09 2023 档案

gcc编译c++文件
摘要：gcc -fopenmp 源.cpp -o hello -lstdc++ 阅读全文
posted @ 2023-09-30 17:14 祥瑞哈哈哈 阅读(19) 评论(0) 推荐(0) 编辑
Bullwinkle算法原理
摘要：图片每个像素的置信度图，将其在非目标端元即背景端元位置设为Nan，设置background的背景mask，目标端元位置为ture，获取每个正包的最大置信度，排序。 循环（正包置信度从大往小读） pd=i/总正包数 far=背景置信度大于此置信度/背景像素 根据FAR的1/1000和1计算曲线面积 阅读全文
posted @ 2023-09-26 15:16 祥瑞哈哈哈 阅读(12) 评论(0) 推荐(0) 编辑
轮廓图
摘要：https://blog.csdn.net/weixin_64589302/article/details/132384317 阅读全文
posted @ 2023-09-24 15:42 祥瑞哈哈哈 阅读(34) 评论(0) 推荐(0) 编辑
第二周
摘要：第一题 linux版本信息 gcc版本 gcc版本是6.3.0 gcc编译c语言文件，并运行成功输出hello，world 第二题 THREAD_NUM g_Count 5 5 25 25 50 49 800 659 1000 672 //互斥量代码（使用（mutex）） 代码： #include< 阅读全文
posted @ 2023-09-20 22:07 祥瑞哈哈哈 阅读(34) 评论(0) 推荐(0) 编辑
数学建模写法
摘要：问题分析最后要有流程图 公式分开写，公式和文字结合。有抽象到具体细节 阅读全文
posted @ 2023-09-19 08:19 祥瑞哈哈哈 阅读(11) 评论(0) 推荐(0) 编辑
gulfport的humanconf和humancat的含义
摘要：Targets_HumanConf: one of {1,2,3,4} indicating target visibility. That is, whether the human truthers felt they could identify the target in the data. 阅读全文
posted @ 2023-09-18 08:26 祥瑞哈哈哈 阅读(8) 评论(0) 推荐(0) 编辑
作业
摘要：第一题： 设备名称 DESKTOP-K3CS37F处理器 Intel(R) Core(TM) i5-9300H CPU @ 2.40GHz 2.40 GHz机带 RAM 8.00 GB (7.85 GB 可用)系统类型 64 位操作系统, 基于 x64 的处理器 版本 Windows 10 家庭中文 阅读全文
posted @ 2023-09-14 14:41 祥瑞哈哈哈 阅读(57) 评论(0) 推荐(0) 编辑
ACE是靠波形来分类的
摘要：因为ACE将数据映射到白化空间求其与目标的余弦所以缩放特征会破坏波形不利于ACE的分析（其实这么做只是准确率略微降低），所以只用归一化作用于像素。 阅读全文
posted @ 2023-09-13 16:19 祥瑞哈哈哈 阅读(8) 评论(0) 推荐(0) 编辑
做数据做白化处理
摘要：x = normrnd(0,10,[1 400]);noise= normrnd(0,1,[1 400]);y=xy=y+noisew=[x;y][coeff,scores] = pca(w')figure(1)hold onscatter(x(:), y(:), '.')biplot(coeff( 阅读全文
posted @ 2023-09-12 16:23 祥瑞哈哈哈 阅读(21) 评论(0) 推荐(0) 编辑
大方差特征的优势
摘要：在统计学中，主成分分析PCA是一种简化数据集的技术。它是一个线性变换。这个变换把数据变换到一个新的坐标系统中，使得任何数据投影的第一大方差在第一个坐标(称为第一主成分)上，第二大方差在第二个坐标(第二主成分)上，依次类推。主成分分析经常用于减少数据集的维数，同时保持数据集的对方差贡献最大的特征。这是 阅读全文
posted @ 2023-09-10 22:38 祥瑞哈哈哈 阅读(11) 评论(0) 推荐(0) 编辑
白化定义
摘要：The whitened data satisfies two conditions: 1) the correlation between different features is the smallest, close to 0;（可用主成分分析完成） 特征之间的相关性趋于0，去除冗余特征（相 阅读全文
posted @ 2023-09-10 11:06 祥瑞哈哈哈 阅读(57) 评论(0) 推荐(0) 编辑
白化
摘要：为了得到服从i.i.d独立同分布的数据，在把数据喂给机器学习模型之前，“白化（whitening）”是一个重要的数据预处理步骤。白化一般包含两个目的：（得到独立同分布数据） 去除特征之间的相关性 —> 独立；使得所有特征具有相同的均值和方差 —> 同分布。白化最典型的方法就是PCA白化，在此不再赘述 阅读全文
posted @ 2023-09-09 22:58 祥瑞哈哈哈 阅读(51) 评论(0) 推荐(0) 编辑
对遥感数据做不同归一化的体会
摘要：ACE对模为1的归一化数据准确率最高。 HD要求归一化方法相同这个我搞不懂。 为什么HD要求信号和像素归一化方法相同呢？ ACE对其要求不高变换归一化方法也只是略微变动。 归一化就是对数据进行处理，希望让不同类之间的差异性大，同类之间差异性小。 初步感觉呢归一化就是进行缩放，并未破坏形状。0-1归一 阅读全文
posted @ 2023-09-09 09:05 祥瑞哈哈哈 阅读(81) 评论(0) 推荐(0) 编辑
数据拟合问题的基本思路
摘要：1.特征工程（数据介绍，特征描述，缺失值处理，异常值处理，计算相关性）2.建立模型。3.确定评价指标，画出模型和标签的曲线图。 阅读全文
posted @ 2023-09-08 23:12 祥瑞哈哈哈 阅读(10) 评论(0) 推荐(0) 编辑
相关性强的特征是冗余特征
摘要： 阅读全文
posted @ 2023-09-08 22:40 祥瑞哈哈哈 阅读(13) 评论(0) 推荐(0) 编辑
画热力图代码
摘要：画完热力图要表示特征和标签的相关性，画出热力图后最好把画出特征跟标签的对应关系。 阅读全文
posted @ 2023-09-08 20:16 祥瑞哈哈哈 阅读(11) 评论(0) 推荐(0) 编辑
箱型图的原理及绘制代码
摘要： 阅读全文
posted @ 2023-09-08 19:13 祥瑞哈哈哈 阅读(47) 评论(0) 推荐(0) 编辑
数学建模要点
摘要：评分标准 尽可能考虑问题较全面。 比如特征工程，选择好的特征。验证模型时交叉验证，数据集的划分。 1.选出好的特征（需要仔细考虑特征，如果特征考虑少数学建模打分可能低一些）->2.选择合理的模型拟合->3.验证（交叉验证，数据集的划分）。 问题背景和问题重述，模型假设和符号说明这些都不属于评分标准。 阅读全文
posted @ 2023-09-07 10:56 祥瑞哈哈哈 阅读(44) 评论(0) 推荐(0) 编辑
数学建模摘要的写法
摘要：引出研究意义+研究过程+结论。 确定需要考虑哪些因素，然后不断加入模型中。 做法：找到一个简单的模型在此基础上不断加入需要考虑的因素。 植被生物量=植物生长+枯萎+放牧啃食 阅读全文
posted @ 2023-09-06 08:55 祥瑞哈哈哈 阅读(40) 评论(0) 推荐(0) 编辑
数学建模常见错误
摘要：主要问题一： 问题基本都是建立模型去达到某种目的，所以说最终要给出结论即模型验证，不给出模型验证就表明结果不好。 机理分析就是分析影响结果的因素，比如植物生长考虑降水量蒸发量等因素。 主要问题二： 问题二和问题三要求利用数据建立模型预测某一指标，很多人直接利用机器学习方法预测。 主要问题三就是问题没 阅读全文
posted @ 2023-09-05 22:41 祥瑞哈哈哈 阅读(80) 评论(0) 推荐(0) 编辑

点击右上角即可分享
微信分享提示