<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[Whiteleaf3er的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/Whiteleaf3er</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; Whiteleaf3er]]></copyright><item><title><![CDATA[test]]></title><link>https://blog.youkuaiyun.com/Whiteleaf3er/article/details/86596235</link><guid>https://blog.youkuaiyun.com/Whiteleaf3er/article/details/86596235</guid><author>Whiteleaf3er</author><pubDate>Tue, 22 Jan 2019 16:02:29 +0800</pubDate><description><![CDATA[ 


import tensorflow as tf
import  numpy as np
from keras.utils.np_utils import *
import matplotlib.pyplot as plt
import os
os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2'

sess = tf.InteractiveSession()#构建...]]></description><category></category></item><item><title><![CDATA[MATLAB前馈神经网络newff]]></title><link>https://blog.youkuaiyun.com/Whiteleaf3er/article/details/84628016</link><guid>https://blog.youkuaiyun.com/Whiteleaf3er/article/details/84628016</guid><author>Whiteleaf3er</author><pubDate>Thu, 29 Nov 2018 13:56:32 +0800</pubDate><description><![CDATA[一-newff函数参数说明，初始化网络

net = newff(P,T,S)                             % 这两种定义都可以
net = newff(P,T,S,TF,BTF,BLF,PF,IPF,OPF,DDF)


　　 P：输入参数矩阵。(RxQ1)，其中Q1代表R元的输入向量。其数据意义是矩阵P有Q1列，每一列都是一个样本，而每个样本有R个属性（特征）。一般...]]></description><category></category></item><item><title><![CDATA[KNN]]></title><link>https://blog.youkuaiyun.com/Whiteleaf3er/article/details/84451605</link><guid>https://blog.youkuaiyun.com/Whiteleaf3er/article/details/84451605</guid><author>Whiteleaf3er</author><pubDate>Sat, 24 Nov 2018 18:52:21 +0800</pubDate><description><![CDATA[一、一个用于聚类的算法，咨询查询聚类的相关知识，可再去了解聚类与分类，监督式等等

二、思路

1.列出m个（x，y）需要分的点，初始化黑色，K=3，给出3个随机初始中心点，初始化3个颜色

2.计算距离，得到关于每个点最近的中心点，让颜色与中心点相同表示一类

3.更新中心点：选取该类的点中的平均值

4.重复2，3，直到中心点不会变化

三、代码

可用jupyter在线实现，有兴趣把代码co...]]></description><category></category></item><item><title><![CDATA[BP神经网络]]></title><link>https://blog.youkuaiyun.com/Whiteleaf3er/article/details/84349969</link><guid>https://blog.youkuaiyun.com/Whiteleaf3er/article/details/84349969</guid><author>Whiteleaf3er</author><pubDate>Fri, 23 Nov 2018 14:15:38 +0800</pubDate><description><![CDATA[BP神经网络由两部分组成：

前馈神经网络：神经网络是前馈的，其权重都不回送到输入单元，或前一层输出单元（数据信息是单向传播的，不会回流），区别于循环神经网络RNN。
	BP算法（Back Propagation）：误差反向传播算法，用于更新网络中的权重。
	
	BP神经网络思想：

	表面上：1. 数据信息的前向传播，从输入层到隐含层，最后到输出层。2. 误差的反向传播：输出结果与真实结果的误差...]]></description><category></category></item><item><title><![CDATA[随机梯度下降法（SGD）]]></title><link>https://blog.youkuaiyun.com/Whiteleaf3er/article/details/84330548</link><guid>https://blog.youkuaiyun.com/Whiteleaf3er/article/details/84330548</guid><author>Whiteleaf3er</author><pubDate>Wed, 21 Nov 2018 22:12:09 +0800</pubDate><description><![CDATA[有一组数据，需要进行拟合，（拟合后可以做很多事，做很多事都需要数据拟合，比如机器学习，从样本中学习也就是拟合的过程）

假设这个拟合函数为（1式）



拟合有误差，比如本来这个x对应的是100，你确根据拟合函数得到为200，这就是误差

而一堆x，就会产生一堆误差，这就确定了损失函数



其中，J(θ)是损失函数，m代表每次取多少样本进行训练，如果采用SGD进行训练，那每次随机取一组样本，m=...]]></description><category></category></item><item><title><![CDATA[OJ1004]]></title><link>https://blog.youkuaiyun.com/Whiteleaf3er/article/details/84329214</link><guid>https://blog.youkuaiyun.com/Whiteleaf3er/article/details/84329214</guid><author>Whiteleaf3er</author><pubDate>Wed, 21 Nov 2018 20:45:15 +0800</pubDate><description><![CDATA[ 1004，求字符串出现最多次数


package shiyantest;
import java.util.*;

public class OJ1004 {
	public static void main(String[] args) {
		@SuppressWarnings(&quot;resource&quot;)
		Scanner in = new Scanner(System.in);
		int...]]></description><category></category></item><item><title><![CDATA[OJ：蛇形填数，竖式计算，a/b]]></title><link>https://blog.youkuaiyun.com/Whiteleaf3er/article/details/84310582</link><guid>https://blog.youkuaiyun.com/Whiteleaf3er/article/details/84310582</guid><author>Whiteleaf3er</author><pubDate>Tue, 20 Nov 2018 21:52:11 +0800</pubDate><description><![CDATA[ 

 

 

]]></description><category></category></item><item><title><![CDATA[OJ1003]]></title><link>https://blog.youkuaiyun.com/Whiteleaf3er/article/details/84310285</link><guid>https://blog.youkuaiyun.com/Whiteleaf3er/article/details/84310285</guid><author>Whiteleaf3er</author><pubDate>Tue, 20 Nov 2018 21:43:33 +0800</pubDate><description><![CDATA[Max Sum
Time Limit: 2000/1000 MS (Java/Others)    Memory Limit: 65536/32768 K (Java/Others)
Total Submission(s): 49213    Accepted Submission(s): 10950


Problem Description
Given a sequence a[1],a[2]...]]></description><category></category></item><item><title><![CDATA[2013 B 碎纸片拼接与复原]]></title><link>https://blog.youkuaiyun.com/Whiteleaf3er/article/details/83831475</link><guid>https://blog.youkuaiyun.com/Whiteleaf3er/article/details/83831475</guid><author>Whiteleaf3er</author><pubDate>Wed, 07 Nov 2018 20:43:24 +0800</pubDate><description><![CDATA[摘  要

对重要文件的拼接复原，传统上都由人工完成，拼接准确率虽然高但是效率很低。本文旨在建立模型，利用计算机编程加少量的人工干预实现碎纸片的拼接复原。

针对问题1，由于对任意一个字符来讲，笔画是连续的，所以对于一般情况，即使文字被切开，两边的像素还是有联系的，是呈现离散性渐变的。针对此特征，建立了文字连续性模型来求解该问题。而又因为被切开的两边碎片边缘灰度是具有高相关性的，所以，又建立了向量...]]></description><category></category></item><item><title><![CDATA[主成分分析法]]></title><link>https://blog.youkuaiyun.com/Whiteleaf3er/article/details/83830099</link><guid>https://blog.youkuaiyun.com/Whiteleaf3er/article/details/83830099</guid><author>Whiteleaf3er</author><pubDate>Wed, 07 Nov 2018 20:07:12 +0800</pubDate><description><![CDATA[有多个城市参与评判，评判成分有GDP，环境污染，经济效益，工业产业发展，一堆成分

采用主成分分析法，可以实现将多个成分总结成少数主要成分A,B，然后再进行分析，使评判更集中



1-通过spss进行成分分析

 2-得到两个主要的图表

解释总方差越高表示成分越重要，而由图一可知1，2两个成分累计达到84.551，那么就可以说明这个主要成分就是A,B两个，也和后边得到的图二成分矩阵对应，里面也...]]></description><category></category></item><item><title><![CDATA[排队论]]></title><link>https://blog.youkuaiyun.com/Whiteleaf3er/article/details/83794791</link><guid>https://blog.youkuaiyun.com/Whiteleaf3er/article/details/83794791</guid><author>Whiteleaf3er</author><pubDate>Tue, 06 Nov 2018 22:51:39 +0800</pubDate><description><![CDATA[1-泊松流与指数分布

主要是关于输入流为泊松流，而时间间隔是服从指数分布





2-排队模型

这里主要是MMN和MM1

M表示泊松分布和负指数分布

3-单服务台负指数分布M/M/1排队系统
模型的条件是：
1、输入过程――顾客源是无限的，顾客到达
完全是随机的，单个到来，到达过程服从普阿
松分布，且是平稳的；
2、排队规则――单队，且队长没有限制，先
到先服务；
3、服务机构―...]]></description><category></category></item><item><title><![CDATA[种群竞争模型]]></title><link>https://blog.youkuaiyun.com/Whiteleaf3er/article/details/83789963</link><guid>https://blog.youkuaiyun.com/Whiteleaf3er/article/details/83789963</guid><author>Whiteleaf3er</author><pubDate>Tue, 06 Nov 2018 16:44:06 +0800</pubDate><description><![CDATA[物种与物种间竞争自然选择的过程

销售情况可以用此模型，比如苹果三星竞争



S是越小越好，表示别的物种来抢你的东西抢不赢你







得到的第一个图是分别的图，第二个图是一个物种随另一个物种变化的图

更改fun函数里面的初值...]]></description><category></category></item><item><title><![CDATA[模拟退火模型]]></title><link>https://blog.youkuaiyun.com/Whiteleaf3er/article/details/83789235</link><guid>https://blog.youkuaiyun.com/Whiteleaf3er/article/details/83789235</guid><author>Whiteleaf3er</author><pubDate>Tue, 06 Nov 2018 16:31:05 +0800</pubDate><description><![CDATA[首先有一个爬山的算法，这个算法只是局部最优鼠目寸光，适用于欧皇

普通人就来模拟退火把

模拟退火算法描述：

         若J( Y(i+1) )&amp;gt;= J( Y(i) )  (即移动后得到更优解)，则总是接受该移动

         若J( Y(i+1) )&amp;lt; J( Y(i) )  (即移动后的解比当前解要差)，则以一定的概率接受移动，而且这个概率随着时间推移逐渐降低（逐渐降...]]></description><category></category></item><item><title><![CDATA[floyd算法——计算所有店的最优路径]]></title><link>https://blog.youkuaiyun.com/Whiteleaf3er/article/details/83789093</link><guid>https://blog.youkuaiyun.com/Whiteleaf3er/article/details/83789093</guid><author>Whiteleaf3er</author><pubDate>Tue, 06 Nov 2018 16:09:45 +0800</pubDate><description><![CDATA[主要思想为，两点间的最短距离，要么是本身，如果有中间点，那么考虑通过这个中间点能否使距离更短



这里a是权重矩阵

最后输出得到，D矩阵和PATH矩阵



path矩阵表示即为对应的路径，D表示两点间路径长度（权重值）

...]]></description><category></category></item><item><title><![CDATA[dijkstra算法，计算两点间的最优路径]]></title><link>https://blog.youkuaiyun.com/Whiteleaf3er/article/details/83788997</link><guid>https://blog.youkuaiyun.com/Whiteleaf3er/article/details/83788997</guid><author>Whiteleaf3er</author><pubDate>Tue, 06 Nov 2018 16:05:34 +0800</pubDate><description><![CDATA[离散数学图论，通过起始点一个一个点增加，得到一个集合，再从这个集合里面找领接点不在这个集合里的最短路径，知道终点到了集合里，来得到最有路径。

在matlabdijkmain.M文件里面



wight表示权重举证，1，11表示起点，终点。



输出得到经过点的路径以及权重之和...]]></description><category></category></item><item><title><![CDATA[灰色预测]]></title><link>https://blog.youkuaiyun.com/Whiteleaf3er/article/details/83788873</link><guid>https://blog.youkuaiyun.com/Whiteleaf3er/article/details/83788873</guid><author>Whiteleaf3er</author><pubDate>Tue, 06 Nov 2018 16:00:11 +0800</pubDate><description><![CDATA[对于一些已有数值进行预测，计算偏差和预测值

通常采取累加法与GM(1,1)模型



]]></description><category></category></item><item><title><![CDATA[多属性决策模型]]></title><link>https://blog.youkuaiyun.com/Whiteleaf3er/article/details/83788705</link><guid>https://blog.youkuaiyun.com/Whiteleaf3er/article/details/83788705</guid><author>Whiteleaf3er</author><pubDate>Tue, 06 Nov 2018 15:56:36 +0800</pubDate><description><![CDATA[用于选址投标招标

几个地方选一个

每个地方都有共同属性

比如宜宾，成都，绵阳

属性有：人口数，经济效益，环境污染





矩阵是怎么处理的？



还有一种区间型，不做介绍

比如环境污染就是成本型，越小越好

比如经济就是效益性，越大越好

计算后就是之后的决策矩阵：表示每个地方与属性的关联

当然还需要一个属性决策矩阵：表示你觉得哪些属性更重要，进行条件比较



属性权重值我们就可...]]></description><category></category></item><item><title><![CDATA[数学建模——层次分析法]]></title><link>https://blog.youkuaiyun.com/Whiteleaf3er/article/details/83785460</link><guid>https://blog.youkuaiyun.com/Whiteleaf3er/article/details/83785460</guid><author>Whiteleaf3er</author><pubDate>Tue, 06 Nov 2018 13:03:12 +0800</pubDate><description><![CDATA[（ i）建立递阶层次结构模型； 
（ ii）构造出各层次中的所有判断矩阵； 
（ iii）层次单排序及一致性检验； 
（ iv）层次总排序及一致性检验。 

1.结构模型分为三层



 2.判断矩阵

这个取决于个人偏向，首先给定12层，A12就表示景色相对费用的重要程度

容易知道A12 = 1/A21

当然还要对于23层给出判断矩阵

比如对于A1景色来说，B12表示苏杭比起北戴河的重要程...]]></description><category></category></item><item><title><![CDATA[软工基础复习]]></title><link>https://blog.youkuaiyun.com/Whiteleaf3er/article/details/83614573</link><guid>https://blog.youkuaiyun.com/Whiteleaf3er/article/details/83614573</guid><author>Whiteleaf3er</author><pubDate>Thu, 01 Nov 2018 08:23:46 +0800</pubDate><description><![CDATA[一.软件危机 
（1）概念：软件危机是指在计算机软件开发、使用与维护过程中遇到的一系列严重问题和难题。 
（2）产生软件危机的原因主要有： 软件本身特点，缺少良好开发手段
①软件的规模越来越大，结构越来越复杂 
②软件开发管理困难而复杂 
③软件开发费用不断增加 
④软件开发技术落后 
⑤生产方式落后 
⑥开发工具落后，生产率提高缓慢 
（3）软件危机的表现有： 
①经费预算经常突破，完成时间一再...]]></description><category></category></item><item><title><![CDATA[画图]]></title><link>https://blog.youkuaiyun.com/Whiteleaf3er/article/details/83580882</link><guid>https://blog.youkuaiyun.com/Whiteleaf3er/article/details/83580882</guid><author>Whiteleaf3er</author><pubDate>Wed, 31 Oct 2018 12:49:24 +0800</pubDate><description><![CDATA[一-plot（x，y，‘some’）

1-这样画出一个基础图形

&amp;gt;&amp;gt; x=0:pi/10:2*pi;
&amp;gt;&amp;gt; y1=sin(x);
&amp;gt;&amp;gt; y2=cos(x);
&amp;gt;&amp;gt; plot(x,y1,x,y2)

2-some里面用于对图形的线的颜色特征等进行说明

y 黄- 实线. 点&amp;lt; 小于号
m 紫： 点线o 圆s 正方形
c 青-. 点划线x 叉号...]]></description><category></category></item></channel></rss>