Fork me on GitHub
上一页 1 ··· 49 50 51 52 53 54 55 56 57 ··· 88 下一页
摘要: 问题描写叙述: 魔术师手中有A、2、3……J、Q、K十三张黑桃扑克牌。在表演魔术前,魔术师已经将他们依照一定的顺序叠放好(有花色的一面朝下)。魔术表演过程为:一開始,魔术师数1,然后把最上面的那张牌翻过来,是黑桃A;然后将其放到桌面上;第二次,魔术师数1、2;将第一张牌放到这些牌的最以下,将第二张牌 阅读全文
posted @ 2017-02-24 18:05 ranjiewen 阅读(2376) 评论(0) 推荐(0) 编辑
摘要: 题目: n个人围成一个圈,每个人分别标注为1、2、...、n,要求从1号从1开始报数,报到k的人出圈,接着下一个人又从1开始报数,如此循环,直到只剩最后一个人时,该人即为胜利者。例如当n=10,k=4时,依次出列的人分别为4、8、2、7、3、10,9、1、6、5,则5号位置的人为胜利者。给定n个人, 阅读全文
posted @ 2017-02-22 12:48 ranjiewen 阅读(1467) 评论(0) 推荐(0) 编辑
摘要: 按照书上的要求实现了一下单链表;单链表的实现可能以前看过几次了;现在想想最主要的几个操作算法应该能够写了吧;遇到的问题: 1. 链表节点写成private;所已给出了访问的接口; 2.模板类的.h和.cpp实现写在同一个文件; 3.感觉以后的数据结构实现还是用纯c的实现好一些;然后书主要是思路 节点 阅读全文
posted @ 2017-02-21 21:06 ranjiewen 阅读(304) 评论(0) 推荐(0) 编辑
摘要: 今天用类模型实现一个单链表,开始是.h和.cpp将类模板的声明与实现分开写的,结果总是报错: 摆弄了很久都不知道为啥,结果一百度不经意间看到,原来类模板的声明与实现是不能够分开写的。 《C++编程思想》第15章(第300页)说明了原因: 模板定义很特殊。由template<…> 处理的任何东西都意味 阅读全文
posted @ 2017-02-21 10:29 ranjiewen 阅读(724) 评论(0) 推荐(0) 编辑
摘要: 1. Least-squares(最小二乘法)是最经典的机器学习算法,后续的大部分机器学习算法(包括题主提到的Lasso,ridge regression)都是在其基础上发展而来的。Linear model即,只要求得其参数,便可以得到自变量与因变量的映射关系。因此有监督回归的任务就是通过个成对的训 阅读全文
posted @ 2017-02-18 19:51 ranjiewen 阅读(1667) 评论(0) 推荐(0) 编辑
摘要: 这个问题一直想解决,看了很久都没有想通, Deep Learning(深度学习)学习笔记整理系列之(五) 写的通俗易懂,作为CSDN的博客专家,以后经常拜读他的文章。 Sparse Coding稀疏编码 如果我们把输出必须和输入相等的限制放松,同时利用线性代数中基的概念,即O = a1*Φ1 + a 阅读全文
posted @ 2017-02-18 18:17 ranjiewen 阅读(2645) 评论(0) 推荐(1) 编辑
摘要: K-means聚类算法 K-means也是聚类算法中最简单的一种了,但是里面包含的思想却是不一般。最早我使用并实现这个算法是在学习韩爷爷那本数据挖掘的书中,那本书比较注重应用。看了Andrew Ng的这个讲义后才有些明白K-means后面包含的EM思想。 聚类属于无监督学习,以往的回归、朴素贝叶斯、 阅读全文
posted @ 2017-02-18 15:44 ranjiewen 阅读(419) 评论(0) 推荐(0) 编辑
摘要: 【摘要】 本文主要介绍在CVPR和图像处理领域中较为常用的一种图像区域(Blob)提取的方法——连通性分析法(连通区域标记法)。文中介绍了两种常见的连通性分析的算法:1)Two-pass;2)Seed-Filling种子填充,并给出了两个算法的基于OpenCV的C++实现代码。 一、连通区域分析 连 阅读全文
posted @ 2017-02-16 21:10 ranjiewen 阅读(1942) 评论(0) 推荐(0) 编辑
摘要: 编辑距离概念描述: 编辑距离,又称Levenshtein距离,是指两个字串之间,由一个转成另一个所需的最少编辑操作次数。许可的编辑操作包括将一个字符替换成另一个字符,插入一个字符,删除一个字符。 例如将kitten一字转成sitting: 俄罗斯科学家Vladimir Levenshtein在196 阅读全文
posted @ 2017-02-13 20:21 ranjiewen 阅读(970) 评论(0) 推荐(0) 编辑
摘要: 坊间常说:数据和特征决定了机器学习的上限,而模型和算法只是逼近这个上限而已。由此可见,特征工程尤其是特征选择在机器学习中占有相当重要的地位。 通常而言,特征选择是指选择获得相应模型和算法最好性能的特征集,工程上常用的方法有以下:1. 计算每一个特征与响应变量的相关性:工程上常用的手段有计算皮尔逊系数 阅读全文
posted @ 2017-02-13 17:09 ranjiewen 阅读(527) 评论(0) 推荐(0) 编辑
上一页 1 ··· 49 50 51 52 53 54 55 56 57 ··· 88 下一页