mseddl的博客_Java面试你要知道这些,大数据开发,Java语言特性(5)

基于蚁群算法求解求解TSP问题（JAVA）

原文地址：http://blog.csdn.net/wangqiuyun/article/details/8878298一、TSP问题TSP问题（Travelling Salesman Problem）即旅行商问题，又译为旅行推销员问题、货郎担问题，是数学领域中著名问题之一。假设有一个旅行商人要拜访n个城市，他必须选择所要走的路径，路径的限制是每个城市只能拜访一次，

蚁群算法

i++

java

搜索

初始化

原创 2017-09-12 10:47:41 1218 阅读

mysql 多列索引的生效规则

地址：://www..com/codeAB/p/6387148.htmlmysql中 myisam，innodb默认使用的是 Btree索引，至于btree的数据结构是怎样的都不重要，只需要知道结果，既然是索引那这个数据结构最后是排好序；就像新华字典他的目录就是按照a,b,c..这样排好序的；所以你在找东西的时候才快，比如你找 “中”

联合索引

mysql

数据结构

存储过程

html

转载 2017-09-06 10:22:14 146 阅读

蚁群算法（独辟蹊径的进化算法）

摘要: 高度结构化的组织——虽然蚂蚁的个体行为极其简单，但由个体组成的蚁群却构成高度结构化的社会组织，蚂蚁社会的成员有分工，有相互的通信和信息传递。自然优化——蚁群在觅食过程中，在没有任何提示下总能找到从蚁巢 ... 算法计算机超级计算高性能科学探索 1. 算法背景——蚁群的自组织行为特征高度结构化的组织——虽然蚂蚁的个体行为极其简单，但由个体组成的蚁群却构成高度

迭代

搜索

蚁群

结构化

搜索算法

转载 2017-08-14 21:25:02 1382 阅读 1收藏

两种自己常用特别好的论文下载方法：

第一种方法：这是一个资源特别全的网站，可以下绝大多数论文，会议期刊，学位论文等网址是：http://www.ucdrs.superlib.net/ 网站首页：随便输入一个关键词，然后点中文/外文搜索，然后就会出现下边如图，论文不是直接下载的，而是留下邮箱地址，由人工来发送到你邮箱的，速度从几分钟到几小时不等。第二种方法：上面图片的外国论文是需要付费的，非常贵

论文搜索

下载

免费

搜索

.net

原创 2016-06-21 21:43:06 569 阅读

如何在Linux系统上监测系统温度？（亲测可用）

按理说，在大多数情况下，你用不着为电脑的运行温度而操心。除了制造瑕疵外，电脑硬件在设计时确保温度不会超过最高工作温度。但即使没有任何的硬件故障，也会由于各种各样的软件问题出现温度过高的情况，比如显卡驱动程序有毛病、风扇控制程序配置不当、处理器频率调整守护程序运行异常，不一而足。温度过高会变得非常严重，以至于给你的电脑硬件造成永久性破坏。所以你要密切关注系统中出现的任何温度过高问题。要是部署温

linux

ubuntu

驱动程序

新版本

电脑硬件

转载 2016-05-27 12:25:49 2366 阅读

python 用生成器生成斐波那契数列

环境：python shell 3.5.1在学习生成器，同时琢磨了下经典的斐波那契数列问题，用如下简短的代码：def myFun(): a=0 b=1 print(a,end=' ') while True: a,b = b , b+a yield a测试代码如下：for each in myFun(): if each >300:...

python

生成器

斐波那契数列

原创 2016-02-29 09:26:36 294 阅读

python中字典的一些tips

环境：python shell 3.5.1首先是关于字典可不可以清空直接赋空字典：>>> mydict1 ={1:'hello',2:'ohayo',3:'bonjour'}>>> mydict2 = mydict1>>> mydict1 = {}>>> mydict2{1: 'hello', 2: 'ohayo', 3: 'bonjour'}可见，就算 dict1 赋空字典了

python

深拷贝

c++

浅拷贝

原创 2016-02-21 11:24:24 205 阅读

python 中 lambda的一些tips

环境：python shell 3.5.1刚发现一些 lambda 表达式有趣的地方，不一定都对，先记录下：>>> a=lambda x :x % 2>>> a(1)1>>> a(0)0这是最简单不过的 lambda 表达式了，这样表示返回值是 x%2，这里如果改成 x%2 == 0 则返回的是布尔类型的值，可以配合 filter()使用。如果我们想返回符合一定条件的，

python

原创 2016-02-20 18:56:20 202 阅读

快速理解bootstrap、bagging、boosting

mseddl：通俗的讲解了几种常见组合分类器的区别，还有其中的一些名词解释。 /********************************分隔符**********************************/ Bootstraping: 名字来自成语“pull up by your own bootstraps”，意思是依靠你自己的资源，称为自助法，它是一种有放回的抽样方法，它

bootstrap

机器学习

随机森林

boosting

决策树

转载 2016-02-18 13:28:24 829 阅读

整理的超级全，且不断更新的机器学习、计算机视觉，自然语言处理库~

这个神奇的github项目名字叫：里面列举了二十多种语言实现的关于计算机视觉，机器学习，自然语言处理的框架，库以及软件。如图~这只是其中一部分~ 点击目录中的items，就会跳转到相应位置，例如我点击c++的Computer Vision，就会跳转成这样很方便，很强大~十分适合查找~

自然语言处理

计算机视觉

机器学习

库

框架

翻译 2016-01-25 17:48:47 219 阅读

SPAMS（稀疏和字典学习）工具箱的介绍、配置和使用

这篇文章的内容是从我之前跟导师汇报的ppt里复制过来的，新手不擅长排版，请见谅。零、工具箱的部分目录：涉及到字典学习、矩阵分解、稀疏等。。。。很强大吧~还有源码可以研究。一. 工具箱在官网的叙述： SPAMS(SPArseModeling Software) is an optimization toolbox for solving various sparseestima

官网

linux

html

编译器

预处理

原创 2016-01-22 07:24:43 1094 阅读

我收藏的有关Python的电子书和资料

之前学习c++，最近感受到机器学习中Python的强大，所以开始学习Python，并把收集的东西放在博客共享。先上传几个Python的电子书，因为等级限制只能上传60mb以下的文件，所以少了几个文件，以后等级升上来了就把其他文档也补上。之后还不定期更新一些其他的文档~所有文件都是免积分下载的，各位放心~1.《Python高级编程》 http://download.csdn.net/det...

python

电子书

.net

上传

机器学习

原创 2016-01-21 19:49:00 152 阅读

贝叶斯公式

假设已知先验概率P(ωj)，也知道类条件概率密度p(x|ωj)，且j=1,2.那么，处于类别ωj，并具有特征值x的模式的联合概率密度可写成两种形式： p(ωj,x) = P(ωj|x)p(x) = p(x|ωj)P(ωj) 整理后得出贝叶斯公式（只有两种类型的情况下）下面分别介绍一下后验概率、似然函数、先验概率以及证据因子。 1、后验概率后验概率P(ωj|x)，即假设特征值x已知的条件下

概率密度函数

后验概率

先验概率

似然函数

概率密度

转载 2015-10-05 18:10:44 1186 阅读 1点赞

特征选择和特征学习中的过完备

作者：jiang1st2010转载请注明原文地址：http://blog.csdn.net/jwh_bupt/article/details/9969841 ScSPM的论文中提到了码书的过完备（over-complete）。一开始没有太在意过完备有什么问题，今天想了想把这个概念弄明白了。特征学习的过程中，假设学习的码书D的大小为M。每个码

稀疏

过完备

方程组

特征选择

特征向量

转载 2015-08-11 13:43:04 349 阅读

官方博客	全部文章	热门标签	班级博客
了解我们	网站地图	意见反馈

鸿蒙开发者社区	51CTO学堂
51CTO	软考资讯

51CTO博客

12817626

基于蚁群算法求解求解TSP问题（JAVA）

mysql 多列索引的生效规则

蚁群算法（独辟蹊径的进化算法）

两种自己常用特别好的论文下载方法：

如何在Linux系统上监测系统温度？（亲测可用）

python 用生成器生成斐波那契数列

python中字典的一些tips

python 中 lambda的一些tips

快速理解bootstrap、bagging、boosting

整理的超级全，且不断更新的机器学习、计算机视觉，自然语言处理库~

SPAMS（稀疏和字典学习）工具箱的介绍、配置和使用

我收藏的有关Python的电子书和资料

贝叶斯公式

特征选择和特征学习中的过完备