wangxhhtc的博客

转载 CWT. Mark.

小波变换的引入，通俗易懂连续小波变换（CWT）连续小波变换CWT（2）

原创 Linux 802.11n CSI Tool平台搭建（AP模式）

根据http://dhalperi.github.io/linux-80211n-csitool/installation.html整理，实测成功。准备工作：Ubuntu 12.04（根据官网12.04-14.04均可，14.04未测试）具体步骤：1. PrerequisitesStep 1：sudo apt-get install gcc make linux-h...

转载 异常点/离群点检测算法——LOF

　　在数据挖掘方面，经常需要在做特征工程和模型训练之前对数据进行清洗，剔除无效数据和异常数据。异常检测也是数据挖掘的一个方向，用于反作弊、伪基站、金融诈骗等领域。 　　异常检测方法，针对不同的数据形式，有不同的实现方法。常用的有基于分布的方法，在上、下α分位点之外的值认为是异常值（例如图1），对于属性值常用此类方法。基于距离的方法，适用于二维或高维坐标体系内异常点的判别，例如二维平面坐标或经纬度...

转载 散点图-scatter

本页对应的英文页面已更新，但尚未翻译。 若要查看最新内容，请点击此处访问英文页面。scatter散点图全页折叠语法scatter(x,y)scatter(x,y,sz)scatter(x,y,sz,c)scatter(___,'filled')scatter(___,mkr)scatter(___,Name,Value)scatter(ax,___)s ...

转载 移动平均滤波器2（Smooth Matlab）

1 smooth的函数原型在MATLAB命令行中，输入help smooth可以看到smooth函数的介绍smooth - Smooth response dataThis MATLAB function smooths the data in the column vector y using a moving average filter.yy...

转载 movvar移动方差

movvar移动方差全页折叠语法M = movvar(A,k)M = movvar(A,[kb kf])M = movvar(___,w)M = movvar(___,w,dim)M = movvar(___,nanflag)M = movvar(___,Name,Value)说明示例M = movvar(A,k) 返回由局部 k 个数据点的方差值组成的数组，其中每个方差基于 A 的相邻元素的长...

转载 matlab实现功率谱密度分析psd及详细解说

1.直接法：直接法又称周期图法，它是把随机序列x(n)的N个观测数据视为一能量有限的序列，直接计算x(n)的离散傅立叶变换，得X(k)，然后再取其幅值的平方，并除以N，作为序列x(n)真实功率谱的估计。Matlab代码示例：clear; Fs=1000; %采样频率 n=0:1/Fs:1; %产生含有噪声的序列 xn=cos(2*pi*40*n)+3*cos(2*pi*100...

转载 移动平均滤波器1(moving average filter)

移动平均滤波基于统计规律，将连续的采样数据看成一个长度固定为N的队列，在新的一次测量后，上述队列的首数据去掉，其余N-1个数据依次前移，并将新的采样数据插入，作为新队列的尾；然...

转载 Matlab中plot函数全功能解析

二维曲线绘图语法plot(Y) plot(X1,Y1,…) plot(X1,Y1,LineSpec,…) plot(…,’PropertyName’,PropertyValue,…) plot(axes_handle,…) h = plot(…) hlines = plot(‘v6’,…)描述plot(Y)如果Y是m×n的数组，以1:m为X横坐标，Y中的每一列元素为Y坐标，绘...

转载 Hampel滤波，去除异常值

hampel滤波，去除异常值本文源自(https://www.mathworks.com/help/signal/ref/hampe...

转载 图论（十）最小生成树-Prim算法

前面说过，Prim算法是从顶点着手构建最小生成树的。应该说，Prim算法比Kruskal更简单。我们还是以前面的乡镇假设光纤网络为例：Prim算法工作步骤（1） 构建全部顶点集V，选取初始顶点，加入顶点集U。构建顶点集V={a,b,c,d,e,f,g,h,i}，从中选取任意一个顶点。我们假设从顶点a开始。将a加入到顶点集U={a}中。（2） 找U中顶点与V-U中顶点...

转载 图论（九）最小生成树-Kruskal算法

前面说过，Kruskal是从最短边着手构建最小生成树的。其基本过程是：先对图中的所有边按照权重值从小到大进行排序，然后着手选取边构建最小生成树。如果直接从小到大按顺序选取，有可能形成了环，所以对环的处理就成了核心问题。我们还是以前面的乡镇假设光纤网络为例：Kruskal算法工作步骤如下：（1） 将边进行排序。BeginEndWeightei7...

转载 图论（八）最小生成树

一个正在进行信息化建设的国家级贫困县，需要在下属9个乡镇之间架设光纤网络。为减少建设难度，光纤网主要沿着这9个乡镇之间互连的公路进行铺设。这9个乡镇之间的公路网以及相互之间的距离(单位：km)如下图所示： 如果你是工程师，该怎样设计线路铺设方案？当然，你可以直接把所有的公路网都铺设上光缆，这样的线路总长度是247公里。但如果你是这样想的，那么我一定会怀疑你到底是不是一名工程师！你可以再设计...

转载 图论（七）哥尼斯堡七桥问题

1736年，年仅29岁的数学家欧拉来到普鲁士的古城哥尼斯堡（哲学家康德的故乡，今俄罗斯加里宁格勒）。普瑞格尔河正好从市中心流过，河中心有两座小岛，岛和两岸之间建筑有七座古桥。 欧拉发现当地居民有一项消遣活动，就是试图每座桥恰好走过一遍并回到原出发点，但从来没人成功过。欧拉证明了这种走法是不可能的。现在看来，欧拉的证明过程非常简单，但他对七桥问题的抽象和论证思想，开创了一个新的学科：图论(G...

转载 图论（六）图的两种表示方法

如果要用图来解决问题，首先我们必须采用某种数据结构来存储和表示“图”。相对于数组、链表等来说，图的存储结构就复杂的多了。首先，图上的任何一个顶点都可以被看作是第一个顶点，任意顶点的邻接顶点之间也不存在次序关系。还记得在《图论（一）基本概念》中的“同构图”吧，图的形状可以千变万化的。因此也就无法以数据元素在内存中的物理位置来表示元素之间的关系，也就是说，图不可能用数组这样简单的顺序存储结构来表示...

转载 图论（五）深度优先搜索DFS

深度优先搜索(DFS, Depth First Search)是一个针对图和树的遍历算法。早在19世纪就被用于解决迷宫问题。对于下面的树而言，DFS方法首先从根节点1开始，其搜索节点顺序是1,2,3,4,5,6,7,8（假定左分枝和右分枝中优先选择左分枝）。 DFS的实现方式相比于BFS应该说大同小异，只是把queue换成了stack而已，stack具有后进先出LIFO(Last Inpu...

转载 图论（四）宽度优先搜索BFS

宽度优先搜索(BFS, Breadth First Search)是一个针对图和树的遍历算法。发明于上世纪50年代末60年代初，最初用于解决迷宫最短路径和网络路由等问题。对于下面的树而言，BFS方法首先从根节点1开始，其搜索节点顺序是1,2,3,4,5,6,7,8。 BFS使用队列(queue)来实施算法过程，队列(queue)有着先进先出FIFO(First Input First Ou...

转载 图论（三）图的遍历

图建构好后，针对具体的问题，我们常常需要通盘的读取图中的信息，包括顶点（vertex）和边（edge），以及它们之间的关系。这种读取图中所有信息的方法就是图的遍历（traversal），也称为搜索（search），就是从图中某个顶点出发，沿着一些边访问图中所有的顶点，且使每个顶点仅被访问一次。遍历是很多图论算法的基础。 遍历需要决定从哪里开始读，依照什么顺序读，要读到哪里为止。如果遍历方法与...

转载 图论（二）树

建立了图（graph）的认识，“树”就好理解了。“树”是一种很特别的图（graph）。用图来定义“树”：任意2点之间都连通，并且没有“环”的图。下面的图就是一颗树，因此，树是图的特例。 当然，由于树是一种特别有用的数据结构，因此，它有着一些自身的特点和概念： 一、节点（node） 就是图（graph）的顶点（vertex）。如上图中的顶点：0,1,2,3,4,5,6,7,8。 二、枝（...

转载 图论（一）基本概念

</p>图（graph）是数据结构和算法学中最强大的框架之一（或许没有之一）。图几乎可以用来表现所有类型的结构或系统，从交通网络到通信网络，从下棋游戏到最优流程，从任务分配到人际交互网络，图都有广阔的用武之地。</p>而要进入图论的世界，清晰、准确的基本概念是必须的前提和基础。下面对其最核心...

转载 机器学习算法必掌握的 12 种概率分布（附 Python 代码实现）

机器学习有其独特的数学基础，我们用微积分来处理变化无限小的函数，并计算它们的变化；我们使用线性代数来处理计算过程；我们还用概率论与统计学建模不确定性。在这其中，概率论有其独特的地位，模型的预测结果、学习过程、学习目标都可以通过概率的角度来理解。与此同时，从更细的角度来说，随机变量的概率分布也是我们必须理解的内容。在这篇文章中，项目作者介绍了所有你需要了解的统计分布，他还提供了每一种分布的实现...

转载 隐马尔可夫模型（HMM）的MATLAB实现——Baum-Welch算法

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。 ...

转载 隐马尔可夫模型（HMM）的MATLAB实现——Viterbi算法

维特比算法实际是用动态规划求解隐马尔可夫模型解码问题，即用动态规划求概率最大路径（最优路径）。代码中有示例，来自李航《统计学习方法》function [Delta,Psi,P,I] = Viterbi(A,B,Pi,O)% 函数功能：利用维特比算法找到观测序列O的最优路径%% 参考文献：李航《统计学习方法》%% 思路：% 1，初始化% delta_1(i) = Pi_i *...

转载 隐马尔可夫模型（HMM）的MATLAB实现——前向后向算法

由于研究需要，在网上找了不少关于隐马尔可夫模型的MATLAB程序，可能是没有耐下心去看，总之感觉看懂别人写的程序很费劲，所以就自己动手写了一下。主要的参考书目是李航的《统计学习方法》，并实现了书中部分例题和习题的解答，关于隐马尔可夫模型的理论知识不再赘述，这方面的经典论文和网上的优秀博客很多，这里介绍两篇经典的论文：1，Bilmes L,et al. A Gentle Tutorial of...

转载 HMM学习最佳范例（五）总结

八、总结(Summary)　　通常，模式并不是单独的出现，而是作为时间序列中的一个部分——这个过程有时候可以被辅助用来对它们进行识别。在基于时间的进程中，通常都会使用一些假设——一个最常用的假设是进程的状态只依赖于前面N个状态——这样我们就有了一个N阶马尔科夫模型。最简单的例子是N = 1。　　存在很多例子，在这些例子中进程的状态（模式）是不能够被直接观察的，但是可以非直接地，或者概率地被观...

转载 HMM学习最佳范例（四）前向-后向算法

七、前向-后向算法(Forward-backward algorithm)根据观察序列生成隐马尔科夫模型(Generating a HMM from a sequence of obersvations)　　与HMM模型相关的“有用”的问题是评估（前向算法）和解码（维特比算法）——它们一个被用来测量一个模型的相对适用性，另一个被用来推测模型隐藏的部分在做什么（“到底发生了”什么）...

转载 HMM学习最佳范例（三）维特比算法

六、维特比算法（Viterbi Algorithm）寻找最可能的隐藏状态序列(Finding most probable sequence of hidden states)　　对于一个特殊的隐马尔科夫模型(HMM)及一个相应的观察序列，我们常常希望能找到生成此序列最可能的隐藏状态序列。1.穷举搜索　　我们使用下面这张网格图片来形象化的说明隐藏状态和观察状态之间的关系：　　我...

转载 HMM学习最佳范例（二）前向算法

五、前向算法（Forward Algorithm）计算观察序列的概率（Finding the probability of an observed sequence）1.穷举搜索（ Exhaustive search for solution）　　给定隐马尔科夫模型，也就是在模型参数（pi, A, B)已知的情况下，我们想找到观察序列的概率。还是考虑天气这个例子，我们有一个用来描述天...

转载 HMM学习最佳范例（一）介绍-生成模式-隐藏模式-隐马尔科夫模型

　　隐马尔科夫模型（HMM）依然是读者访问“我爱自然语言处理”的一个热门相关关键词，我曾在《HMM学习最佳范例与崔晓源的博客》中介绍过国外的一个不错的HMM学习教程，并且国内崔晓源师兄有一个相应的翻译版本，不过这个版本比较简化和粗略，有些地方只是概况性的翻译了一下，省去了一些内容，所以从今天开始计划在52nlp上系统的重新翻译这个学习教程，希望对大家有点用。一、介绍（Introduction）...

转载 矩阵求偏导

转载 空间任一点到超平面的距离公式的推导过程

在感知机模型中，输入空间中任意一点 到超平面S的距离：其推导过程如下： ...