bellajo-优快云博客

原创 Windows7 + cygwin+ hadoop +eclipse 安装完整

整个过程分为三个步骤：1. 安装CYGWIN2. 安装Hadoop3. 构建eclipse1.安装和配置Cygwin（http://cygwin.com/install.html）在Windows下通过安装Cygwin模拟Linux环境，然后再安装Hadoop，是一种简单方便的方式，为Hadoop准备的模拟Linux环境安装过程如下：1.1下载安装文件针对不同系

2015-04-30 15:12:09 752

转载 fatal error LNK1123: 转换到 COFF 期间失败: 文件无效或损坏

2014-02-27 09:21:48 554

原创关于 NLPIR 用户词典无效问题

平台：win7 64位 VS2010 C++在使用过程中发现按照文档上说制作用户词典（.txt ）

2013-12-07 17:45:32 2581 1

转载在C++项目中如何使用ICTCLAS工具包

做中文信息处理研究这一方向的人都知道，汉语的分词是研究的基础的基础，只有建立在分词之后的基础上才能进行下一步研究，术语抽取，命名实体识别等等（当然，也有些研究并不需要建立在分词的基础之上）。目前分词工具包有很多，而且大部分是开源的，具体有哪些可以参考下面这个网站，作者总结得比较好：http://blog.youkuaiyun.com/hover_online/article/details/

2013-12-07 14:04:01 975

转载 VS2010 error LNK2019: 无法解析的外部符号 _mysql

平台是WIN7 64位+MYSQL 64位出现以下错误：error LNK2019: 无法解析的外部符号 _mysql_real_connect@32，该符号在函数 _main 中被引用error LNK2019: 无法解析的外部符号 _mysql_query@8，该符号在函数 _main 中被引用error LNK2019: 无法解析的外部符号 _mysql_in

2013-12-07 13:16:43 2843

转载感知器训练算法在多类中的应用

对于C类问题，应建立C个判别函数所属类的判别函数的值大于所有其他类判别函数对于x(k)的值，注意是所有！而在第二个规中是只要存在至少一个j类判别函数的值比本身判别函数的值大就需要运用第二个规则，这其中包括比其值大（或者等于）的类判别函数以及比其值小的判别函数，此时不仅对于自身判别函数进行修正，也要对比其值大（或者等于）的类判别函数进行修正，而对于比其值小的判别函数则不进行修

2013-11-29 11:03:05 1518

转载基本BP算法的实例----蚊子的分类

已知的两类蚊子的数据如表1：表1规定目标为：当t(1)=0.9 时表示属于Apf类，t(2)=0.1表示属于Af类。输入数据有15个，即 , p=1,…,15; j=1, 2; 对应15个输出。即对应的（X,Y）对为：（[1.78,1.14],0.9），（[1.96,1.18],0.9）......([2.08,1.56],0.1)由于此时的X有两个属性，故输入端为

2013-11-28 13:13:20 13153 2

转载基本BP算法

BP算法又称为BP网络.BP学习算法是一种有效的学习方法,但由于在权值调整上采用梯度下降法作为优化算法,容易陷入局部最小,不能保证得到全局最优解。非循环多级网络的训练算法弱点：训练速度非常慢、局部极小点的逃离问题、算法不一定收敛。优点：广泛的适应性和有效性。网络的构成神经元的网络输入：

2013-11-28 12:31:08 1945

转载 Adaline:Least-Mean-Square (LMS)

Training sample: input signal vectorx(n)desired responsed(n)User selected parameter: ata>0Initializationset ŵ(1) = 0Computation:for n = 1, 2, … compute e(n) = d(n) -ŵT(n)x(n)

2013-11-27 14:48:40 1330

转载感知器训练算法-----连续多输出

用公式wij=wij+α（yj-oj）xi取代了离散输出中是否是错误（若实际输出与期望输出不同，则为错误）的判断yj与oj之间的差别对wij的影响由α（yj-oj）xi表现出来，不管是否错误都进行修正，只是在正确的时候，修正要加减的数为0好处：不仅使得算法的控制在结构上更容易理解，而且还使得它的适应面更宽 1．用适当的小伪随机数初始化权矩阵W；2.初置精度控制参数ε，学习率

2013-11-27 10:32:59 1294

转载感知器训练算法----离散多输出

与离散单输出相似，不同在于若j层输出与期望输入不同，则调整j层的所有权值W（ij）i=1,2,...n，调整方法与离散单输出相同，多输出的本质就多个单输出：1.初始化权矩阵W；2.重复下列过程，直到训练完成： 2.1 对每个样本（X，Y），重复如下过程： 2.1.1 输入X； 2.1.2 计算O=F（XW）； 2.1.3 for j=1 to m

2013-11-27 10:16:07 2217

转载感知器训练算法----离散单输出

感知器是一种早期的神经网络模型，由美国学者F.Rosenblatt于1957年提出。由于在感知器中第一次引入了学习的概念，使人脑所具备的学习功能在基于符号处理的数学模型中得到了一定程度的模拟，所以引起了广泛的关注。简单感知器模型实际上仍然是M－P模型的结构，但是它通过采用有监督学习来逐步增强模式划分的能力，达到学习的目的感知器处理单元对n个输入进行加权和操作，即：感知器在形

2013-11-27 09:46:00 2957

转载 Hebb学习规则以及 Hebb网络

Hebb学习规则代表一种纯向前的非监督学习。这里用一个简单的例子来说明具有简单网络的二进制和连续激活函数的Hebb学习情况。先上图：假定具有以下初始权向量的网络如上图所示。初始权向量 W1 = [1, -1, 0, 0.5]T输入X= [x1, x2, x3, x4]T训练集用以下三个输入向量X1 = [1, -2, 1.5, 0]T X2 = [

2013-11-27 09:15:42 17570 1

转载 M-P模型

所谓M-P模型，其实是按照生物神经元的结构和工作原理构造出来的一个抽象和简化了的模型。简单点说，它是对一个生物神经元的建模。它实际上是两位科学家的名字的合称，1943年心理学家W.McCulloch和数学家W.Pitts合作提出了这个模型，所以取了他们两个人的名字（McCulloch-Pitts）。生物神经元的结构在谈M-P模型的内容之前，我们先得了解一下人脑中的神经元的结构，然后

2013-11-27 09:05:23 16721

原创 vs2010 MFC生成exe文件可以在无VS上运行

右击项目名称，选择属性，1.在常规中将MFC的使用选择为：在静态库中使用MFC 2. 选择C/C++ ---代码生成--------运行库中选择多线程（/MT），点击确定再将VS菜单上调试时的DEBUG修改为RELEASE即可。

2013-11-27 08:46:04 8288

转载 ico在IE7下总是不显示

最近新捣鼓了一个网站，并且为它做了一个favicon.ico图标，但没想到这个ico在IE7下总是不显示，折腾了好久。首先，制作、上传.ico就不多说了，页面head部分也确定有下面这句了：在Firefox下也好好地显示了，重启IE、清空Internet临时文件也都做过了，甚至重启过计算机了，Google、百度了一大圈，人家提到的也都做过了，但IE7下favicon.ico

2013-05-03 10:23:46 520

原创 c++交换数据所用的两种方法

交换数据时有两种方法，一个传递参数时传递的是地址，另一种是该数据的引用，其本质相同例子：void swap(int *num1,int *num2){ int temp; temp=*num1; *num1=*num2; *num2=temp;}void swapref(int& a,int& b){ int temp=a;

2013-04-13 10:00:56 752

原创 c++中vector的使用

例子：添加元素string（当然了，之前在头文件中添加#include#include） vector mystrs; string mystr; cout cin>>mystr; while(mystr!="quit"){ mystrs.push_back(mystr); cout cin>>mystr;

2013-04-13 09:57:25 535

转载 struts 过滤器验证用户是否已经登陆

首先将需要验证登陆才能访问的页面放到单独一个文件夹下面，例如loginFiles在用户进行登陆是将用户放入sessionActionContext.getContext().getSession().put("user",myuser);配置web.xml LoginFilter align.Filter.LoginFilter L

2013-02-26 09:23:16 446