- 博客(78)
- 资源 (1)
- 收藏
- 关注
RSS订阅
原创 校园网连接问题-----本机DNS域名访问出现错误
关于DNS域名解析全过程1关于DNS域名解析全过程2今日在教学楼使用刚申请的校园网进行入网操作，发现网络连接成功但是本机DNS出现问题。错误原因：将自己的DNS地址固定为一些免费的、速度比较快的DNS，比如：114.114.114.114（或者114.114.115.115）等。导致无法匹配DNS的域名地址，最终导致了网络上下行链路已经连接，但是无法访问网络数据。明确问题出现在本机的DNS，所以我们首先来查看本机的DNS Client是否打开。本机搜索 运行（快捷键windows键+R键），
2020-09-16 11:34:50
9557
3
原创 使用SQL语句对excel表格进行特定数据的获取
背景：今天接到一个有关江苏省企业信息汇总的excel文件，大小约为48M，包含了三张表，总数据量约为48万条。按照要求需要筛选出地址为徐州市的企业。分析：此excel文件没有设置字段，也没有进行相应的排序，各个市的信息是无序排列的，索引值仅告知我们企业的总数。由于对excel表格并不熟悉，且将48w条数据写入数据库在进行操作并导出会很麻烦，所以我首先想到的是使用SQL语句对excel文件进行查询。工具：excel表格2016版本具体做法：对原始数据进行一定处理，将所需表名以及字段名更换成英文，虽
2020-08-17 14:02:14
5791
1
原创 基于GAN的无线通信与网络应用设计----通信信号的特征提取
由于人工智能的发展，各大高校也逐渐加大研究力度。本文源自于个人的本科毕业设计，课题由学校老师分配，设计内容源自于个人。由于个人知识储备以及能力有限，有不足之处我会及时修改。1.GAN在通信领域的训练分析训练数据集的由来对于网络传输，最常用的报文有TCP和UDP两种形式，Jeffrey Erman[1]等人在2007年发表的一篇名为基于半监督学习的实时/离线流量区分的文章，已经详述通过聚类等算法实现了流量的区分，而且实验结果特别理想，这就为我的本篇文章的数据来源提供了理论的可行性，由于机器的训练过程
2020-06-21 23:51:39
3657
5
原创 小波变换------多尺度空间能量分布特征提取方法
用小波技术可以把信号在各频率波段中的特征提取出来，基于小波变换的多尺度空间能量分布特征提取方法是对信号进行频段分析，再分别以计算所得的各个频带的能量作为特征向量：信号f（t）的二进小波分解可表示为： f(t)=A^j + ΣD^j 其中A^j 表示近似信号为信号的低频部分，D^j为细节信号，为高频部分则信号的总能量为： E= EA^j + ΣED^j 选择第j层的近似信号和各
2020-06-03 22:02:27
5039
原创 python_matplotlib DAY_22(3) 简单作图实例：作出(3-x)(x+3)的积分图像，并做标注
学习内容作出函数积分图像实例：作出(3-x)(x+3)的积分图像，并做标注在通过之前的学习，以及可以做基本的图像了，这篇博客通过一步一步分析的作图的整个过程，深入学习1.首先创建图像，作出函数，标注需要的积分端点和参数import numpy as npimport matplotlib.pyplot as pltimport matplotlib.patches as mpx ...
2020-01-30 15:16:44
1643
原创 知识回顾：Pytorch实现Least Squares GAN
相比于CNN,RNN等网络，GAN最难理解的点是其损失函数的含义以及定义，由于GAN由鉴别器和生成器两部分组成，在实现的时候我们需要定义两个损失：鉴别器损失生成器损失对于鉴别器D，我们要遵循一个思路便是真的为真，假的为假，要有强大的鉴别能力。对于生成器G我们需要让假的为真，实现浑水摸鱼和投机倒把。这里不在进行数学知识的展示，有兴趣的小伙伴可以参考以下两个链接。Least Squares GAN生成对抗网络损失函数的理解在开始之前有如下基本规则：对于M*N的矩阵，M代表样本数，N代表每个
2021-03-15 22:15:46
419
原创 C++入门:三小时看完最基础语句，手动写一个满是BUG的管理系统
因为下学期有门课需要使用C++，万般无奈开始了基础的学习，本篇文章主要记录自己的学习经历与心得，文末会附上.cpp文件。
2021-02-10 19:00:21
211
原创 MySQL常用操作__触发器
触发器是一种特殊的存储过程，再插入，删除或修改表格时触发他比数据库本身的标准功能有更精细和更复杂的数据控制能力监视事件update,delete,insert出发时间before,after触发事件update,delete,insert创建在对sh表插入后对slh表进行插入CREATE TRIGGER tr_1 AFTER INSERTON sh FOR EACH ROWBEGIN INSERT slh(LEVEL) VALUES(123);END;$;mysql>
2020-08-04 09:07:59
115
原创 MySQL_函数的创建以及使用
查看是否开启了创建函数的功能SHOW VARIABLES LIKE '%fun%';如果为off需要开启SET GLOBAL log_bin_trust_function_creators=1;创建函数-- RETURNSCREATE FUNCTION fun_add(a INT,b INT)RETURNS INTBEGIN RETURN a+b;END;$;调用函数SELECT fun_add(3,4);查看函数show create function fun_add;删除
2020-08-03 08:50:09
146
原创 MySQL常用操作(正则表达式)---DAY_6
-- regular expression-- REGEXP-- ^ 匹配字符开始的部分SELECT * FROM cms_user WHERE username REGEXP '^k';-- $ 匹配结尾部分SELECT * FROM cms_user WHERE username REGEXP 'g$';-- . 代表任意一个字符，包括回车与换行SELECT * FROM cms_user WHERE username REGEXP 'kin.';S
2020-07-26 08:47:03
86
原创 MySQL常用操作（查询操作1）--DAY_5
为了方便，所有注释我均用英文代替其中 index代表字段，如cms数据库内，命名为cms_user的数据表包含字段（index）sex-- use self-database cms-- select index from table_nameSELECT id,username FROM cms_admin;SELECT id,username,role FROM cms_admin;-- select * from database_name.table_nameSELECT use
2020-07-23 09:06:32
96
原创 MySQL常用操作（table相关操作）---DAY_3
更改表名字ALTER TABLE user6 RENAME TO one;ALTER TABLE user5 RENAME TO ones;rename TABLE user4 TO two;增加与删除字段CREATE TABLE IF NOT EXISTS list1(id SMALLINT UNSIGNED key auto_increment,username VARCHAR(20) UNIQUE NOT NULL,password CHAR(32) NOT NULL,email
2020-07-21 08:49:00
159
原创 MySQL常用操作（完整性约束条件）---DAY_2
自增长AUTO_INCREMENTUSE wxj1;CREATE TABLE IF NOT EXISTS user3(id SMALLINT key AUTO_INCREMENT,username VARCHAR(20));INSERT user3 VALUES(1,'king');INSERT user3(username) VALUES('kings');INSERT user3 VALUES(NULL,'kingsS');INSERT user3 VALUES(DEFAULT,'ki
2020-07-20 08:24:21
112
原创 MySQL常用操作（表的创建以及属性设置）--DAY_1
书写格式：使用sql指令需要大写，调用文件，单元等需要小写登录与过程记录#我们在安装配置好环境，设置数据库的名字和登录密码后便可进行操作#打开电脑cmd命令栏mysql -uroot -p123456#-u后面为我们设置的用户名，-p后面是我们设置的密码#由于安全等问题，可使用mysql -uroot -p#在输入自己的密码（次处123456）进行登录，屏幕对密码字段进行掩盖#有时候我们为了记录整个cmd的指令以及系统反馈，可在登录之后进行操作\T D:\MyProjects\pract
2020-07-19 18:57:58
329
原创 Pytorch__序列编码
为了给RNN与LSTM打基础，需要了解关于时间序列的相关知识，我们在对输入的数据进行维度编码时候，pytorch提供了word2vec和GloVe的编码库，但是我们还是需要手动写一段代码来理解时间序列编码的过程。import torchword_to_ix={'hello':0,'world':1}#给我们的语言序列加上labellookup_tensor=torch.tensor([word_to_ix['hello']],dtype=torch.long)#选出索引名为'hello'的序列字段
2020-07-09 18:02:31
308
原创 pytorch简单实例1---线性回归实例
在接触pytorch中CNN的全连接层，卷积层，池化层的创建后，我们便可以使用特定的梯度下降算法，以及特定的损失函数来做简单的线性回归了。1.离散点的建立因为是做线性回归，所以我们需要人为臆造一些符合某种线性关系的数据点x_train = np.array([[.3], [1.2], [1.3], [2.], [3.2], [3.7], [4.], [4.9], [5.5], [6.], [6.7]], dtype=np.float32)y_train = np.array([[.3], [1.],
2020-06-28 00:45:47
760
原创 pytorch---张量（tensor）的基本操作
本文列举的tensor的基本操作，包括创建，维数变换，数学运算等，对于较复杂的操作已经添加注释。#!usr/bin/env python# -*- coding:utf-8 _*-"""@author: 1234@file: GPU_grad.py@time: 2020/06/16@desc: 格式化代码 ：Ctrl + Alt + L 运行代码 ： Ctrl + Shift + F10 注释代码/取消注释 ： Ctrl + /"""import torchimp
2020-06-21 22:57:35
1436
原创 sklearn数据的降维
本文主要记录使用sklearn库对数据集进行降维等相关操作，通过了解相关知识，运行已有的代码来进行新内容的学习降维这里指降低特征的数量sklearn的特征选择API1.filter过滤式 ： variancethresholdfrom sklearn.feature_selection import VarianceThresholddef var(): var = VarianceThreshold(threshold=1.0) data = var.fit_tr
2020-06-02 13:25:25
769
原创 sklearn数据集特征提取操作
本文主要记录使用sklearn库对数据集进行变换的相关操作，通过了解相关知识，运行已有的代码来进行新内容的学习pipelinepipeline主要用于连接多个estimators使之成为一个estimator，方便我们的构建更复杂的模型。一般数据处理的流程如下：feature selection–normalization–classification除了最后的classification可以是任意类型（聚类器，分类器等）外，其余各部分必须是变换器transformer，即必须有transfo
2020-05-28 09:00:01
1390
原创 sklearn分类器评估指标（精确率,混淆矩阵,precious-recall-Fmeasur，ROC曲线，损失函数）
精确率accuracy_score函数计算分类准确率：返回被正确分类的样本比例或者数量当多标签分类任务中，该函数返回子集的准确率，对于给定的样本，如果预测得到的标签集合与该样本真正的标签集合吻合，那么subset accuracy=1否则为零import numpy as npfrom sklearn.metrics import accuracy_scorey_pred=[0,2,1...
2020-04-14 12:38:29
2443
原创 sklearn--分类器评估指标综述
sklearn.metric中性能的度量函数大体有四种分类器性能指标回归其性能指标聚类器性能指标两两距离测度1.分类器性能指标分类器的性能指标有很多，最常用的是三种精度-召回率-F度量（precision-recall-F_measure）损失函数（loss function）除了图片上的指标外，还有接收机操作曲线（receiver operating curves）杰卡...
2020-04-13 16:18:58
712
原创 sklearn模型选择--模型评估方法
模型评估方法1.Estimator对象的score方法score会调用predict函数，获取预测相应，然后与传入的真实值对比，计算得分分类器继承了classifiermixin的类，判别标准sklearn.metrics.accuracy_score回归器继承regressormixin判别标准sklearn.metrics.r2_score。2.交叉验证中使用的scoring参数...
2020-04-13 15:57:33
583
原创 sklearn模型选择--模型验证方法
模型验证（model validation）方法1.通过交叉验证计算得分sklearn.model_selection.cross_val_score(estimator,X)2.对输入数据点产生交叉验证估计3.计算并绘制模型的学习曲线4，计算并绘制模型的验证曲线5.（不常用）通过排序评估交叉验证得分的重要性...
2020-04-13 11:09:37
541
原创 python-数据结构和算法-DAY_7
1.决策树（重点讨论二叉树）以上图为例广度遍历：013456789深度遍历：1.先序遍历，根左右：01378492562.中序遍历，左根右：73819405263.后序遍历，左右根：7839415620class Node(object):#创建节点，包括根节点，左子节点，右子节点 def __init__(self, item): self.el...
2020-02-28 23:40:54
121
原创 python-算法与数据结构-DAY_6
1.快速排序基本原理1.首先选出一个值作为中间值，将中间值放旁边，在头尾分别放置两个游标2.头尾游标通过夹逼，得到中间值所在位置，以次为基准，一分为二，这时左侧为小于中间值的数组，右侧为大于中间值的数组3.在左右数组分别重复上述步骤，直至排序完成...
2020-02-28 19:00:10
134
原创 python-数据结构与算法-DAY_5-常见排序的代码实现
1.冒泡排序作为常见的排序方法之一，冒泡排序的原理很简单1.从一组数据的下标索引为0开始，每次与下一位数据做对比，如果比下一位数据要大，则交换两数据的位置，将所有元素按顺序重复这个过程，就实现了一次循环。2.一次循环后会将最大值放到最末尾，所以在下一次整体循环的时候，只需重复上述步骤到第n-2位置3.重复直到排序完成最坏时间复杂度O(N²)最优时间复杂度O(N)def bubble_...
2020-02-27 16:34:34
123
原创 python-数据结构-DAY_4
1.栈与队列栈只有一个进出口，是先进后出型队列有出口和入口，是先进先出型2.栈的常用操作3.队列常见操作4.双端队列
2020-02-26 22:55:15
87
原创 python-数据结构-DAY_3
1.链表及其结构链表是一种线性表，节点与节点之间靠一条链连接，从一个点出发，可以找到链上的所有数据从图中可以看到，头节点是0x11，尾节点是0x21，链表与顺序表是不同的，每一个数据自己构成一个存储单元，一个存储单元包括自身数据加上目标地址，这样就可以通过目标地址到下一个存储元素。2.单链表的常用操作3.python独有交换数据的方式a=10b=20a,b=b,apython是...
2020-02-26 21:16:11
119
原创 python-数据结构-DAY2
1.数据在内存中存储的两种基本方式方式一------顺序表的基本布局1）首先明确我们的逻辑地址（如同排序的序号，从0到N）2）对应的空间会有存放的元素，这部分元素为顺序元素3）这时候对应内存的物理地址，起始位置+字节数*逻辑地址（通常一个int是4个字节）方式二----------元素外置的顺序表1）我们直接将元素所在内存的物理地址获知，将物理地址作为一个存储单元的内容2）对上述的存...
2020-02-26 00:45:10
84
原创 python-数据结构-DAY1
0.算法的基本特点0.有0个或多个输入。1.有1个或多个输出2.算法执行的步骤具有有穷性3.每一步执行的语句所表达的含义是确定的4.算法的设计思想一定是可行的1.算法的衡量是用时间复杂度"大O表示"因为每台机器执行的时间总是不同的，但是执行进本运算数量大体相同，为了衡量这个大体相同的概念，我们引入时间复杂度，时间复杂度包括最优时间复杂度，最坏时间复杂度，平均时间复杂度，一般情况最先研...
2020-02-25 22:47:03
72
原创 matplotlib_pandas_numpy阶段小结
1.使用numpy实现特征值特征向量的求解2.对于一组二维数据选区前三行和前三列可以不使用iloc和loc语句直接使用.head（3)可直接选区前三行前三列3.在使用matplotlib作图时，有时候坐标轴的负号会不显示这时候在导入的matplotlib语句中插入这句指令import matplotlib.pyplot as pltplt.rcParams['axes.unico...
2020-02-03 13:54:19
118
原创 python_matplotlib DAY_23(1)绘制FIFA,实况的球员能力图
学习作图极坐标作图TIPS:小伙伴们或多或少都会接触FIFA，实况等足球游戏，球员的能力图能直观的反映一个球员的能力水平，今天就着手画一个球员能力图，体会一下自己当角色设计师的感觉模型分析1.使用极坐标画出闭合图像2.拟定画4名球员3.球员能力选取六种，体力，射术，防守，体力，进攻，速度，这就说明极坐标的角度轴需要等分为6块4.完成填充和注释，更加直观设计步骤1.完成标签，数据...
2020-01-31 10:50:34
691
1
原创 python_matplotlib DAY_22(4)scatter-hist图画
学习内容scatter—hist联合图import numpy as npimport matplotlib.pyplot as pltimport matplotlib.patches as mpx = np.random.randn(200)y = x + np.random.randn(200) * 0.5#产生正相关的随机数margin_border = 0.1widt...
2020-01-30 18:32:30
553
原创 python_matplotlib DAY_22(2)patch作图，极坐标
学习内容patch作图，极坐标重点1.matplotlib.patch作出图像import numpy as npimport matplotlib.pyplot as pltimport matplotlib.patches as mp#作图必须导入a = np.array([0.5, 0.5])ba = np.array([1, 1])cba = np.array([1, ...
2020-01-30 14:05:23
268
原创 python_matplotlib DAY_22(1)注释，图例，填充
学习内容matplotlib的注释操作重点1.注释plt.annotateimport numpy as npimport matplotlib.pyplot as plta = np.arange(-10, 10, 0.1)b = a ** 2plt.plot(a, b)plt.annotate("this is bottom", xy=(0, 1), xytext=(-1....
2020-01-30 11:45:30
180
原创 python_matplotlib DAY_21(4)图例，坐标的使用
学习内容matplotlib图例和坐标的使用重点1.图例的操作1）一般实现import numpy as npimport matplotlib.pyplot as plta = np.arange(1, 10)plt.plot(a, a - 1, label='ONE')plt.plot(a, 2 * a, label="TWO")plt.plot(a, a + 1,...
2020-01-29 22:06:16
339
原创 python_matplotlib DAY_21(3)面向对象画图plt.figure()
学习内容初识面向对象的画图方式重点常见作图方式有三种，pyplot，pylab，以及面向对象型pyplot底层制作能力不足，使用简单pylab完全封装MAtlab，但不推荐使用面向对象是Matplotlib的精髓，但是难度大，定制能力强在下面我编写一个面向对象的画图方式，作出正弦图像import pandas as pdimport numpy as npimport matp...
2020-01-29 19:57:06
393
原创 python_matplotlib DAY_21(2)
学习内容画图常见的属性常见属性：1.颜色plt.plot(color="所需颜色")plt.plot(color=())#元组形式plt.plot(color="数字")plt.plot(color="#FFOOFF")2.点样式python有很多marker可以自己去查找资料plt.plot(marker="D")#画出线段，对应点是D形状plt.plot("D")#只画...
2020-01-29 13:47:55
139
原创 python_matplotlib DAY_21(1)
学习内容matplotlib的使用，虽然之前的内容以及学习过数据可视化的内容，但是还是要系统学习matplotlib在pycharm里面的使用重点1.散点图import matplotlib.pyplot as plt#使用前插入matplotlibplt.scatter(x=,y=，s=，c='',marker=''，alpha=)#散点图必须要有x，y轴，s代表面积，可以自己设置...
2020-01-29 13:21:29
110
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人