注意事项： 想使multisim的四路示波器波形相对静止下查看，如果是正弦波可以在示波器上选中波形类型为正弦波，否则可以直接点击暂停仿真使停止 仿真过程极慢，现实1s在multisim中竟然走了3、4s，改multisim步长有时可以解决问题，但若是仿真电路本身的确复杂，则只能靠等待了，毕竟仿真是需要计算时间的 Mesurement Probe的确好用，但是有时运行一段时间后，会导致Transient time point calculation did not converge这个错误，出现这个问题的另一个原因可能是示波器未接地。 一、设计目的针对电子线路课程要求，对学生进行实用型电子线路设计、安装、调试等各环节综合性训练，培养学生运用课程中所学的理论与实践紧密结合，独立的解决实际问题的能力。电路设计工具MULTISIM的学习与应用，应用计算机的能力，用简洁的文字,清晰的图表来表达自己设计思想的能力。 二、设计内容和要求 1、音乐信号分为三个频段，分别控制红、绿、蓝三种颜色的彩灯；三段信号的频率为： 低频段：25Hz—200Hz 中频段：500Hz —1200Hz 高频段：200 ...

各大公司提供的公共DNSGoogle8.8.8.8 Alibaba223.5.5.5 223.6.6.6 Baidu180.76.76.76 Tecent(DNSPod)119.29.29.29 114DNS114.114.114.114 114.114.115.115

Simhash, Minhash参考这些文章http://grunt1223.iteye.com/blog/964564http://blog.csdn.net/heiyeshuwu/article/details/44117473

1. 支持向量机(Support Vector Machines)SVM有很多实现，最流行的一种实现是序列最小优化(Sequential Minimal Optimization)算法可以使用核函数(kernel)的方式将SVM扩展到更多数据集上SVM的优缺点: 优点：泛化错误率低，计算开销不大，结果易解释 缺点：对参数调节和核函数的选择敏感，原始分类器不加修改仅适用于处理二类问题 2. 基于最大间隔分隔数据可以用一条线将两类数据点分开，则这组数据线性可分，否则线性不可分线性可分数据集中的分隔界限称为分隔超平面(separating hyperplane)，也就是分类的决策边界，分布在超平面一侧的数据都属于某个类别，而另一侧的数据属于另一类别我们希望找到离分隔超平面最近的点，确保它们离分隔面的距离尽可能的远，这里，点到分隔面的距离称之为间隔(margin)支持向量(support vector)就是离分隔超平面最近的那些点 3. 寻找最大间隔分割超平面的形式可以写成\(w^Tx+b\)，要计算A点到分割超平面的距离，必须给出点到分隔面的法线长度，该值为\(|w^TA+b| ...

1. 前言华中科技大学的讲义很不错主要备份了此讲义的内容[1]文中用到的一些概念： 原语：操作系统或计算机网络用语范畴。是由若干条指令组成的，用于完成一定功能的一个过程。primitive or atomic action 是由若干个机器指令构成的完成某种特定功能的一段程序，具有不可分割性，即原语的执行必须是连续的，在执行过程中不允许被中断。 2. 操作系统简介2.1 发展过程无操作系统:人工操作->脱机I/O方式单道批处理系统->多道批处理系统->分时系统->实时系统->网络操作系统->分布式操作系统 2.2 基本特性 并发 共享: 互斥共享模式和同时访问模式 虚拟 异步 2.3 主要功能 处理机管理功能: 进程控制、进程同步、进程通信 存储器管理功能: 内存分配、内存保护、地址映射、内存扩充 设备管理功能: 缓冲管理、设备分配、设备处理 文件管理功能: 文件存储空间的管理、目录管理、文件的读/写管理和保护 用户接口: 命令接口、程序接口、图形接口 3. 进程3.1 进程的特征与状态为使程序能够并发执行，且为了对并发执 ...

1. 一场博弈的四个基本要素 至少两个参与者。博弈论的参与者又被称为决策主体，也就是在博弈中制定决策的人 利益 策略。在博弈中，决策主体根据获得的信息和自己的判断，制定出一个行动方案，这个行动方案便是策略 信息。利益是博弈的目的，策略是获得利益的手段，而信息就是制定策略的依据 2. 博弈的分类2.1 合作博弈和非合作博弈根据博弈的参与者之间是否有一个具有约束力的协议，博弈可分为合作博弈和非合作博弈 合作博弈。合作博弈并不是指参与者之间有合作的意向，或是合作态度，而是参与者之间有具有约束力的协议、约定或者契约，参与者必须在这些协议的范围内进行博弈。合作博弈是研究合作中如何分配利益的问题，目的是使得协议框架内所有参与者都满意。 非合作博弈。非合作博弈指参与者在博弈的时候，无法达成一个对各方都有约束力的协议。非合作博弈的目的是如何为自己争取最大化的利益，并不考虑其他参与者的利益。 2.2 静态博弈与动态博弈按照参与者选择策略、作出决定的先后顺序，可分为静态博弈与动态博弈 静态博弈。如果参与者们同时选择策略，或者虽然有先后，但是后做出策略的参与者并不知道其他参与者的策略，那就是静态博 ...

1. Logistic回归利用Logistic回归进行分类的主要思想是: 根据现有数据对分类边界线建立回归公式,以此进行分类 2. 基于Logistic回归和Sigmoid函数的分类我们想要的函数是能接受所有的输入然后预测出类别。例如,在两个类的情况下,上述函数输出0或1,我们接触过的函数 Heaviside step function(单位阶跃函数)即是。然而此函数在跳跃点上从0瞬间跳跃到1，这个瞬间跳跃过程有时很难处理。Sigmoid函数有类似的性质但是更容易处理，其具体计算公式为：\(\sigma(z)=\frac{1}{1+e^{-z}}\)为了实现Logistic回归分类器，我们可以在每个特征上都乘以一个回归系数，然后把所有的结果值相加，将这个总和代入Sigmoid函数中，进而得到一个范围在0~1之间的数值。任何大于0.5的数据被分入1类，小于0.5即被归为0类。所以，Logistic回归也可以看成是一种概率估计确定了分类器的函数形式后，问题变为求最佳回归系数。 3. 基于最优化方法的最佳回归系数确定Sigmoid函数的输入记为z，由下公式得出:\(z= ...

1. 朴素贝叶斯朴素贝叶斯的两个假设： 特征之间相互独立，即一个单词出现的可能性与它和其他单词相邻没有关系 每个特征同等重要 2. 文本分类2.1 准备数据从文本中构建词向量, 将文本看成单词向量或词条向量(也就是说将句子转换为向量) def loadDataSet(): postingList=[['my', 'dog', 'has', 'flea', 'problems', 'help', 'please'], ['maybe', 'not', 'take', 'him', 'to', 'dog', 'park', 'stupid'], ['my', 'dalmation', 'is', 'so', 'cute', 'I', 'love', 'him'], ['stop', 'posting', 'stupid', 'worthless', 'garbage'], ['mr', 'licks', 'ate', 'my', 'steak ...

贝叶斯决策1. 基本规则贝叶斯决策理论就是用统计概率的方法研究随机模式的决策问题。用贝叶斯决策理论方法进行分类时要求满足以下两个条件： 1)各类别总体的概率分布是已知的 2)要决策的类别数是一定的 在统计模式识别中，模式分类问题实际上就是把特征空间分割成若干个区域，每一个区域对应一个模式类别。对于确定性模式，由于模式样本的观测值是确定的，所以样本都会被正确地区分到相应的类型区域中。然而对大多数情况而言，这是非常理想的概率分布，许多实际情况下，即使在类型A的条件下，模式样本x位于区域A的概率也小于1，而位于B的概率大于0，这种交错分布的样本使分类发生错误，这是模式随机性的一种体现。如何使分类错误率尽可能小是研究各种分类方法的中心议题。 2. 相关概念 1)先验概率：预先已知的或者可以估计的模式识别系统位于某种类型的概率 2)类条件概率密度函数：系统位于某种类型条件下模式样本X出现的概率密度分布函数。为了强调是同一事物内部，因此这种分布密度函数往往表示成条件概率的形式，即\(P(X|Y)\) 3)后验概率：系统在某个具体的模式样本X条件下位于某种类型的概率。一个具体事物属于某种类别的 ...

1. 决策树定义决策树是一个预测模型；他代表的是对象属性与对象值之间的一种映射关系。树中每个节点表示某个对象，而每个分叉路径则代表的某个可能的属性值，而每个叶结点则对应从根节点到该叶节点所经历的路径所表示的对象的值。决策树仅有单一输出，若欲有复数输出，可以建立独立的决策树以处理不同输出。从数据产生决策树的机器学习技术叫做决策树学习, 通俗说就是决策树。 2. 决策树优缺点决策树是一种简单但是广泛使用的分类器。通过训练数据构建决策树，可以高效的对未知的数据进行分类。 决策数有两大优点： 1、决策树模型可读性好，具有描述性，有助于人工分析 2、效率高，决策树只需要一次构建，反复使用，每一次预测的最大计算次数不超过决策树的深度。 决策树缺点：可能会产生过度匹配问题 3. 构造决策树3.1 构造决策树算法决策树算法有ID3算法、C4.5、CART等，以ID3为例: 对于当前数据集，计算不同属性(特征)的信息增益，并从中取出信息增益最大的属性(特征)R 用R作为划分root节点的方法，把R属性可能对应的不同值归为不同的子集 对每个子集，递归调用建树算法 若子集只含有单个属性，则分支为 ...