DIECTOR_YUAN的博客

由于是专用算法，遵循专用算法策略的设计框架，COS-LDL 方法包括以下三个方。面：输出模型、目标函数和优化方法。

介绍LDL是什么、LDL与现有的算法(MLL)区别是什么（参考下图）、LDL解决了什么样的问题、LDL的应用。介绍现存的算法，现存算法在那些地方是可取的。2）通过以下方式描述任意两个标签之间的相关性结合三元和距离相关性。到最优的θ，使得预测的标签分布与真实的标签分布近可能的相似。4）距离相关采用欧几里得距离来描述标签之间的相关程度。3）三元相关采用余弦相似度来表征标签之间的相关类别。1）提出了一种新的基于余弦的相关性LDL算法。实验设计的简单描述，以及这个方法所作出的贡献。............

如何快速的进入研究工作（1）查阅LDL系列性的工作、争做Papermaker、读文献(如TKDE期刊 ICML会议)、查看顶刊顶会(可以将论文打印下来进行详细阅读，与同方向的同学进行讨论交流想法和阅读后的新IDEA，读完文章后进行总结并把文章归纳进自己的文件袋)、探索综合性文章来进行扩展得到合适的IDEA、确立主线任务来进行深度的研究。（2）接手师兄师姐的相关工作，在合适的时间内进行论文讨论并对师兄师姐的工作中的瑕疵进行修订，明确如何去创作论文(学会熟练的使用latex、如何去写好的标题，确立适合自.

1

定义一个标签分布系统, 即各标签的值不是 0/1, 而是 [0,1][ 0 , 1 ][0,1] 区间的实数, 且同一对象的标签和为 1.答：定义一个标签分布系统，首先来讲一下分布系统，即满足概率分布，也就是说这个系统同一对象的所有决策标签的和要为 1。A multi-label decision system is a tuple S=(X,Y)S=(\mathbf{X},\mathbf{Y})S=(X,Y) where X=[xij]n×m∈R\mathbf{X}=[x_{ij}]_{n\ti.

写出该无向图的邻接矩阵答：由于是无向图，即相邻两边都有路径到达对方。该邻接矩阵为：[0111101011011010]\left[\begin{matrix}0&1&1&1\\1&0&1&0\\1&1&0&1\\1&0&1&0\end{matrix}\right]⎣⎢⎢⎡​0111​1010​1101​1010​⎦⎥⎥⎤​定义无向网络答：有向网络：A directed net.

将向量下标为偶数的分量 (x2, x4, …) 累加, 写出相应表达式.答：代码如下：double sum = 0;for (int i = 1; i <= n; i ++) if(x % 2 == 0) sum += x[i];各出一道累加、累乘、积分表达式的习题, 并给出标准答案.答：累加:∑n=15n=15\sum\limits_{n=1}^5n=15n=1∑5​n=15int sum = 0;for (int i = 1; i <= .

令 A={1,2,5,8,9}\mathbf{A} = \{1, 2, 5, 8, 9\}A={1,2,5,8,9}, 写出 A\mathbf{A}A上的 “模 2 同余” 关系及相应的划分.答：P={{1,5,9},{2,8}}\mathcal{P}=\{\{1,5,9\},\{2,8\}\}P={{1,5,9},{2,8}}A={1,2,5,8,9},\mathbf{A} = \{1, 2, 5, 8, 9\} ,A={1,2,5,8,9},自己给定两个关系R1和R2,\mathbf{R_1.

描述你在学习、使用数学表达式时的困难，可举例说明答：在初期写数学表达式经常使用word来写，时不时的要去百度一下怎么插入这些数学表达式。这基本上不是没有太大问题，但是word里面插入表达式经常会出现表达式排版问题 ，造成极大困扰。中期就使用一些可视化的数学符号编辑器，用着感觉还行。目前，开始慢慢适应latex来写，虽然不没有写过整篇的东西，写的一部分的东西，排版出来效果还是可以的。令 A = {3， 5}，写出 2A\mathbf{2^A}2A答：​​​​2A\mathbf{2^A}2A = .

习题 1: { 0 , 1 , { 0 , 1 } , { 1 , 2 } } 有几个元素? 机器学习中, 这类形式的集合有什么优点和缺点?该集合有4个元素，分别为‘0’、’1‘、{0，1}、{1，2}。优点：可以存储多种数据。缺点：这类形式的集合由于数据的类型不同，维度不同，在数据处理时比较复杂。习题 2: ∅ 的基数是多少? { ∅ } 呢?∅ 表示空集合，即集合内无元素所以基数是0{∅ }表示一个集合中存在一个空集合，所以基数是1习题 5: 多标签学...