liuph_的博客

仪器的观测存在较大的随机误差，因此会出现极端异常观测值。为此，本研究采用Kalman滤波对观测进行最佳估计，进而对时序数据进行降维处理。Kalman滤波是R. E. Kalman提出的一种时域滤波算法，其采用时间递推的方式，考虑了系统的过程噪声和测量噪声，是一种对观测值的线性最小方差估计方法。Kalman滤波可以基于系统上一时刻的状态预测下一状态，当获得下一状态的观测值时，根据下一状态的预测结果和观测结果获得下一状态的最优化估计。由于在状态预测和最优估计更新时状态的噪声也被更新，因此Kalman不仅能够处理

博主在去年做利用Google的word2vec做深度学习的时候，需要将大量的POI数据点连接成汉密尔顿路径，并形成语料库进行进一步分析。何谓汉密尔顿路径，通俗一点地讲，就是将一些点不重复地全部串起来，使得连接这些点的折线段的长度最短。这种问题属于NP问题，蚁群算法、遗传算法、模拟退火算法都能对这种问题提出一种近似最优解，然而对上述算法不熟悉的童鞋必定一头雾水，因此，本文将讲解一种最简单易懂的算法---我称之为“暴力解法”。顾名思义，就是一次次枚举，通过比较路径长度来选取适当的节点顺序。

今早刚接触一个新的库——dlib（http://dlib.net），讲真，真的很好用。按照官方的介绍，就是：These wrappers provide a portable object oriented interface for networking, multithreading, GUI development, and file browsing. Programs written