- 博客(29)
- 资源 (1)
- 收藏
- 关注
RSS订阅原创 Windows10远程连接访问Linux系统（Ubuntu16.04）
一、Linux系统xrdp安装打开系统的命令界面，依次输入如下命令： 1 #安装xrdp 2 sudo apt-get install xrdp 3 #安装vnc4server 4 sudo apt-get install vnc4server tightvncserver 5 #安装xubuntu-desktop 6 sudo apt-get install xubuntu-desktop 7 #向xsession中写入xfce4-session 8 echo
2020-07-14 17:11:02
3179
1
原创 排序算法总结
0、前言根据比较与否，可将排序算法大致分为比较排序和非比较排序两大类：比较排序时间复杂度为O(nlogn) ~ O(n^2)，主要包括：冒泡排序、选择排序、插入排序、归并排序、堆排序、快速排序等。非比较排序时间复杂度可达到线性级别，为O(n)，主要包括：计数排序、基数排序、桶排序等。主流比较类的排序算法性能比较：稳定性问题：如果arr[i] = arr[j]，排序前arr[i]在arr[j]之前，排序后arr[i]还在arr[j]之前，则称这种排序算法是稳定的。通俗地讲就是保证排序前后两
2020-05-30 13:01:17
443
原创 机器学习之简单神经网络
0、引言在感知机一节中讲到感知机是一种线性模型，存在的缺点是很难解决非线性问题，比如异或（XOR）就是一种典型的线性不可分的问题，因此有了神经网络，通过在感知机的结构中添加隐藏层来拟合非线性问题。1、原理2、代码实现神经网络的构建过程：定义神经网络结构（指定传输层、隐藏层、输出层大小）；初始化模型参数；循环操作：执行前向传播/计算损失/执行反后向传播/权值矩阵常见参数优化算法（如：梯度下降法、随机梯度下降、牛顿法、拟牛顿法、Adam）数学原理可以看下以下的博客：https://blo
2020-05-28 23:12:57
368
1
原创 python容器类型的常见操作总结
1、list列表（可变的）（1）基本操作list列表中可存储不同元素类型的数据，通过索引访问相应的元素，类似于数组的操作方式；append()方法再在尾部追加元素；insert(索引号， 插入内容)实现在指定位置插入元素；pop()方法直接删除尾部元素，而pop(0)表示删除第一个元素，也支持pop(索引)形式，并打印出被删除的元素；remove(要移除的元素)实现删除任意要删除的元素；（2）深浅拷贝一般的操作是：取出列表中的某个元素赋值给一个新变量，然后操作该新变量，这个过程新变量其
2020-05-28 23:10:56
446
原创 idea图形快捷操作实现阿里云git项目的管理
0、准备工作1、安装好本地git环境，可参考以下博客：https://blog.csdn.net/ynzhang_it/article/details/1040011682、首次需通过Git Bash 下载代码：注：之前下载过就不需要了，首次下载的代码中包括了git相关配置。这里有两种方式：SSH和Https...
2020-05-27 12:45:27
2067
原创 python四大数据类型总结
1、数值型Python 中的数据皆是对象，比如被熟知的 int 整型对象、float 双精度浮点型、bool 逻辑对象，它们都是单个元素。2、容器型可容纳多个元素的容器对象，常用的比如：list 列表对象、 tuple 元组对象、dict 字典对象、set 集合对象。list列表：[ ]，可增加修改等操作，类似于常规数组。tuple元组：（），一旦创建不可增删，且只有单个元素时需保留逗号，如（1，），否则会被认为元素本身。dict字典：{ }，也就是{key ：value}形式，其为一个哈希表
2020-05-25 14:05:36
2118
原创 python两大特性和四大基本语法
1、两大特性动态语言：类型检查发生在程序运行阶段，常用的一些脚本语言；而类型检查发生在程序的编译阶段则为静态语言，如java,c++,c等。强类型语言：不管是在编译阶段还是运行阶段，一旦某种类型绑定到变量后，此变量便会持有此类型，并且不能同其他类型在计算表达式时，混合使用。2、四大基本语法（1）命名规则允许包括英文、数字以及下划线（_），不能以数字开头名称区分大小写特别说明以“下划线”开头的变量是有特殊意义的：类变量若以单下划线（_）开头，代表不能直接被访问，类似于 C# 的受保护
2020-05-20 22:30:14
251
原创 交通事故预测——《RiskOracle: A Minute-level Citywide Traffic Accident Forecasting Framework》
AAAI顶级会议，2020年的一篇关于利用深度学习模型进行交通事故预测的文章，文章标题为：RiskOracle: A Minute-level Citywide Traffic Accident Forecasting Framework .译为：RiskOracle:一种时空细粒度交通事故预测框架(分钟级)。文章是开源的，代码可以从文章作者给的github地址上查看。一、摘要简介...
2020-05-12 14:56:04
2369
1
原创 交通事故预测—《Traffic Accident’s Severity Prediction: A Deep-Learning Approach-Based CNN Network》
一、文章信息《Traffic Accident’s Severity Prediction:A Deep-Learning Approach-Based CNN Network 》，2019年Access上的一篇文章。二、摘要基于交通事故特征的权重，提出了基于特征矩阵的灰色图像(FM2GI)算法，将交通事故数据的单一特征关系转换为包含并行组合关系的灰色图像作为模型的输入变量，网络模型是基于CNN。（也就是说这篇文章的最主要创新点就是将对事故严重程度产生不同影响权重的各类特征按照权重值转化到灰度图像来表
2020-05-11 16:16:18
2702
原创 交通事故风险预测——《TA-STAN: A Deep Spatial-Temporal Attention Learning Framework...》
一、文章信息《TA-STAN: A Deep Spatial-Temporal Attention Learning Framework for Regional Traffic Accident Risk Prediction 》西南交通大学2019年发表在“International Joint Conference on Neural Networks ”上的一篇文章。二、摘要交通事...
2020-04-25 18:34:47
1897
原创 联想y7000 Ubuntu16.04安装显卡驱动：nvidia-430:Depends:lib32gcc1 but it is not going to be install...等错误
博主电脑型号是联想的y7000，显卡型号是1650的，在安装双系统Ubuntu16.04的独显驱动遇到了一个很奇葩的错误，搞了2天尝试网上各种办法不成功，最后自己摸索出了一条捷径，供各位参考！说明：首先一般人都会网上搜索通过命令形式安装，无论是线下自己从官网下载的驱动还是通过ppa形式安装都可以，其实还有一种不用直接ubuntu下图形界面操作。如果命令安装或者图形选择...
2020-04-24 13:44:42
1582
1
原创 U盘安装Ubuntu16.04报unable to find a medium containing a live file system和ACPI Error错误
本人使用的是联想电脑Y7000，最近在使用U盘作为启动盘安装双系统中的Ubuntu16.04时遇到了一些问题折腾了好久，特此记录下来！一、unable to find a medium containing a live file system错误问题：再安装ubuntu的刚开始，显示看到了ubuntu的加载图标，但是过一会布拉布拉。。。的弹出黑色命令框，打出一堆错误信息，最后一行显示：(i...
2020-04-21 21:09:46
10872
1
原创 机器学习之SVM(支持向量机)
0.前言感知机作为一种线性分类模型，很难处理非线性问题。为了处理非线性的情况，在感知机模型的基础上有了两个方向，一个就是上一讲说到的神经网络，大家也看到了，现在深度学习大放异彩，各种网络功能强大。但实际上在神经网络兴起之前，基于感知机的另一种模型——支持向量机，同样可以解决非线性问题。新的改变我们对Markdown编辑器进行了一些功能拓展与语法支持，除了标准的Markdown编辑器功能，我们...
2020-04-21 14:25:57
469
原创 Javaweb和微信小程序项目部署阿里云服务器总结(上)
谈到微信小程序的java后台怎么部署在阿里云服务器上的问题，弯弯绕绕，好多坑，网上的博客资料也特别乱，博主也是在没有任何经验和指导下花了几天的工夫才完成的。这里为了方便大家不踩坑，总结了下整个流程和注意事项，由于篇幅原因，只讲重点的地方，所以有些配置步骤会省略。对于Javaweb(ssm)作为微信小程序的后台项目样例可以参考我的另外一篇博客：点击此处。大致流程如下：准备好项目；（java...
2020-04-02 22:23:31
5652
3
原创 逻辑回归模型（Logistic）实战应用——文本分类
承接之前写的“机器学习之线性模型”的那篇文章，这里运用逻辑回归模型实现对文本的一个大体分类，数据来源于：也可以通过如下网盘l链接：https://pan.baidu.com/s/1P67-jvrI2IhZtsWEQWtwkg提取码：5uvx...
2020-04-02 15:45:53
3168
1
转载 转载：机器学习中正则化项L1和L2的直观理解
转自：此处对于机器学习中常碰到的正则化L1和L2一直比较模糊，偶然看到了一篇比较好的博客分享给大家。对原文我精简了下要点，同时文章底下的评论内容也可以看看解答自己的疑惑。L1正则化 和 L2正则化，或者说 L1范数 和L2范数，常见机器学习的损失函数末尾，也就是惩罚项，说白了就是加上一个条件限制，限制某些参数的权重取值。对于线性回归模型，使用L1正则化的模型建叫做Lasso回归，使用...
2020-04-01 22:36:28
231
原创 机器学习之线性模型
机器学习之线性模型1.一元线性回归模型2.多元线性回归模型逻辑回归模型（对数几率回归）Logistic回归模型的实践线性回归也就是可以用一条直线来拟合一个点集。博主大概总结下机器学习的线性模型，以及主要的公式推到，参考书籍是周志华教授的西瓜书《机器学习》，博主给出了一些西书中主要的公式推导思路或过程，对于常用的逻辑回归模型，利用sklearn机器学习包实现对MNIST公共数据集的简单分类应用。...
2020-04-01 21:56:13
1082
原创 城市功能区与人群流动研究论文阅读——《Simultaneous Urban Region Function Discovery...》
Simultaneous Urban Region Function Discovery and Popularity Estimation via an Infinite Urbanization Process Model关键词：Urban computing, urban function discovery, Bayesiannonparametric, and topic mode...
2020-02-23 15:13:08
451
转载 转载：在Linux Ubuntu下安装Anaconda及TensorFlow与Keras（超级详细哦）
博主在Linux Ubuntu上安装TensorFlow的过程中看到了比较好的博客，这里分享下，基本一套流程就够了。这里给出两篇博客，相互参照即可。转载博客：[link]https://blog.csdn.net/qq_41760767/article/details/97447914[link]https://blog.csdn.net/m0_37864814/article/deta...
2020-02-23 14:27:54
407
原创 卸载MySQL后重新安装报2502或2503各种错误万全解决办法
最近博主安装MySQL遇到各种奇葩问题，主要还是之前安装过，然后卸载不干净，出现卸载报错，安装也报错的奇葩情况，故总结一下自己的解决过程。情况1：问题：之前因为自己的卸载方法不当，使得MySQL 的安装程序部分软件无法卸载，出现报2502错误，卸不干净。解决办法：先使用腾讯电脑管家或360来强制卸载，然后删除相应的注册表文件，以及C盘下的MySQL文件。情况2：问题：卸载后重新安装M...
2020-02-23 14:21:38
1410
原创 SSM框架实现微信小程序前后端数据通信样例项目（附完整的项目样例工程源码）
1、使用工具：（1）微信小程序开发者工具（2）IDEA（3）SSM框架（4）MySQL数据库2.微信小程序前端框架这个就不多介绍了，下载安装好开发环境，建立项目，会自动创建一个框架模板。3.SSM框架搭建（1）创建项目，选择创建Maven项目，选择其中的webapp模板，这个也不在累赘，可搜索相关博客如何创建一个Maven管理的Java Web项目模板。（2）框架相关配置文件设立...
2020-02-23 13:51:41
5531
1
原创 机器学习之决策树
1.概念与目的决策树是一种基本的分类与回归方法.它可以认为是if-then规则的集合,也可以认为是定义在特征空间与类空间上的条件概率分布.主要优点是模型具有可读性,分类速度快.决策树主要抓住三个步骤：特征选择、决策树的生成和决策树的修剪。CART决策树也叫分类与回归决策树，注意掌握生成时最优切分变量和切分点的算法生成的思想。2.决策树模型分类决策树模型是一种描述对实例进行分类的树形结构...
2019-11-07 21:26:08
537
原创 ubuntu16.04忘记密码修改
1.重启ubuntu系统，在开机界面进度条那一刻立马按下shift键，选择ubuntu高级选项，按enter键进入。2.选择recovery mode 模式后，按E键进入(注意不能按Enter键)3.移动光标找到ro recovery nomodeset,将其删除并写上quiet splash rw init=/bin/bash，然后按F10.4.之后看到如下界面即可，输入passwd...
2019-11-07 15:30:19
963
原创 机器学习之朴素贝叶斯分类器/贝叶斯网络
1.概念与目的朴素贝叶斯是基于***贝叶斯定理***和***特征条件独立假设***的分类方法.首先学习输入/输出的联合概率分布,然后基于此模型,对给定的输入x,利用贝叶斯定理求出后验概率最大的输出y.属于生成模型.朴素贝叶斯法的精髓在于后验概率最大化。基本方法：假设输入空间X⊆Rn为n维向量的集合，输出空间为类标记集合Y=c1,c2,…,cK。输入为特征向量x∈X，输出为类标记y∈Y。X是...
2019-11-06 15:36:43
1144
原创 k近邻法（KNN）
1.概念与目的k近邻法（k-Nearest Neighbor，简称kNN）学习是一种常用的监督式学习方法。给定测试样本，基于某种距离度量找出训练集中与其最靠近的k个训练样本，然后基于这k个“邻居”的信息来进行预测。通常，在分类任务中可使用“投票法”，即选择这k个样本中出现最多的类别标记作为预测结果；在回归任务中可以使用“平均法”，即将这k个样本的实值输出标记的平均值作为预测结果；还可以基于距离...
2019-11-05 19:56:28
1913
原创 机器学习之感知机
1.概念与目的感知机是**二类分类的线性模型,属于判别模型**.假设训练数据集是线性可分的，感知机学习的目标是**求得一个能够将训练数据集正实例点和负实例点完全正确分开的分离超平面**。如果是非线性可分的数据，则最后无法获得超平面.是神经网络和支持向量机的基础.**超平面：**在二维空间中超平面是一条线，在三维空间中的超平面是一个平面2.模型f(x)=sign(w⋅x+b)w叫作权值...
2019-11-03 17:31:09
289
原创 论文笔记3：《埃及恐怖袭击的统计分析和关联挖掘》
埃及恐怖袭击的统计分析和关联挖掘Statistical Insights and Association Mining for Terrorist Attacks in Egypt这是一篇发表在2019年国际先进机器学习技术与应用会议( The International Conference on Advanced Machine Learning Technologies and Appl...
2019-09-04 10:26:23
330
原创 数据库id自增重排序问题
数据库id自增重排序问题解决问题描述在做javaweb项目的过程中，使用SSM框架，发现操作数据库的增删查改功能时，数据库的主键id不会重新排序，导致数据量一多，id值特别大特别乱，于是给出以下的解决方案。MySQL中直接操作直接在数据库运行中输入alter table 表名 drop column 主键id;alter table 表名 add 主键ID mediumint(8) n...
2019-08-29 13:47:50
2771
2
原创 论文笔记1：《论恐怖袭击风险评估的多源性因素》
论恐怖袭击风险评估的多源性因素On the Risk Assessment of Terrorist Attacks Coupled with Multi-Source Factors这是ISPRS期刊2018年8月份的一篇论文，文章围绕建立基于多源影响因素的恐怖袭击事件风险评估模型，采用基于多源因素和空间特性来改进传统位置推荐算法，并从精确度、召回率和F-Measure三方面评估模型的可行性...
2019-08-25 17:18:18
696
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人