Lee_tr的博客

FPGA 数据选择器实验实验目的（1）进一步熟悉和掌握Quatus18.1的使用（2）熟悉ip核的调用（3）学习和掌握电路原理图的设计流程实验环境Quatus18.1标准版Cyclone IV EP4CE6F17C8测试工具：Signal Tap、In-Systeam Source and Probes Editor实验原理1)系统原理根据4选1数据选择器的工作原理，有公式：由此可见，要实现选择器功能需要6个输入，1个输出。其中S1S0是数据选择端，A,B,C,D是数据输入端。由S

FPGA D触发器实验实验目的（1）熟悉Quatus18.1的软件应用（2）熟悉ip核的调用（3）掌握D触发器的逻辑功能和触发方式实验环境Quartus Prime 18.1标准版Cyclone IV EP4CE6F17C8测试工具：Signal Tap、In-Systeam Source and Probes Editor实验原理1）系统原理D触发器是一个具有记忆功能的，具有两个稳定状态的信息存储器件，是构成多种时序电路的最基本逻辑单元，也是数字逻辑电路中一种重要的单元电路。触发器具

FPGA移位寄存器实验实验目的（1）熟悉Quatus18.1的软件应用（2）熟悉ip核的调用（3）学习和熟悉移位寄存器的设计实验环境Quartus Prime 18.1标准版Cyclone IV EP4CE6F17C8测试工具：Signal Tap、In-Systeam Source and Probes Editor实验原理：1）系统原理移位寄存器需要将寄存器中的各位数据在移位控制信号的作用下，依次向高位或地位进行移位。2）电路原理图定义输入信号：din、ds；定义模式信号：m

一、SVM算法的优点1）、算法优点：　　（1）使用核函数可以向高维空间进行映射（2）使用核函数可以解决非线性的分类（3）分类思想很简单，就是将样本与决策面的间隔最大化（4）分类效果较好二、SVM算法分析1）、SVM算法对月亮数据集进行分类的python代码如下所示：from sklearn.datasets import make_moonsfrom sklearn.pipeline import Pipelinefrom sklearn.preprocessing import Pol

一、Iris数据集的 Fisher分类判别python代码如下：#导入库import pandas as pdimport numpy as npimport matplotlib.pyplot as plt import seaborn as sns#构建训练集path=r'D:\\Python\python1\Lib\site-packages\sklearn\datasets...

1、Fisher线性判别Fisher线性判别分析的基本思想：选择一个投影方向（线性变换，线性组合），将高维问题降低到一维问题来解决，同时变换后的一维数据满足每一类内部的样本尽可能聚集在一起，不同类的样本相隔尽可能地远。Fisher线性判别分析，就是通过给定的训练数据，确定投影方向W和阈值w0， 即确定线性判别函数，然后根据这个线性判别函数，对测试数据进行测试，得到测试数据的类别。Fisher...

一、阅读“机器学习”（周志华著）第二章“模型评估与旋转”，理解“查准率”、“查全率”、“F1-Score”、“ROC”、“混淆矩阵”的定义。1.查准率定义查准率（Precision）（精度）是衡量某一检索系统的信号噪声比的一种指标，即检出的相关文献与检出的全部文献的百分比​查准率= 检索出的信息量/检索出的相关信息量∗100%2.查全率定义查全率（召回率，recall），是衡量某一检索系...

单纯形法、拉格朗日乘子法和scipy库对比分析求解线性规划一、单纯形法的简单了解1、单纯形法的定义1）、单纯形法 simplex method 求解线性规划问题的通用方法。单纯形是美国数学家G.B.丹齐克于1947年首先提出来的。它的理论根据是：线性规划问题的可行域是 n维向量空间Rn中的多面凸集，其最优值如果存在必在该凸集的某顶点处达到。顶点所对应的可行解称为基本可行解。2、单纯形法的基...

凸优化基础一、计算几何定义及学习1、计算几何的定义计算几何对几何外形信息的计算机表示、分析和综合。这里的几何外形信息是指那些用来确定某些几何外形的离散数据点或特征多边形。按照给定的信息，建立一定的数学模型，再通过计算机进行计算，求得其他所需的信息，这就是计算机表示。之后还需对所建立的数学模型特性及误差等进行分析、综合，以便逼真地反映出几何形体2、计算几何是研究什么的？1）、计算几何的研究...

梯度下降法梯度下降法一、梯度下降算法的基本原理梯度下降算法的基本原理就是通过多次迭代，求得与精度值匹配的最后结果，他的迭代公式如下所示：二、梯度下降算法求解多元线性回归的方程的代码实现代码如下：import numpy as npfrom matplotlib import pyplot as pltfrom mpl_toolkits.mplot3d import Axes3D...