声明：代码的运行环境为Python3。Python3与Python2在一些细节上会有所不同，希望广大读者注意。本博客以代码为主，代码中会有详细的注释。相关文章将会发布在我的个人博客专栏《Python从入门到深度学习》，欢迎大家关注~在K-Means算法中，聚类的类别个数需要提前指定，对于类别个数未知的数据集，K-Means算法和K-Means++算法将很难对其进行求解，所以需要一些能够处理未知类别个数的算法来处理此类问题。MeanShift算法，又称作均值
系统 2019-09-27 17:52:59 3194
早晨起床：1－1.5小时是最好的读英语时间读完英语大脑会缺氧，吃东西或休息一会，听听歌。看看视频效果不错。这时大概是10点左右，有1.5小时看其他相关重要而不紧张的书籍。中午休息后，大脑还处于睡眠状态，可以看一会书，最好是让自己累了，这样就可以休息，扶桌而睡是最好的选择，尽管很多的医生说这样对身体很不好。但是睡起来以后经历很旺盛。大约是4点左右，这时看书的效果很好。继续看书，因为你是不会感觉累的。锻炼的好时候6：30－－8：00洗完澡来看书。效果很不错。最
系统 2019-08-29 23:44:52 3194
目前这篇博文中所附带的游戏源码包，是由十一款Applet小游戏所组成（好吧，我承认大家被标题骗了，刚发现多放了一个源码进压缩包┐(—__—)┌）。值得一提的是，这些即不是在javagametome或java4k上发布过的游戏，也非小弟原创，而是我从一些美日技术博客中逐步发现并积累下来的“冷门”源码（更准确的说，是将一些Applet程序反编译过来的“二手货”集合，当然源码都是调通并且已经配置成Eclipse工程的）。事实上，由于Java开发与Android开
系统 2019-08-29 22:46:06 3194
一．三层架构图二．系统各层次职责1.UI（UserInterface）层的职责是数据的展现和采集，数据采集的结果通常以Entityobject提交给BL层处理。ServiceInterface侧层用于将业务或数据资源发布为服务（如WebServices）。2.BL（BusinessLogic）层的职责是按预定的业务逻辑处理UI层提交的请求。（1）BusinessFunction子层负责基本业务功能的实现。（2）BusinessFlow子层负责将Busine
系统 2019-08-29 22:08:55 3194
简介本文介绍如何在Eclipse中通过maven插件编写java项目和web项目。安装Maven下载Maven最新版本，见：maven.apache.org/download.html当前版本2.0.7。解压缩下载的文件,将其中的bin目录设置到windowsPath环境变量中.测试安装是否成功：在命令行中输入mvn-version安装Maven插件安装Eclipse的Maven插件M2Eclipse。本文使用：JDK：SUNJDK1.6.0_03Ecli
系统 2019-08-12 09:30:30 3194
[Ioi2007]Miners矿工配餐TimeLimit:10SecMemoryLimit:64MBSubmit:214Solved:128Description现有两个煤矿，每个煤矿都雇用一组矿工。采煤工作很辛苦，所以矿工们需要良好饮食。每当一辆食品车到达煤矿时，矿工们便会产出一定数量的煤。有三种类型的食品车：肉车，鱼车和面包车。矿工们喜欢变化的食谱。如果提供的食品能够不断变化，他们的产煤量将会增加。每当一个新的食品车到达煤矿时，矿工们就会比较这种新的食
系统 2019-08-12 09:27:32 3194
1NF的要求：1，各行没有顺序关系；2，各列也没有顺序关系；3，不允许重复的行；4，不允许null的列。因此，实际上是要求：1，要有uniquekey；2，不允许nullable属性。当然这里的uniquekey可以是一个attribute，也可以是一个superkey。如果一个relation满足1NF，则所有的attribute自然为一个superkeysuper-key是区分各个行的attribute的集合，minimalsuper-key称作一个c
系统 2019-08-12 01:53:04 3194
这个简单的Shell，其功能有：解释执行命令，支持输入输出重定向，支持管道，后台运行程序。1、运行本程序后，它支持以下命令格式单个命令，如：ls。带l到多个参数的命令，如ls-l/tmp。带一个输出重定向的命令，如ls-l/>a。带一个输入重定向的命令，如wc-ca&wc-c
系统 2019-08-12 01:33:11 3194
如果在我们的分类问题中，输入特征$x$是连续型随机变量，高斯判别模型(GaussianDiscriminantAnalysis,GDA)就可以派上用场了。以二分类问题为例进行说明，模型建立如下：样本输入特征为\(x\in\mathbb{R}^n\),其类别\(y\in\{0,1\}\)；样本类别\(y\)服从参数为\(\phi\)的伯努力分布，即\(y\simBernoulli(\phi)\)；两类样本分别服从不同的高斯分布，即\(x|y=0\sim\ma
系统 2019-08-12 01:33:04 3194
第一章引言第二章预备知识第三章直接聚类法第四章K-means第五章DBSCAN第六章OPTICS第七章聚类分析的效果评测第八章数据尺度化问题作者:peghoty出处:http://blog.csdn.net/itplus/article/details/10088101欢迎转载/分享,但请务必声明文章出处.聚类算法初探（二）预备知识
系统 2019-08-12 01:32:58 3194
