摘要: 论文学习笔记:High level pattern based classification via tourist walks in networks , 该论文介绍了一种基于网络的游客漫步的高级数据分类技术 1. 训练过程简述 整体思想是, 训练过程先形成一个网络, 而预测过程则是, 新数据进入 阅读全文
posted @ 2020-04-26 22:45 letterMe 阅读(454) 评论(0) 推荐(1) 编辑
摘要: 论文学习笔记:A Network Based High Level Data Classification Technique , 该论文介绍了一种基于网络的高级数据分类技术 1. 训练过程简述 整体思想是, 训练过程先形成一个网络, 而预测过程则是, 新数据进入网络, 最接近该网络原始的内部模式和 阅读全文
posted @ 2020-04-13 17:58 letterMe 阅读(647) 评论(0) 推荐(0) 编辑
摘要: 前言 为进一步刻画网络的拓扑结构, 引入高阶拓扑特性。本章介绍了二阶度分布特性(也叫度相关性)的几种不同的方法,包括联合概率分布,条件概率和余平均度等... 度相关性和同配性 度相关性 平均度: $=\frac{2M}{N}$ , 度分布: $P(k)=n(k)/N$, , 其中$n(k)$表示度为 阅读全文
posted @ 2020-04-09 19:08 letterMe 阅读(6068) 评论(6) 推荐(1) 编辑
摘要: 网络基本拓扑性质, 复杂网络, 网络科学 阅读全文
posted @ 2020-04-08 15:44 letterMe 阅读(15920) 评论(1) 推荐(2) 编辑
摘要: 网络与图 图的定义 图的类型 简单图 图的计算机表示 1. 邻接矩阵 2. 邻接表与三元组 邻接表 三元组 3. 共引网络和文献耦合 共引网络(无向) 文献耦合网络 4. 路径和连通性 连通性(Connected) 路径和连通性的邻接矩阵表示 割集和Menger定理 Menger定理 有向图的连通性 生成树与最小生成树 树 广度优先搜索算法 最小生成树 最小生成树的两种方法(Kruskal算法和Prim算法) 二分图和匹配问题 二分图的定义 二分图的匹配 稳定匹配 阅读全文
posted @ 2020-04-07 16:54 letterMe 阅读(4184) 评论(1) 推荐(1) 编辑
摘要: [TOC] Basement of Neural Network 1. Logistic Regreesion $逻辑回归一般输出为[0, 1], 用来解决二分类问题。$ 1.1 Some Notation Ng给出的一些符号的解释 $(x,y): 表示样本的输入x和输出y$, $m: 表示样本数量 阅读全文
posted @ 2020-03-06 22:24 letterMe 阅读(311) 评论(0) 推荐(0) 编辑
摘要: [TOC] 1. 需现在服务端允许跨域,允许携带cookie 因服务端脚本语言不同,自行搜索设置 2. 前端Ajax跨域请求代码 阅读全文
posted @ 2019-12-04 21:39 letterMe 阅读(5504) 评论(0) 推荐(0) 编辑
摘要: [TOC] 解决办法 通过django中间件进行添加跨域头 1. 安装一个django cor包 2. 在 项目/setting.py中, 新增 3. 添加白名单:在白名单内的所有域名都可以访问 阅读全文
posted @ 2019-12-03 22:21 letterMe 阅读(1095) 评论(0) 推荐(0) 编辑
摘要: [TOC] 复杂网络 1. 基本概念 网络的图表示 :$G=(V,E)$, 节点数 :$N=|V|$ 边数 : $M=|E|$ 有向网络,无向网络 : 任一点对$(i, j)和(j, i)$对应同一条边,则为无向网络,反之成为有向. 有权网络,无权网络 : 边有权值, 成为有权. 反之,无权 两个节 阅读全文
posted @ 2019-11-14 11:08 letterMe 阅读(5212) 评论(1) 推荐(1) 编辑
摘要: [TOC] 常见的分布 参考: https://www.cnblogs.com/pinking/p/7898313.html 1. 0 1分布 概率函数为: $$P\{X=k\}=p^k(1 p)^k$$ , 其中k取0或者1. 只有两种结果 试验只做一次 2. 几何分布 $P(A)=p$ , 第$ 阅读全文
posted @ 2019-11-10 18:30 letterMe 阅读(1130) 评论(0) 推荐(0) 编辑