mxlwd168的博客

大体思路：>思路大致先对图产品着色然后根据着色的信息找最大参照团 程序MaxCliqueDyn（R，C，电平）S [等级]：= S [等级] + S [1级] - 贩售[水平]; 已售[level]：= S [level-1]; 而R≠Ø则从 - [R中选择一个最大C（P）（最后一个顶点）的顶点磷; R：= R \ {p}; 如果| Q | + C [R中的p的...

转自http://www.cnblogs.com/xuanyuyt/p/6062204.html一般来说我们自己需要做的方向，比如在一些特定的领域的识别分类中，我们很难拿到大量的数据。因为像在ImageNet上毕竟是一个千万级的图像数据库，通常我们可能只能拿到几千张或者几万张某一特定领域的图像，比如识别衣服啊、标志啊、生物种类等等。在这种情况下重新训练一个新的网络是比较复杂的，而且参数不好调整，数...

推荐相关基于用户的协同过滤我们已有的数据: 用户u1买了（m1,m2..）u2(m3,m4..)等等，找到和目标用户最相似的前k个用户，计算相似度为 k1,k2,...,kkk_{1},k_{2},...,k_{k}。如果第n个用户卖了商品p，而该商品u1没买，那么该商品的推荐值加上knk_{n}。最后得分高的排在前面。设N(u)表示用户u喜欢的物品，N(v)表示用户v喜欢的物品，则两个用户的相似度

方差公式：Var = E[(X-μ)²] = E[X²-2Xμ+μ²] = E(X²)-2μ²+μ² = E(X²)-μ² (*)最后推出方差就是平方的均值减去 均值的平方皮尔逊相关系数①协方差就是看两个变量是否正负相关，也就是数值上变化是否同或反向；②相关系数直接衡量的就是线性相关关系，取值就在+-1之间，体现的含义是X和Y多大程度在一条斜率存在且不为0的直线上；距离向量余弦距离，也称为余弦

作者：智能菌

集合散列表定义： 散列表：通过将元素映射到该表中的某一位置，来提高访问速度 装填因子：元素的个数/表的长度 碰撞： 多个关键字映射到同一位置的现象 碰撞检测方案：直接寻址法和链接法 简单一致散列：每个元素散列时是独立的，与其他元素无关 一致散列：假设每个关键字的探察序列`<0,1,2,…,m-1>的m!中排列的每一种可能性是相同的 关键字集合静态：关键字集合存

线性规划定义： 求满足约束的最优目标，目标是变量的线性函数，约束是变量的相等或不等表达式。单纯形算法 1 松弛变量 为将不等式转化为等式添加的非负变量 比如 将f(xi) >0 变成 yj= f(xi) ,那么xj就是松弛变量主元操作（pivot） 1 任意在目标函数中系数为正的基本变量xi， 计算对其约束最紧的松弛变量yj 2 将yj= f(x) 转换成 xi =

一 贪婪算法定义 每次都选择最优解，期望最后得到最优全局解二 适用场景 1 最优子结构 2 子问题不是重叠的三 拟阵–贪婪算法的一个应用场景3.1 拟阵的定义： 如果一个序列对：M=<S,N> 满足： 1 S 是有穷集合 2 N 是S的所有独立子集。 并且对于任意B∈\inN,且有A⊆\subseteqB ,那么A∈\inN 这种性质叫做遗传性 3 如果A∈

动态规划算法原理介绍与实例解析一 动态规划的定义：算法导论给出的定义：通过组合子问题的解来求最优问题的解。该定义太简单了。满足该定义的解法还有分治法、贪婪法。二 动态规划的求解过程：1 描述最优解的结构（描）2 自顶向下递归的拆子问题（拆）3 按自底向上的方式递归求解子问题（反求）4 组合子问题求解（组） 如果第3步是直接自顶向下求解的话就是简单的递归方法了三 适用于动态规划的应用场景：1 最