、抛一枚硬币，假设正面向上的概率是θ\thetaθ，先对其进行了10次试验，结果为8次正面，2次反面。2、有三枚硬币A，B，C，其正面向上的概率分别为π\piπ，ppp，qqq，现进行10次实验，先掷硬币A，若A为正面，则掷出B，否者掷出C，记录最终的掷硬币结果，现已知实验的观测结果为6次正面，4次反面。背景知识隐变量可以看

2021-05-11 21:48:32 893 1

原创 Markdown公式编辑语法(表)

Markdown公式编辑语法(表)描述语法描述语法描述语法α\alphaα\alphaβ\betaβ\betaγ\gammaγ\gammaδ\deltaδ\deltaϵ\epsilonϵ\epsilonζ\zetaζ\zetaη\etaη\etaθ\thetaθ\thetaι\iotaι\iotaκ\kappaκ\kappaλ\lambdaλ\lambdaμ\muμ\muν\nuν\nuξ\xiξ\xiο\

2021-05-11 09:33:10 212

原创机器学习中常用的距离度量方法

文章目录机器学习中常用的距离度量方法欧氏距离(Euclidean Distance)曼哈顿距离（Manhattan Distance）切比雪夫距离（Chebyshev distance）闵可夫斯基距离（Minkowski distance）标准化欧氏距离 (Standardized Euclidean distance )马氏距离(Mahalanobis Distance)巴氏距离（Bhattacharyya Distance）汉明距离（Hamming distance）相关系数( Correlation

2021-03-06 16:51:00 794

翻译聚类算法的性能度量方法

文章目录聚类算法性能度量一、兰德指数优点缺点数学公式二、基于互信息的度量优点缺点数学公式三、同质性，完整性和 V-measure优点缺点数学公式四、Fowlkes-Mallows 得分优点缺点五、 Silhouette 系数（轮廓系数）优点缺点六、Calinski-Harabaz 指数优点缺点数学公式七、Davies-Bouldin 指数优点缺点数学公式八、Contingency Matrix（可能性矩阵）优点缺点九、Pair Confusion Matrix（配对混淆矩阵）聚类算法性能度量该博客是基于

2021-03-04 10:06:07 5351 1

原创模型无关的时间序列度量方法及特征

文章目录模型无关的时间序列度量方法及特征模型无关的方法（Model-free approaches）常用方法介绍闵可夫斯基距离（Minkowski distance）弗雷歇距离（Fréchet distance）动态时间规整DTW（Dynamic time warping distance）一个自适应的涵盖了价值和行为上的接近度的不同的指标（An adaptive dissimilarity index covering both proximity on values and on behavior）皮尔

2021-03-01 20:34:07 1624

原创时间序列间距离的影响因素

文章目录时间序列间距离的影响因素1、噪声图像表示简介引起噪声数据的原因噪声数据的影响噪声数据处理方法回归异常值检测2、振幅平移图像表示引起振幅平移的原因振幅平移在聚类上的应用3、振幅伸缩图像表示振幅伸缩的应用4、时间轴伸缩图像表示时间轴伸缩的作用5、线性漂移图像表示6、不连续（数据丢失）图像表示数据丢失的产生数据丢失的处理时间序列间距离的影响因素时间序列的相似性度量是衡量两个序列的相似程度的方法。两个序列是否相似，主要看他们的变化趋势是否一致。由于时间序列数据的复杂性特点，实际上不可能存在两条完全相同的

2021-02-25 16:38:38 1748

原创 Supervisor进程管理与开机自动启动

简介Supervisor是一个客户端/服务器系统，允许其用户控制类似UNIX的操作系统上的许多进程。Supervisor已经过测试，可以运行在Linux（Ubuntu），Mac OS X（10.4、10.5、10.6）和Solaris（对于Intel为10）和FreeBSD 6.1上。在大多数UNIX系统上，它可能会正常工作。Supervisor完全不会在任何Windows版本下运行。Supervisor旨在在Python 3版本3.4或更高版本以及Python 2版本2.7上工作。该过程在Ubu

2021-01-26 13:52:05 3824

原创 CCF认证模拟- 201909-2-小明种苹果（续）-python

题目测试用例44 74 -7 -12 -55 73 -8 -6 59 -45 76 -5 -10 60 -25 80 -6 -15 59 054 10 0 9 04 10 -2 7 02 10 04 10 -3 5 04 10 -1 8 0思路明天写代码N = int(input())list_apple_tree = []for i in range(N): list_tmp = list(map(int, input().split())) l

2020-11-23 22:28:06 180

原创手动开根号方法--数学

类似于加减乘除，平方根也可以进行手动计算：示例数字较大，对于较小数字依旧适用该方法

2020-10-23 16:41:37 7215

原创 pytorch入门操作

pytorch入门–Tensor基础：https://blog.csdn.net/qq_43923588/article/details/107973551pytorch入门–Tensor常用操作：https://blog.csdn.net/qq_43923588/article/details/107974097pytorch入门–索引与切片：https://blog.csdn.net/qq_43923588/article/details/107974187pytorch入门–维度变换：https

2020-08-14 16:29:50 252

原创 pytorch入门--矩阵统计属性

本篇pytorch的矩阵统计属性展示，包含：norm 范数prod 累乘max/min/argmax/argmindim/keepdimkthvalue/topk常用运算符使用方法和含义均在代码的批注中给出，因为有较多的输出，所以设置输出内容的第一个值为当前print()方法所在的行矩阵统计属性import torchimport numpy as npimport sysloc = sys._getframe()_ = '\n''''norm范数这里并不是norma

2020-08-14 16:00:52 845 1

原创 pytorch入门--矩阵基本运算

本篇pytorch的矩阵基本运算进行展示，包含：add/subtract/multiply/dividematmulpow 次方sqrt/rsqrt 次方根近似运算上下界操作使用方法和含义均在代码的批注中给出，因为有较多的输出，所以设置输出内容的第一个值为当前print()方法所在的行矩阵基本运算import torchimport numpy as npimport sysloc = sys._getframe()_ = '\n''''add/subtract/m

2020-08-14 15:57:22 4431

原创 pytorch入门--拆分与拼接

本篇pytorch的tensor拆分与拼接进行展示，包含：catstacksplitchunk使用方法和含义均在代码的批注中给出，因为有较多的输出，所以设置输出内容的第一个值为当前print()方法所在的行拆分与拼接import torchimport numpy as npimport sysloc = sys._getframe()_ = '\n''''cat第一个参数为一个list，其中包含所有的要用于合并的tensor第二个参数决定在哪一个维度上进行合并，其余的

2020-08-14 15:53:15 310

原创 pytorch入门--维度变换

本篇pytorch的唯独变换进行展示，包含：view/reshapesqueeze/unsqueezeexpand/repeattranspose/t/permuteBroadcast使用方法和含义均在代码的批注中给出，因为有较多的输出，所以设置输出内容的第一个值为当前print()方法所在的行维度变换import torchimport numpy as npimport sysloc = sys._getframe()_ = '\n''''view/reshape改变te

2020-08-14 15:46:57 336

原创 pytorch入门--索引与切片

本篇对torch的tensor索引与切片进行展示使用方法和含义均在代码的批注中给出，因为有较多的输出，所以设置输出内容的第一个值为当前print()方法所在的行索引与切片import torchimport numpy as npimport sysloc = sys._getframe()_ = '\n''''给定维度进行索引'''a = torch.rand(4, 3, 8, 8)print(loc.f_lineno, _, a[0].shape, _, a[0, 0].shap

2020-08-13 10:37:42 703

原创 pytorch入门--Tensor常用操作

本篇对tensor的一些常用操作进行展示使用方法和含义均在代码的批注中给出，因为有较多的输出，所以设置输出内容的第一个值为当前print()方法所在的行tensor常用操作import torchimport numpy as npimport sysloc = sys._getframe()'''用numpy生成数据，之后导入torch使用GPU进行加速运算'''a = np.array([2, 3.3])aa = torch.from_numpy(a)a1 = np.array(

2020-08-13 10:34:13 385

原创 pytorch入门--Tensor基础

本篇对tensor的一些基础操作进行展示使用方法和含义均在代码的批注中给出，因为有较多的输出，所以设置输出内容的第一个值为当前print()方法所在的行数据类型及张量import torchimport numpy as npimport sysloc = sys._getframe()'''常用数据类型'''a = torch.randn(2, 3)# 输出数据类型print(loc.f_lineno, '\n', a.type())print(loc.f_lineno, '\n'

2020-08-13 10:26:13 286

原创 Ubuntu使用Grafana搭建监控平台展示OpenTSDB数据

文章目录Ubuntu使用Grafana搭建监控平台展示OpenTSDB数据1、环境配置1.1版本要求1.2Grafana安装1.3Hbase和OpenTSDB2、Grafana的使用2.1为Grafana配置OpenTSDB数据源2.2展示数据源2.3对数据进行操作3、Java为OpenTSDB生成数据1.生成数据的格式2.数据生成代码3.数据写入代码Ubuntu使用Grafana搭建监控平台展示OpenTSDB数据1、环境配置1.1版本要求Hbase 2.2.5OpenTSDB 2.4.0

2020-08-01 18:06:48 709

原创机器学习-sklearn.datasets-load_iris数据集-回归算法和K近邻法(KNN)

学习机器学习一个月了，开始尝试做一些简单的问题，整体代码在文章最后这里写目录标题1、 load_iris数据集2、数据集处理3、线性回归3.1 回归训练3.2 回归测试3.3 对输入点进行判断4、K近邻(KNN)算法4.1 距离计算4.2 计算准确率4.3 k近邻法判断输入点类别5、绘制函数图像6、运行结果展示7、完整代码1、 load_iris数据集Iris数据集在模式识别研究领域应该是最知名的数据集了，有很多文章都用到这个数据集。这个数据集里一共包括150行记录，其中前四列为花萼长度，花萼宽度，花

2020-07-29 20:10:49 45281 10

install_anaconda.sh

空空如也