- 博客(11)
- 收藏
- 关注
RSS订阅原创 智慧公交系统
分析关系模式R，该模式的候选码为车辆编号，非主属性车辆状态，启运时间，车型对主属性无部分函数依 赖，满足第二范式。概念模型，逻辑模型和物理模型是数据库设计过程中的三个不同阶段，他们之间存在着紧密的关系和转换规则。函数依赖集F=（车辆编号->车牌号，车牌号->车辆状态，车辆编号->启运时间，车辆编号->车型）3.2索引和约束转化为逻辑模型中的主键，外键和约束，需要考虑关系与约束之间的关系。3排班和车辆之间的联系是一个车辆可被排班多次安排使用，是一对多的关系。1用户与角色之间的关系是一对多的关系。
2024-06-26 22:10:20
370
原创 智慧公交系统
2.6线路信息管理：线路信息包括了线路编号，线路名称，线路状态，开线日期，线路方向，包含站点等属性，通过添加，删除，保存等操作我们可以得到更新的数据库，以及通过几个属性进行线路的查询。要实现排班系统的实际操作，我们首先要把基本数据处理好，如基本的车辆信息管理，线路信息管理，站点信息管理等，将其数据完善好之后，我们再进行用户管理，实现了以上管理后，我们最后进行排班信息的管理，通过自己设计的数据信息来完成最终的排班管理，最后操作成功，截图如下。添加线路信息（修改版）添加线路信息（原版）四 出现的问题及解决。
2024-06-26 21:57:58
795
原创 朴素贝叶斯分类算法流程
在炎热的夏天你可能需要买一个大西瓜来解暑，但虽然你的挑西瓜的经验很老道，但还是会有挑错的时候。假设现在在你面前有一个纹路清晰，拍打西瓜后声音浑厚，按照你的经验来看这个西瓜是好瓜的概率有。当得到以上概率后，训练阶段的任务就已经完成了。那么在这个时候你下意识会认为这个西瓜是好瓜，因为它是好瓜的概率大于不是好瓜的概率。这三个特征来推断是不是好瓜，我们需要计算出这个西瓜是好瓜的概率和不是好瓜的概率。由于81>241，所以这个西瓜是好瓜。为清晰，则这个西瓜不是好瓜的概率为。函数，分别实现模型的训练与预测。
2024-06-13 15:20:58
1619
1原创 实现EM算法的主循环
测试输入： {'init_values':[0.2, 0.7], 'observations':[[1, 1, 0, 1, 0], [0, 0, 1, 1, 0], [1, 0, 0, 0, 0], [1, 0, 0, 1, 1], [0, 1, 1, 0, 0]]} 预期输出： [0.439928, 0.440072]thetas ：硬币 A 与硬币 B 正面朝上的概率的初始值，类型为 list ，如 [0.2, 0.7] 代表硬币 A 正面朝上的概率为 0.2 ，硬币 B 正面朝上的概率为 0.7。
2024-06-11 16:55:08
1048
原创 实现EM算法的单次迭代过程
如 [[1, 0, 1]， [0, 1, 1]] 表示进行了两轮实验，每轮实验用某硬币抛掷三次。init_values ：硬币 A 与硬币 B 正面朝上的概率的初始值，类型为 list ，如 [0.2, 0.7] 代表硬币 A 正面朝上的概率为 0.2，硬币 B 正面朝上的概率为 0.7。如 [0.4, 0.6] 表示你认为硬币 A 正面朝上的概率为 0.4，硬币 B 正面朝上的概率为 0.6。该函数需要完成的功能是模拟抛掷硬币实验并估计在一次迭代中，硬币 A 与硬币 B 正面朝上的概率。
2024-06-11 16:51:22
466
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人