qq_56173839的博客

原创 论文中格式问题--如何使得表格中文字垂直居中

2.进入后选择【单元格】，选择【垂直对齐方式】，选【居中】，点击确定。1.选中表格中文字，单击鼠标右键，选择【表格属性】

原创 论文中格式问题-----如何让word段落中的公式和文字水平对齐

2.选中想要对齐的段落，打开菜单栏中的段落设置，将鼠标光标移至包含公式的段落，右键单击，选择“段落”选项，弹出“段落选项框”。3.在打开的窗体中，切换到“中文版式”页，找到“文本对齐方式”项（位于该页最下方），选择对齐方式为“居中”。1.当段落中的公式和文字出现对齐不准确的情况时，我们可以通过以下步骤进行调整。通过以上步骤，我们成功调整了公式和文字的对齐方式，确保了文档的排版整洁。4.设置完成后，点击“确定”按钮。

原创 半正定对称矩阵（相关知识）

半正定对称矩阵的SVD分解后，左右奇异向量是相同的。这是因为半正定对称矩阵的特征向量是正交的，并且它的奇异值都是非负数，因此在SVD分解中的左、右奇异向量相同，即U=V。半正定对称矩阵的特征向量的2范数一定是1。因为对于半正定对称矩阵A，它的特征值一定非负，且特征向量间两两正交，因此每个特征向量的2范数都是1。

原创 协同聚类（Collaborative Clustering）

协同聚类（Collaborative Clustering）是一种集成学习方法，它结合了聚类和分类的概念，旨在同时进行聚类和分类任务。它通过将数据样本分配到不同的簇（clusters）中，并在每个簇中执行分类任务，从而实现聚类和分类的协同工作。然后，在每个簇中，针对该簇的样本执行分类步骤，即在簇内进行分类任务。对于回归问题，你可以选择其他方法，如线性回归、决策树回归、支持向量回归等，这些方法专门用于预测连续值。回归问题涉及预测连续值的任务，而协同聚类更适用于分类和聚类任务，它主要处理离散的类别或簇。

原创 nystrom期望误差

原创 对于任意给定的列向量 x 和 y，它们的外积 xy^T 所构成的矩阵 Frobenius 范数等于 x 和 y 分别的二范数相乘

原创 矩阵相关--正交基，半正定矩阵（F范数等于迹）

原创 Day1,记录核近似方法nystrom

简单来说，它表明通过使用Nystrom方法求得的低秩逼近矩阵A_k∼可以很好地近似原始矩阵A，并且误差期望受到了一个与n/k有关的乘法因子的界限控制。此外，该不等式仅适用于对称正定核矩阵，对于其他类型的矩阵，可能需要采用其他技术来进行低秩逼近。其中一个小矩阵是通过随机选择原始矩阵的一部分列而得到的，另一个小矩阵则由完整矩阵对应的行和列组成。低秩逼近矩阵指的是对于任何给定的矩阵A，找到一个秩不超过r（r < rank(A)）的矩阵B，使得||A-B||较小。- n是A的大小，k是低秩逼近矩阵A_k∼的秩。