Evitaaaaa-CSDN博客

原创 simulink笔记——DSSS直接序列扩频

用simulink搭建DSSS链路，分别仿真在高斯信道和瑞利衰落信道下的误码性能，画出误码率曲线。瑞利衰落信道要使用引导（pilot）辅助。模块：参数说明：01出现可能性相等；每帧10个点。功能：产生随机的二进制序列。参数说明：发生器多项式是m序列的反馈系数；初始状态是寄存器的初始值，不能全0；采样时间与二进制序列保持一致；每帧630个点，63为m序列长度，10为二...

2018-10-29 11:15:30 14112 27

原创 simulink笔记——FM调制解调

用simulink搭建FM调制链路。从话筒模块（Audio Device Reader）输入信号或者直接导入一段音频。经过调制、信道、解调，送到设备的音频播放器。模块：参数说明：导入的音频文件为单声道。播放次数自定义，默认为inf（一直播放）。每个声道的采样数与播放音质有关。功能：导入音频文件。功能：矩阵和标量转换。（FM调制解调模块只能处理标量...

2018-10-28 22:40:07 15816 3

一线性归回拟合回归的目的是预测数值型的目标值，相当于自变量和因变量的关系，最直接的预测方法就是数学公式。如果自变量和因变量满足线性关系，那么他们的关系可以用线性方程y=wx+b 表示w和b就是回归系数。在知道x和y 的前提下，目标是找到使误差（预测值和实际值之间的距离）最小的w。对一维向量：有n个点（x1，y1），…（xi，yi），…（xn，yn）对w求导令其为0，可以得到w的估计值。y=wx+...

2018-06-28 16:02:24 810 1

原创 Bike Sharing Demand

背景介绍在覆盖整个城市的共享单车系统网络中，用户可以自助租借、归还自行车。这个系统产生的大量诸如租车时间、起始地点、结束地点等数据将系统构建成一张神经网络，能够用来学习城市的交通出行行为。这个题目要求使用包括天气情况在内的历史数据预测华盛顿的共享单车系统的租借需求。需要解决的问题参考题目中的数据，分析不同因素与共享单车租借需求之间的关联度，建立有关共享单车租借需求的模型，预...

2018-06-28 15:49:55 2566 8

原创 TensorFlow实现Logistic回归

一问题描述MNIST是一个入门级的计算机视觉数据集，其中包含各种手写数字图片。用TensorFlow 训练Logistic 回归能够使模型更稳定，效率更高。二数据准备MNIST数据集包含4个文件，训练集6万张图片，测试集1万张图片。数字经过预处理、格式化，大小调整并居中，尺寸固定28x28的灰度图，每个像素被转成了0-255,0代表着白色，255代表着黑色。三模型建立1. 参数计算Tenso...

2018-06-23 23:09:20 1135 1

原创机器学习实战笔记——Logistic回归

一问题描述Logistic回归常用于探索疾病的危险因素。从马各项症状指标预测马是否死亡，在规模较大的马场，这种方法能够及时有效对存活可能性大的马进行治疗。二数据准备马病症数据集来自UCI（http://archive.ics.uci.edu/ml/datasets/Horse+Colic）。包含368个样本和28个特征。样本中有30%的缺失值，用0填充。三算法原理定义目标函数为要求error...

2018-06-23 22:45:48 477

原创机器学习实战——贝叶斯分类器

一贝叶斯定理设X是数据样本，用n个属性集的测量值描述。令H为某种假设，如数据样本属于某个特定类C。给定X的属性描述，找出样本属于类C的概率。贝叶斯定理用公式表示：二朴素贝叶斯分类设D是数据集，每个样本用一个n维向量X={x1，x2，...，xn}表示，对应n个属性A1，A2，...，An。假设有m个类C1，C2，...，Cm。朴素贝叶斯分类法预测X属于类Ci，当且仅当根据贝叶斯...

2018-06-23 17:08:20 470

原创机器学习实战笔记——KNN算法

KNN算法是监督学习分类方法。何为监督学习？我们用来训练的数据集应当包括数据特征和标签两个部分，通过训练建立数据特征和标签之间关系的算法模型，这样的话，将测试数据集套用算法模型，可以得到测试数据的标签。一 KNN算法原理在训练样本集中每个数据都存在标签，即我们知道样本集中每一数据与所属分类的对应关系。输人没有标签的新数据后，将新数据的每个特征与样本集中数据对应的特征进行比较，...

2018-06-21 00:46:16 1499 1

原创机器学习实战笔记——PCA

主成分分析（PCA）搜索k个最能代表数据的n维正交向量，将原始数据投影到一个小得多的空间上，导致维归约。PCA是一种常用的降维方法，当我们在处理高维数据时，常常会对原始数据进行降维来降低难度和复杂度。降维需要遵守一定原则，即最能代表原始数据，即处理后数据尽可能不失真，那么被降掉的维度是冗余数据或者噪声。自然界中噪声会影响我们听到真正有用的声音，在信息处理中也是如此。我们认为信息具有...

2018-06-18 16:52:46 293

原创机器学习实战笔记——k-means算法

一、算法原理 k-均值算法是一种无监督学习算法。在输入数据集中不包括标签，通过k-均值算法为每个样本添加标签，相同标签样本具有共同特征。对于数据集D={x1，x2，...，xm}，划分为k个簇C1，C2，...，Ck。对象与该簇的距离用dist(p，Ci)表示，其中dist(x，y)是两点x和y之间的欧式距离。最小化平方差也就是对于每个簇中的每个对象，求对象到簇中心距离的平方，然后求...

2018-06-04 00:00:19 845 1

原创机器学习实战笔记——AdaBoost

基本原理Boosting族算法可以将多个弱分类器加权结合成强分类器。其中，AdaBoost是最为显著的代表算法，它的基本思想为：先从初始训练集训练出一个弱分类器，每一次训练的弱分类器参与下一次训练，直到错误率足够小或者达到指定迭代次数。AdaBoost算法的三个步骤：一、对训练数据赋相同的权重。如果样本数为m，权重为1/m。二、训练弱分类器并计算每个分类器的权重值alpha。训练出一个弱分类器后，...

2018-05-25 13:01:16 862

原创机器学习实战笔记——SVM算法

我理解的支持向量机，就是找到个超平面，将样本空间划分为两类，并使得距离超平面最近的点尽可能远。基于数据集中某几个样本点就能找到这样的超平面，这些样本点称为支持向量。如果只是简单划分为两类，下图中5条线都可以，但如果满足最优划分，只有粗线满足了。超平面满足线性方程ωTx+b=0任意点到超平面的距离为 ...

2018-05-18 15:34:10 1223 7

Evitachan的博客