- 博客(18)
- 收藏
- 关注
RSS订阅原创 Python命令行里输入多行代码
好多时候要在命令行里写多行python代码，之前一直不知道怎么弄，后来发现每行后面加上“;\”就可以了。
2020-03-11 16:45:37
11242
1
原创 贝叶斯分类思想
Bayes分类器的基本思想是依据类的概率密度、概率，按照某种准则使分类结果从统计上讲是最佳的。换言之，根据类的概率、概率密度将模式空间划分成若干个子空间，在此基础上形成模式分类的判决规划。准则函数不同，所导出的判决规则就不同，分类结果也不同。 朴素贝叶斯分类器的过程如下： ...
2018-07-12 22:36:28
2651
原创 深度学习笔记（一）——基本概念
在形势的逼迫之下，不得已查看一些关于深度学习的资料，将一些日常笔记贴在这里，以便复习。由于本人并不是做深度学习的，只是想大概了解一下，所以本篇博客都是一些杂乱的基本概念的东西，没有什么干货。可能笔记中涉及到好多原创博客和词条，在学习过程中没有妥善记录，万一侵犯到原创作者的权益，请原作者直接评论，我会立即修改。（1）范数的相关概念 在深度学习中，监督类学习问题其实就是在...
2018-07-02 20:09:18
1430
原创 PCA的Matlab实现
本博客参考了博客https://blog.csdn.net/u013719780/article/details/51755208以及博客https://blog.csdn.net/guyuealian/article/details/68487833，向原作者表示感谢。 PCA，即主成分分析，可以用来解决数据维度灾难，将样本数据从高维空间投影到低维空间中，并尽可能在低维空间中表示原...
2018-06-12 00:09:39
5804
翻译 物理层基础：正交频分复用系统中子载波是如何工作的
翻译自网站http://www.revolutionwifi.net/revolutionwifi/2015/3/how-ofdm-subcarriers-work，本文中图片皆来自于该博客。由于本人只是刚刚接触一些信号知识，所以翻译的可能不是很准确，希望大家批评指正。 你有没有想过，在一个正交频分复用系统（OFDM）中，子载波如何能在没有任何保护带宽作分隔的情况下如此紧密地...
2018-05-08 11:52:10
11436
2
原创 基于BP算法的Adaboost模型在二分类问题当中的应用
本篇博客参考了书籍《MATLAB神经网络43个案例分析》，文中的代码也是来源于书中的实例，在此向原作者表示感谢。 Adaboost算法的思想是合并多个“弱”分类器的输出以产生有效分类，其主要步骤为：首先给出弱学习算法和样本空间（x，y），从样本空间中找出m组训练数据，每组训练数据的权重都是1/m。然后用弱学习算法迭代运算T次，每次运算后都按照分类结果更新训练数据权重分布，对于...
2018-05-01 16:09:22
4257
11
原创 Matlab字符串相关函数简记
本篇博文主要参考了http://blog.sina.com.cn/s/blog_cbb9212e0101c3nb.html及 https://www.cnblogs.com/emanlee/archive/2012/09/13/2683912.html两篇博客，在此向原作者表示感谢。 例 a = ‘abcdEFG123’, b = ‘abcdefg123’, c = ‘ ab...
2018-04-17 10:58:17
563
原创 Matlab画混淆矩阵
最近自己的工作要用到混淆矩阵，因此简单的了解了一下混淆矩阵。本博客主要是参照博客https://blog.csdn.net/xuyingjie125/article/details/78417760来写的，在此向原作者表示感谢。 首先来看一下什么是混淆矩阵吧。在人工智能中，混淆矩阵（confusion matrix）是可视化工具，特别用于监督学习，在无监督学习一般叫做匹配矩阵...
2018-04-16 11:24:04
5876
原创 用K折交叉验证估计KNN算法中的K值
前几天用KNN对自己的数据进行了分类，对于KNN中的K值，之前一直是靠缘分来试的，试的时候感觉K=3的效果挺好的。之后看了好多CSDN的博客，发现一般大家除了靠缘分去试K值之外，也会采用交叉验证的方法去近似求得K值，因此我决定自己实现一下，看看有什么效果。 交叉验证之前老师在将数据挖掘的时候简单的介绍了一下，那时候只记得10折交叉验证，而且并没有去实验，所以早就忘得一干二...
2018-04-09 23:48:36
14422
4
原创 Matlab中CNN工具包简介（一）
之前对自己的数据运用了SVM,KNN,BP神经网络的分类方法，那接下来想尝试一下用CNN来处理自己的数据，虽然对CNN早有耳闻，但是从来没有真正去了解过，所以打算先从Matlab里的神经网络的toolbox开始了解一下CNN。只是大概的做一个了解，并不涉及误差传递公式等的推导，只是一个简易的笔记而已。 卷积神经网络（CNN）相信大家都不陌生，它是多层感知机（MLP）的一个...
2018-04-09 17:14:47
13467
原创 [求助]libsvm安装问题
之前对需要的数据完成了预处理，接下来要做分类和预测，很自然的想到了SVM和K-NN，于是决定开始看看SVM的一些基本知识，但是在安装libsvm的过程快要让我崩溃了，真是一步一个坎呀！我应用的libsvm版本是libsvm-3.22，matlab版本是R2017a。 我按照教程将libsvm-3.22解压缩到了MATLAB安装文件夹下的toolbox中，然后将工作目录切换到了该目录...
2018-03-24 11:15:21
244
原创 CSI简析（二）
在第一篇博客中，简单的介绍了一下什么是CSI，在这篇博客中，用matlab软件对采集到的CSI信息进行一下简单的解析。只需要将原始的CSI数据读取到一个元胞数组中，然后在命令行窗口中显示即可。 timestamp_low: NIC网卡1MHz时钟的低32位 bfee_count：驱动记录并发送到用户控件的波束测量...
2018-03-13 15:35:30
4161
原创 CSI简析（一）
在无线通信领域，所谓的CSI，就是通信链路的信道属性。它描述了信号在每条传输路径上的衰弱因子，即信道增益矩阵H（有时也称为信道矩阵，信道衰落矩阵）中每个元素的值，如信号散射（Scattering）,环境衰弱（fading，multipath fading or shadowing fading）,距离衰减（power decay of distance）等信息。CSI可以使通信系统适...
2018-03-12 11:02:47
20515
2
原创 Hello World by Android Studio
刚开始接触Android开发，按照教程新建应用Hello World，而build过程中，程序一直报错：Error :Failed tocomplete Gradle execution. Cause :error in opening zip file。网上各种各样的方法都试过了，可是还是一直报错，build failed。好气呀，一个Hello World，折腾了我3个小时，一怒之
2018-01-22 14:58:50
208
原创 IEEE802.11n协议简析
我们都知道802.11b提供了最大11Mbps的传输速率，802.11a和802.11g提供了最大54Mbps的传输速率。而802.11n协议，当带宽为40MHz时，可以提供最大135Mbps的传输速率。如下图所示： 802.11n提供的技术优势： （1）Throughput; （2）Reliability: MIMO(多路输入多路输出)带来的最大好处之一就是提高了SNR（S
2018-01-22 13:05:51
4303
原创 正则表达式
正则表达式（regex/RE）是一种文本模式，包括普通字符和特殊字符，它是使用单个字符串来描述、匹配一系列匹配某个句法规则的字符串。 正则表达式最突出的特点就是简洁，即有“一行胜前言”的功效，尤其是在表达无穷字符串组时非常方便。正则表达式在文本处理中十分常用，表达文本类型的特征（病毒、入侵等），同时查找或替换一组字符串，匹配字符串的全部或部分。 正则表达式的使用： 编译：将符合正则表达式语法的字符
2018-01-19 15:47:23
513
原创 简单爬取评论
刚刚开始学习python网络爬虫，利用requests库及BeautifulSoup对某网上某酒店的评论进行了简单的抓取。网页情况如下所示： 通过查看网页源代码，发现评论者的名称及评论内容分别在a标签及p标签下，因此对a标签及p标签进行遍历。遍历代码如下： 整个代码的逻辑参考中国大学排名爬虫实例（北京理工大学教程），程序代码如下所示：import requestsfrom bs4 import B
2018-01-17 21:25:58
3269
转载 中国大学排名爬虫
最近一直想学网页爬虫，相信很多人跟我一样选择了北京理工大学的教程，个人感觉老师讲的还不错，毕竟每个视频的时间不过6分钟左右吧。在单元6中，老师详解了实例《中国大学排名爬虫》，我按照老师的代码，执行时出现typeerror，现将修改后的代码附上：import requestsfrom bs4 import BeautifulSoupimport bs4def
2018-01-16 19:59:20
515
2
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人