<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[jacksonislwj的专栏]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/jacksonislwj</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; jacksonislwj]]></copyright><item><title><![CDATA[WEKA算法解析 -- 多层感知器（BP神经网络）]]></title><link>https://blog.youkuaiyun.com/jacksonislwj/article/details/6376449</link><guid>https://blog.youkuaiyun.com/jacksonislwj/article/details/6376449</guid><author>jacksonislwj</author><pubDate>Sat, 30 Apr 2011 15:27:00 +0800</pubDate><description><![CDATA[<br />     这次详细第看了看WEKA里神经网络的实现，涉及的代码挺多的，我把跟图形化相关的删除了，另外有些地方我自己也不是很清楚，不过大体上还是很清楚的了，这是一项比较老的技术了，没什么好介绍的了，来这里看的各位估计都是懂的。直接贴代码了。<br /> <br />  public void buildClassifier(Instances i) throws Exception {
     // 验证数据类型是否为算法所支持的类型   
     getCapabilities().te]]></description><category></category></item><item><title><![CDATA[WEKA算法解析 -- PART决策树]]></title><link>https://blog.youkuaiyun.com/jacksonislwj/article/details/6364607</link><guid>https://blog.youkuaiyun.com/jacksonislwj/article/details/6364607</guid><author>jacksonislwj</author><pubDate>Tue, 26 Apr 2011 16:24:00 +0800</pubDate><description><![CDATA[     PART 决策树算法是一种由 WEKA 的作者 Eibe Frank 和 lan H. Witten 在1998年发明的算法，他们在1998年发表了论文Generating accurate rules sets without global optimization 详细地介绍了PART决策树的原理，并在WEKA中完整地实现了PART决策树。由于之前的股票数据挖掘的决策树部分就是用的这个算法，所以看了源代码，涉及的类比较多，贴上主要的一部分。     另外不得不说的是，笔者相当佩服 Eibe F]]></description><category></category></item><item><title><![CDATA[WEKA算法解析--ID3]]></title><link>https://blog.youkuaiyun.com/jacksonislwj/article/details/6359142</link><guid>https://blog.youkuaiyun.com/jacksonislwj/article/details/6359142</guid><author>jacksonislwj</author><pubDate>Sun, 24 Apr 2011 17:54:00 +0800</pubDate><description><![CDATA[<br />    最近由于实际需要，要把以前看过的算法复习下，我基本每行代码都按自己的意思理解了下，不知道对不对，不过贴出重点部分，供大家围观。第一篇先找简单的下手，嘿嘿，ID3，来吧。<br />  /** 变量定义： */

  /** 保存决策树节点的数组 */ 
  private Id3[] m_Successors;

  /** 分裂属性 */
  private Attribute m_Attribute;

  /** 叶子节点的分类 */
  private doub]]></description><category></category></item><item><title><![CDATA[编程解决工作指派问题（运筹学）]]></title><link>https://blog.youkuaiyun.com/jacksonislwj/article/details/6331816</link><guid>https://blog.youkuaiyun.com/jacksonislwj/article/details/6331816</guid><author>jacksonislwj</author><pubDate>Mon, 18 Apr 2011 18:28:00 +0800</pubDate><description><![CDATA[<br />    今天要交运筹学动态规划部分的作业，我看了看书，发现有个问题能写出一个不错的程序来，于是心血来潮编程搞了下，效果还不错，嘿嘿，怀念高中时候的动态规划啊~~~<br />题目是这样的：<br />    有4个工人，要分别指派他们完成4项工作，每人做各项工作的时间如下表：<br />                   A                B               C               D<br />    甲           15             ]]></description><category></category></item><item><title><![CDATA[科创之股票数据挖掘（6）]]></title><link>https://blog.youkuaiyun.com/jacksonislwj/article/details/6304354</link><guid>https://blog.youkuaiyun.com/jacksonislwj/article/details/6304354</guid><author>jacksonislwj</author><pubDate>Wed, 06 Apr 2011 12:23:00 +0800</pubDate><description><![CDATA[<br />    已经很久没有更新我的博客了，最近做了一些小项目，事情比较多，数据挖掘的进度慢了下来，一是因为技术上遇到了一些瓶颈，需要我们解决；二是因为我在想办法提高我们数据挖掘的质量，神经网络上遇到的麻烦一直困扰着我。最近我们的工作需要写一些总结去参加学校的一个论坛，虽然我不觉得有什么意义，但是可以作为一个整理思绪的理由，加上一些朋友也在关注着我们，于是我决定继续写下去。这一篇不会涉及太多的技术问题，更多的是工程问题，也就是我们在实际操作过程中的麻烦事，我会从头开始讲起，写出来给大家分享。从下一篇开始]]></description><category></category></item><item><title><![CDATA[科创之股票数据挖掘（5）]]></title><link>https://blog.youkuaiyun.com/jacksonislwj/article/details/6039784</link><guid>https://blog.youkuaiyun.com/jacksonislwj/article/details/6039784</guid><author>jacksonislwj</author><pubDate>Sat, 27 Nov 2010 18:45:00 +0800</pubDate><description><![CDATA[<br />      本来这篇是关于BP神经网络的，但是我已经受够了被欺骗的感觉，得先发几句牢骚。<br />      那些发股票数据挖掘说什么BP神经网络，或者SVM在用XX方法挖掘效果非常明显，非常有效的本科生，硕士生，博士生，甚至教授们，你们这是在做学术么？我只是一个小小的做应用的人，都看不下去了，全TMD扯淡！！好吧，我现在来分析下相关论文介绍，论文的风格都大同小异，无非是先把算法拿出来分析一遍，再讲讲神经元的训练过程，相关参数的调整，弄得大张旗鼓，很高科技似地。好了，最后，取XX年XX月到XX]]></description><category></category></item><item><title><![CDATA[写给这五天的自己]]></title><link>https://blog.youkuaiyun.com/jacksonislwj/article/details/6022631</link><guid>https://blog.youkuaiyun.com/jacksonislwj/article/details/6022631</guid><author>jacksonislwj</author><pubDate>Fri, 19 Nov 2010 23:46:00 +0800</pubDate><description><![CDATA[<br />      这五天非常的不在状态，在走神、失落、恐慌中度过，心情焦躁，身体却懒得出奇，几乎天天睡懒觉，逃课逃成了习惯，反而上课让我感到不自然。我不知道自己这是怎么了，像是丢了魂一样。玩了几天的游戏，但是游戏给我带来的却不是快乐，甚至越玩越心烦，玩到一半就关了，然后继续走神。还好已经习惯了思考，最后的两天也让我逐渐地从自我羁绊中走出来，因为长期的不思考问题会让我感到浑身不舒服。其实我在周3就意识到我应该振作一点的，只是身体慢了思想一拍，现在才算基本有些起色。<br />      想想前一阵子做的]]></description><category></category></item><item><title><![CDATA[科创之股票数据挖掘（4）]]></title><link>https://blog.youkuaiyun.com/jacksonislwj/article/details/6007840</link><guid>https://blog.youkuaiyun.com/jacksonislwj/article/details/6007840</guid><author>jacksonislwj</author><pubDate>Sun, 14 Nov 2010 02:07:00 +0800</pubDate><description><![CDATA[<br />      我们的队长在挖掘的过程中提出对于股票之间的涨跌关联的挖掘。首先讨论用什么样的算法可以做这样的挖掘，我们提取出从1990年开市以来每支股票每日的涨跌幅作为数据集进行挖掘，这样一来规模就稍显有些大了。用关联规则的APRIORI算法吃不消，其他的关联规则算法我不熟悉，所以没办法用。我尝试了用BP神经网络来做，不过我把JVM的运行空间调到了1.5G，依然无法承受这个规模的数据，不过我觉得即使能用好一点的机器做了，意义并不大，因为BP神经网络本身是基于黑盒测试的技术，我们无法得知它是怎么预测到]]></description><category></category></item><item><title><![CDATA[2010-11-15安排]]></title><link>https://blog.youkuaiyun.com/jacksonislwj/article/details/6007816</link><guid>https://blog.youkuaiyun.com/jacksonislwj/article/details/6007816</guid><author>jacksonislwj</author><pubDate>Sun, 14 Nov 2010 01:10:00 +0800</pubDate><description><![CDATA[<br />      这十天做了不少事，首先参加了ACM成都赛区比赛，本来就是抱着旅游的心态去的，不过最后打铁还是挺遗憾的。A了两道，后面两个程序都没调出来，可惜了。不过没有多少付出，就算收获了也只能说明运气好。之后和BM回了德阳，窝在屋子里做股票数据挖掘，具体的内容我会单独写文章介绍。现在回到了学校，该安排安排新的生活。<br />      明天早上抄实验报告，下午和晚上复习集合论和数理逻辑吧。]]></description><category></category></item><item><title><![CDATA[2010-11-04安排]]></title><link>https://blog.youkuaiyun.com/jacksonislwj/article/details/5985984</link><guid>https://blog.youkuaiyun.com/jacksonislwj/article/details/5985984</guid><author>jacksonislwj</author><pubDate>Wed, 03 Nov 2010 22:55:00 +0800</pubDate><description><![CDATA[<br />今天没有完成预期计划，主要原因是睡了懒觉，导致自己到现在都还没干完事。<br />今天已经完成的任务有：<br />1、完成了读书和习题的大部分。<br />2、完成了虚拟光盘库的申报材料的大部分。<br />3、修改了C语言考试系统申报书的修改。<br /> <br />明天就不安排了，开会，实验，还有看书，第二章的剩余部分，然后早点休息，后天早上飞机了。。。]]></description><category></category></item><item><title><![CDATA[《数据库系统基础教程》读书笔记——第二章 关系数据模型（1）]]></title><link>https://blog.youkuaiyun.com/jacksonislwj/article/details/5985372</link><guid>https://blog.youkuaiyun.com/jacksonislwj/article/details/5985372</guid><author>jacksonislwj</author><pubDate>Wed, 03 Nov 2010 17:31:00 +0800</pubDate><description><![CDATA[<br />     本书第二章涉及到了具体的内容，这部分内容是数据库系统的理论基础，是本书的核心之一，我当初准备用两天的时间完成对第二章的阅读和分析，不过现在看来似乎没那么简单，事实上到现在为止我也没有完全完成2.4节及之前的所有习题。不过大致的内容已经差不多清楚了，我会专门留给自己一些时间来思考难题。<br />     进入正题，这一章讲述的是关系代数，何为关系代数，我没有认知得很清楚，但是学校开设了数理逻辑与集合论这门课，关系代数与这门课有着非常密切的联系，因此如果有数理逻辑和集合论基础，学习起这一]]></description><category></category></item><item><title><![CDATA[2010-11-03安排]]></title><link>https://blog.youkuaiyun.com/jacksonislwj/article/details/5983026</link><guid>https://blog.youkuaiyun.com/jacksonislwj/article/details/5983026</guid><author>jacksonislwj</author><pubDate>Tue, 02 Nov 2010 20:53:00 +0800</pubDate><description><![CDATA[今天已经完成：1、提前做的模拟电路实验。2、与郑老师的交流，并已经将C语言考试系统科创申请书写好。3、完成了《数据库系统基础教程》2.4及之前章节的作业。4、没状态了，今天到此结束，很累。明天需要完成：1、早上补充完成第二章的作业和读书笔记。2、下午抄写实验报告并写虚拟光盘库申请报告的相关部分。3、晚上写今天的模拟电路实验报告。4、如果有时间，看数电书并做练习。坚持啊~~~]]></description><category></category></item><item><title><![CDATA[《数据库系统基础教程》读书笔记——第一章 数据库系统世界]]></title><link>https://blog.youkuaiyun.com/jacksonislwj/article/details/5981268</link><guid>https://blog.youkuaiyun.com/jacksonislwj/article/details/5981268</guid><author>jacksonislwj</author><pubDate>Tue, 02 Nov 2010 10:10:00 +0800</pubDate><description><![CDATA[<br /><br />      首先说说读这本书的原因，因为自己最近接触到的一些项目比较多地接触到了数据库，但是自己还没有系统地看过数据库方面的教材，于是找本书看，补补自己的基础。我选了《数据库系统基础教程》，这本书是斯坦福的数据库教材，应该很不错。再说说自己做读书笔记的原因，一方面是为了引发自己的思考，另外一方面也是为了克服自己的惰性。<br />      今天仔细地看了第一章，第一章是一个大体地综述，用名词概述的方法来总结今天的学习成果，可能理解有误，不过先写下来好了：<br /> <br />数]]></description><category></category></item><item><title><![CDATA[2010-11-02安排]]></title><link>https://blog.youkuaiyun.com/jacksonislwj/article/details/5980481</link><guid>https://blog.youkuaiyun.com/jacksonislwj/article/details/5980481</guid><author>jacksonislwj</author><pubDate>Mon, 01 Nov 2010 21:41:00 +0800</pubDate><description><![CDATA[<br />      寝室有一个同学，他十分会安排自己的生活，他提前一天计划自己第二天要做的事，我觉得这十分值得学习，所以我也尝试着提前一天决定第二天的安排。<br />明天作以下安排：<br />1，早上八点到实验室做模拟电路实验。<br />2，做完实验去与郑老师讨论为学校做C语言考试系统的事。<br />3，中午之前反思与老师交流的内容，并把系统的构架和做法初步确定。<br />4，吃完午饭写C语言考试系统的科创申请报告，争取在晚饭前完成。<br />5，晚上阅读《数据库系统基础教程》至2.5，并完]]></description><category></category></item><item><title><![CDATA[ 一个计算机爱好者的回忆录（2）]]></title><link>https://blog.youkuaiyun.com/jacksonislwj/article/details/5957544</link><guid>https://blog.youkuaiyun.com/jacksonislwj/article/details/5957544</guid><author>jacksonislwj</author><pubDate>Thu, 21 Oct 2010 21:58:00 +0800</pubDate><description><![CDATA[<br />    恩，忙了一天，继续上次的，回忆一下过去，就当是自我娱乐吧。<br />    话说我们与PASCAL接触，是在学校组织的计算机兴趣班里面，为了培养我们对计算机的兴趣，学校组织了一个利用课余时间学习编程的班，这可把我乐坏了，当时用的是FREE PASCAL，就是一打开屏幕满眼都是蓝色的那种，我有了之前学习两种语言的经历，PASCAL虽然结构比QBASIC更复杂，功能更加强大，但是还是差不多的，相信很多学计算机语言的朋友都有这样的感觉，学会了任何一种，其他的就好学了。不过当时最大的收获还是接]]></description><category></category></item><item><title><![CDATA[一个计算机爱好者的回忆录（1）]]></title><link>https://blog.youkuaiyun.com/jacksonislwj/article/details/5950974</link><guid>https://blog.youkuaiyun.com/jacksonislwj/article/details/5950974</guid><author>jacksonislwj</author><pubDate>Tue, 19 Oct 2010 12:13:00 +0800</pubDate><description><![CDATA[<br />    文笔不好，所以想多写点文字，练习的同时，也算是排解内心的寂寞。<br />    记得上小学的时候，家里有一台小霸王学习机，那时候电脑还是个稀奇玩意，我自然是没有见过。不过小霸王学习机足以满足我的需求——只要能插上黄色的游戏卡打游戏，那自然是足够了。我是个游戏迷，打了上百种游戏，每天很效率地写完作业，其他大多数时间都泡在了游戏里，游戏卡堆得比我人还高。家里人觉得我贪玩，但是成绩还算不错，于是就没有管得太多。后来学校开设了计算机课，当我把教材看完一遍的时候，我就立刻被吸引住了，显示器，主机]]></description><category></category></item><item><title><![CDATA[我的笔记]]></title><link>https://blog.youkuaiyun.com/jacksonislwj/article/details/6508224</link><guid>https://blog.youkuaiyun.com/jacksonislwj/article/details/6508224</guid><author>jacksonislwj</author><pubDate>Tue, 12 Oct 2010 22:01:00 +0800</pubDate><description><![CDATA[ 我的笔记内容我会更新在我的博客中http://blog.youkuaiyun.com/jacksonislwj欢迎各位来小弟的博客做客]]></description><category></category></item><item><title><![CDATA[科创之股票数据挖掘（3）]]></title><link>https://blog.youkuaiyun.com/jacksonislwj/article/details/5936758</link><guid>https://blog.youkuaiyun.com/jacksonislwj/article/details/5936758</guid><author>jacksonislwj</author><pubDate>Tue, 12 Oct 2010 21:18:00 +0800</pubDate><description><![CDATA[    最近越来越忙了，不过今天还是抽出时间操作了一下上一篇文章讲的挖掘方法，还好我操作了一下，这东西还是要看实效说话的，如果挖不到有价值的信息，再高级的算法，再好的想法，都是空谈。上一篇文章做了一下分析，具体的操作也说了下，不过由于时间比较仓促，我没有进一步做分析，那么这篇文章我来讲述一下我自己的实际操作。由于数据库的几百万行数据还在处理，指标的建模也还未完成，所以这里只拿一个小规模数据来做，不过足以得到部分信息。    我们以601899紫金矿业为例，首先从大智慧新一代里面，把KDJ，RSI，PSY数据]]></description><category></category></item><item><title><![CDATA[科创之股票数据挖掘（2）]]></title><link>https://blog.youkuaiyun.com/jacksonislwj/article/details/5932483</link><guid>https://blog.youkuaiyun.com/jacksonislwj/article/details/5932483</guid><author>jacksonislwj</author><pubDate>Mon, 11 Oct 2010 02:14:00 +0800</pubDate><description><![CDATA[<br />    本来文章准备今天下午发，但是有事耽误一直拖到现在，今天的事不想拖到明天，就现在发吧。<br />    今天谈论的内容是和关联规则相关的股票预测，具体怎么做，我先在网上找了一些论文看，觉得做得都不够好，我有一些自己的思想，就写出来吧，因为是对自己学习的总结，也供大家参考。<br />    首先我们可以从算法上分析，关联规则的APRIORI算法是很基础的，也是很好用的，它能挖掘出频繁K项集，也就是满足支持度阀值（当然，也必须有较高的置信度）的所有集合，但是它有一个较大的局限，就是它所适用]]></description><category></category></item><item><title><![CDATA[科创之股票数据挖掘（1）]]></title><link>https://blog.youkuaiyun.com/jacksonislwj/article/details/5930706</link><guid>https://blog.youkuaiyun.com/jacksonislwj/article/details/5930706</guid><author>jacksonislwj</author><pubDate>Sun, 10 Oct 2010 00:21:00 +0800</pubDate><description><![CDATA[    其实早就想写这东西了，只是一直没有整理好思绪，所以拖到了今天，今天晚上夜黑风高，又不想写数据结构作业，于是终于有时间写点东西怨念下了。    首先说说数据挖掘吧，接触这东西也是机缘巧合，上学期听说ZYN学姐在做科创，于是问了问具体情况，她说跟数据挖掘有关，这词我还是第一次听说，听起来很高级啊，我看了些资料，觉得非常感兴趣，于是就阴差阳错地加入了，还拉了BM和BAQ同学入伙。于是悲剧就开始上演了，我们小组组成以后才发现，原来大家都不懂，什么叫数据挖掘？于是项目没法成立，因为连挖啥都不知道。    于是]]></description><category></category></item></channel></rss>