| 共 111 篇文章 |
|
方阵的维度整体来看是偶数，但是其实是一个奇数乘以一个偶数，例如6X6，其中6=2X3，我们也称这种方阵与单偶数方阵。如果您会解奇数魔术方阵，要解这种方阵也就不难理解，首先我们令n=2(2m+1)，并将整个方阵看作是数个奇数方阵的组合，如下所示：首先依序将A、B、C、D四个位置，依奇数方阵的规则填入数字，填完之后，方阵中各行的和就相同了，但... 阅85 转3 评0 公众公开 15-12-25 11:46 |
混合高斯模型算法。高斯模型有单高斯模型（SGM）和混合高斯模型（GMM）两种。每个 GMM 由 K 个 Gaussian 分布组成，每个 Gaussian 称为一个“Component”，这些 Component 线性加成在一起就组成了 GMM 的概率密度函数：5 % 6 % PX = GMM(X, K_OR_CENTROIDS) 7 % [PX MODEL] = GMM(X, K_OR_CENTROIDS) 8 % 9 % - X: N-by-D data matrix.72 end 7... 阅39 转0 评0 公众公开 15-12-21 12:06 |
算法的目的是使各个样本与所在类均值的误差平方和达到最小（这也是评价K-means算法最后聚类效果的评价标准）输入基因表达矩阵作为对象集X，输入指定聚类类数N，并在X中随机选取N个对象作为初始聚类中心。 阅25 转0 评0 公众公开 15-12-21 11:51 |
PCA(主分量分析法）协方差矩阵——PCA的关键。如图所示：（a)的长轴和短轴方向上的方差基本大小一致，因此，相关性越低，冗余度越小，(c)次之，而(b)的短轴方向上数据分布高度集中，因此方差非常小，短轴上的坐标可以用长轴进行线性表示（考虑一下y = kx+b，我们可以将坐标表示为(x,kx+b),此时，长轴包含了数据的大部分信息，可以用长轴代替原... 阅727 转0 评0 公众公开 15-12-21 11:50 |
矩阵求逆引理(matrix inversion lemma)若矩阵A∈CN×N，C∈CN×N，均为非奇异矩阵，矩阵B∈CN×M，D∈CM×N，则矩阵A+BCD具有逆矩阵：(A+BCD)-1=A-1-A-1B(DA-1B+C-1)-1DA-1首先必须记住的是可逆矩阵A+BCD的逆可以表示成A-1+X，其中X为未知矩阵，这样一来，确定A+BCD阵的逆的问题就转化为解一个关于X的方程的问题。总之只要记住... 阅7215 转7 评0 公众公开 15-12-19 11:27 |
阅19 转0 评0 公众公开 15-12-14 14:18 |
(1)层次聚类方法 层次聚类方法对给定的数据集进行层次的分解，直到某种条件满足为止。average-link 聚类的一个变种是R. D''Andrade (1978)的UCLUS方法, 它使用的是median距离, 在受异常数据对象的影响方面, 它要比平均距离表现更佳一些. 这种层次聚类称为“凝聚"法，由于它迭代合并所有分类。也有一种“划分”层次聚类法，... 阅468 转0 评0 公众公开 15-12-14 14:16 |
关于K平均聚类法 所谓k均值聚类方法是一种无监督的学习算法，它能用已知类数的数据聚类和预测。2、计算任意两点之间的距离平方和3、通过2的计算找到新的聚类中心Z1(j+1),Z2(j+1),...,Zk(j+1)4、如果新的聚类中心和以前一样，终止，否则，goto 2。即该算法首先要人为的给定一个聚类的数目k，然后不断的通过计算距离修正聚类中心。 阅106 转0 评0 公众公开 15-12-14 11:42 |
径向基(Radial basis function)神经网络、核函数的一些理解。1. 先讨论核函数是如何把数据映射到高维空间的，然后引入径向基函数作核函数，并特别说明高斯径向基函数的几何意义，以及它作为核函数时为什么能把数据映射到无限维空间。也可以是距其他某个中心点的距离，即 . 引用自wiki . 也就是说，可以选定径向基函数来当核函数，譬如SVM里一... 阅2187 转17 评0 公众公开 15-12-14 10:57 |
