摘要：
精确一维搜索 试探法 精确一维搜索就是通过迭代取减少搜索区间 对于搜索区间[a, b] 在这个区间中找连个互不相同的试探点p1 p2获取f(p1), f(p2), 设p1 < p2 若f(p1) < f(p2) 则丢弃区间 [p2, b] 若f(p1) >= f(p2) 则丢弃区间 [a, p1] 阅读全文
摘要：
罚函数法: 求解约束条件下的最优化问题 罚函数法的思路就是改变函数f(x),将f(x) 变为F(x) 使得F(x)在无约束条件下取得的最优解，正好符合我们的约束条件，且正好为f(x)在约束条件下的最优解 先有最优化问题f(x), 可行区域是c(x) <= 0 外罚函数法: 对于F(x)在可行区域内仍 阅读全文
摘要：
第一章: 复数的模，三角表示法，指数表示法，求根与求幂，平面映射 复数为x + yi 复数的模为 sqrt(x2 + y2) 复数的三角表达式为 sqrt(x2 + y2)(cosθ + sinθ * i) 复数的指数表达式为 sqrt(x2 + y2)eiθ 求复数的n次幂可使用指数表达式简化计算 阅读全文
摘要：
响应和发送消息 signal函数 signal(int, fun) 在程序捕获到一个值的时候，调用fun 定义函数：int kill(pid_t pid, int sig);函数说明：kill()可以用来送参数sig 指定的信号给参数pid 指定的进程。参数pid 有几种情况：1、pid>0 将信号 阅读全文
摘要：
牛顿法 需求：知道每个点的一阶导数和二阶倒数(Hessian矩阵) 目标: 若x*是无约束问题的局部解，则x*满足▽f(x) = 0 ▽f(x) 表示多元函数对其中每一元求偏导数组成的向量 ▽f(x) = (∂f/∂x1, ∂f/∂x2, ∂f/∂x3, .......) 过程: 对于多元函数▽f 阅读全文
摘要：
协方差 协方差用来描述两个变量的相关性 若两个随机变量正相关则cov(x,y) > 0 负相关则cov(x,y)<0 不相关则cov(x,y) = 0 公式 cov(x,y) = E[(x-ux) *(y-uy)] rxy = cov(x,y) / ( sqrt(cov(x,x)) * sqrt(c 阅读全文
摘要：
定义 熵是从整个集合的统计特性所考虑的 表示信源输出前信源的平均不确定性 表示信源输出后每个符号携带的平均信息 I(p)只能表示信源中每个符号的信息量，不能作为信源总体的信息量 公式: H(x) = E(log 1/p(ai)) = -∑p(ai) log p(ai) 自信息 发出的消息所携带的信息 阅读全文
摘要：
概述： 信息使用来消除不确定性的东西 信息不等于消息，消息只是信息的载体 度量： 信息的大小是由信息消除的不确定性的大小决定的 中国男子乒乓球队获得冠军与中国男子足球队获得冠军的信息量完全不同 事件1的不确定性为I(p1), p1为事件1的先验概率 信息A消除的不确定性为I(p2) 则获取信息A后事 阅读全文
摘要：
fork() 使用fork创建一个子进程 在子进程从此时开始执行，并不执行fork前的内容 fork在父进程中返回子进程的PID， 在子进程中返回0 子，父进程是并行执行的，所以输出可能是掺杂到一起的 2、wait（ ） 等待子进程运行结束。如果子进程没有完成，父进程一直等待。 调用格式： int 阅读全文
摘要：
判别分析是用一种统计的方法根据已有的数据集去分析新的数据属于那一类的方法 适用于数据集较小的情况，因为数据量够大的话神经网络的准确率会比传统的判别分析高得多 距离判别法: 欧氏距离 简单的计算数据集中每一类的样本均值 对于新数据，计算新数据与各类样本均值的欧氏距离 取离此新数据距离最近的类别为此数据 阅读全文