6 張清扬

尚未进行身份认证

移动互联网专业,大数据方向

等级
TA的排名 3w+

分叉图(Bifurcation)

Logistic#-*-coding:utf-8-*-importnumpyasnpimportmatplotlib.pyplotaspltdeflogistic(u,x):x1=u*x*(1-x)returnx1if__name__=='__main__':listu=[]listx=[]foru...

2018-12-17 14:34:25

混沌吸引子

Henon映射的混沌吸引子import matplotlib.pyplot as pltlistx=[]listy=[]def Henon(x,y,n): for i in range(n): x1 = 1 - 1.4 * x ** 2 + y y1 = 0.3 * x x = x1 y = y1 li...

2018-12-17 14:30:02

混沌的遍历性图(ergodicity)

以Logistic的Ergodicity为例import matplotlib.pyplot as pltimport numpy as np# Logistic的迭代方程def logistic(x): x1=u*x*(1-x) return x1#此函数用于画Logistic的函数图像def logistic_graph(): for i in np.a...

2018-12-17 14:19:53

使用MinGW进行TestU01测试

MinGW下载MinGW进入MinGW官网,在右上方点击下载再点击,进行下载下载完成之后,是这样一个EXE文件,双击它之后,开始进行安装安装MinGW执行mingw-get-setup.exe文件,根据提示进行安装安装完成之后,会有这样一个文件,双击执行它。因为要安装GCC环境,所以尽量把和GCC相关的都装了。在Basic Setup里面,右边的需要全部安装。点击选择...

2018-11-03 18:00:04

NIST随机数测试软件下载、安装、及使用教程

最近由于科研需要,在搞一些随机数的测试的事情,众所周知 随机数测试我们可以使用NIST的软件进行多大15项的随机测试,我也在网上查找了很多大牛的博客,但是都是年代久远,很多的链接现在都是物是人非,都是不能直接使用了,今天顺便抽点时间更新一下这个NIST软件的下载及使用。我们首先讲一下该软件的下载:1.我们直接取NIST的官网(https://csrc.nist.g...

2018-06-30 19:38:39

N维离散混沌映射Lyapunov指数的计算

本文代码均以Python实现 首先给出按照定义法进行求解的程序,这里选取Henon映射为示例#-*-coding:utf-8-*-'''多变量非线性方程求解'''from sympy import *import numpy as npnp.set_printoptions(suppress=True)n = 20000#控制迭代次数def Henon(x,y,n):...

2018-05-24 19:29:22

一维离散混沌映射Lyapunov指数的计算

这里选取Logistic映射作为例子,给出定义法的计算程序(Python实现)#-*-coding:utf-8-*-fromsympyimport*n=5000defLogistic(x,n):foriinrange(n):y=4*x*(1-x)x=yreturnxdefLE_cal...

2018-05-24 19:07:38

smote(过采样算法)

#-*-coding:utf-8-*-# smote unbalance datasetimport numpy as npfrom sklearn.neighbors import NearestNeighborsimport pandas as pddef smote(data, tag_label='tag_1', amount_personal=0, std_rate=1, k=...

2018-04-28 17:42:07

特征选择与特征提取

一、特征选择和特征提取 特征选择(feature selection)和特征提取(Feature extraction)都属于降维(Dimension reduction)这两者达到的效果是一样的,就是试图去减少特征数据集中的属性(或者称为特征)的数目;但是两者所采用的方式方法却不同。 特征提取的方法主要是通过属性间的关系,如组合不同的属性得到新的属性,这样就改变了原来的特征空间。 ...

2018-04-28 17:29:30

计算理论

最近在看机器学习的计算理论部分,深感不易。目前机器学习的应用还是偏应用了很多,其理论基础包括机器怎样学习,为什能够学习等估计很多能够熟练应用各种trick的人也不甚清楚。其实,这种状况也是可以接受的,毕竟机器学习本身的理论基础不够完善,不够扎实。而现在以Hinton为代表的这一学派是占据主流的,深度学习在各行各业的应用如此成功,也难免大家都会把目光投向应用。 B站上有台大林轩田老师的机器学习课程...

2018-02-26 12:49:11

降维方法PCA

周志华老师的书上省略了很多矩阵运算,而这些运算是PCA的核心之处。建议各位同学 看看我给出的参考文章,学习完之后,再回过来看看西瓜书。为什么要降维? 机器学习中紧接过拟合之后的最大问题就是维度灾难(curse of dimensionality)。这一概念是由贝尔曼(Bellman)在1961年首先提出的,用来描述以下事实:许多在低维空间表现很好的算法,当输入是高维度的时候,就变得计算不可行...

2017-11-06 20:33:35

降维算法MDS

在现实应用中,许多学习方法都涉及距离计算,而高维空间会给距离计算带来很大的麻烦。例如当维数很高时,甚至连计算内积都很不容易。 这实际上,是所有机器学习都面临的严重障碍,这被称为“维数灾难(即样本非常洗漱,距离计算很困难)”。而缓解维数灾难的两个普遍做法是降维和特征选择。降维指的是:通过某种数学变换将原始高维属性空间转变为一个低维子空间,在这个低维的子空间中,样本密度大幅度提高,距离计算也变得很容易

2017-11-06 19:20:26

高斯混合模型(GMM)

讲这个之前,要先对模糊聚类和基于概率模型的聚类有个大体的认识。不清楚的同学可以参考下Jiawei的书去看一看,或者看看我的这篇文章。 这里写链接内容OK,这里假设,大家已经有了上面我提到的先验知识。GMM 和 k-means 很像。不过 GMM 是学习出一些概率密度函数来(所以 GMM 除了用在 clustering 上之外,还经常被用于 density estimation ),简单地说,k-m

2017-10-19 21:41:47

GF(2^8)的运算法则

基础的参考这篇文章: 有限域GF(2^8)的四则运算及拉格朗日插值 和这篇文章 有限域GF(2^8)内乘法代码实现以及原理 其中,第二篇文章着重理解这里 这里给出《密码编码学与网络安全》一书中,第五版第四章P97的手推计算过程。

2017-10-15 19:10:26

集成学习小结

![这里写图片描述](http://img.blog.csdn.net/20171014163033446?watermark/2/text/aHR0cDovL2Jsb2cuY3Nkbi5uZXQvdTAxNDU5MzU3MA==/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70/gravity/SouthEast)![这里写图片描述]

2017-10-14 15:48:43

LDA(线性判别分析)算法

线性判别分析(Linear Discrimination Analysis,LDA)是一种非常经典的线性学习方法,可以用于在二分类问题上。 我们知道,在二分类问题上,我们想要的理想结果是 同一类的尽量聚集在一起,不同类的尽量分开。 因此,LDA实际上是一个非常简单的(所以经典)方法,它的思想也是极其朴素: 给定训练集,设法将样例投影到一条直线上,使得同类样例的投影点尽可能接近,异类样例的投影

2017-10-09 16:05:44

机器学习理论知识概述

1、机器学习所研究的主要内容,是关于在计算机上从数据中产生“模型(model)”的算法,即学习算法(learning algorithm)。有了学习算法,我们把经验数据提供给它,它就能基于这些数据产生模型;在面对新的情况时,模型会给我们提供相应的判断。可以说,机器学习是研究关于“学习算法”的学问。2、学得模型适用于新样本的能力,称为泛化(generalization)能力。具有强泛化能力的模型...

2017-09-15 15:52:15

OPTICS:通过点排序识别聚类结构的密度聚类算法

OPTICS算法 在DBSCAN算法中,我们知道该算法需要用户输入半径和阀值。这显然是不靠谱的,虽然我们可以通过其他方法来优化参数的选择,但这其实不是最好的做法。 这里为了克服在聚类分析中使用一组全局参数的缺点,这里提出了OPTICS算法。 该算法的牛逼之处在于:它并不显示地产生数据集聚类,而是为聚类分析生成一个增广的簇排序(如以样本点输出次序为横轴,以可达距离为纵轴的坐标图)。那么这个排序就

2017-08-31 15:10:50

DBSCAN(基于高密度聚类的)算法

DBSCAN(Density-Based Spatial Clustering of Applications with Noise)聚类算法,它是一种基于高密度连通区域的、基于密度的聚类算法,能够将具有足够高密度的区域划分为簇,并在具有噪声的数据中发现任意形状的簇。DBSCAN算法的思想其实很简单,粗俗点说就是一圈套一圈套一圈套一圈………………然而,要搞清楚它,首先要弄清楚几个基本概念。基本概念

2017-08-31 11:21:43

Chamelon(变色龙)多阶段层次聚类算法

Chamelon是一种层次聚类算法,它采用动态建模来确定一对簇之间的相似度,从而实现聚类。 这里我们重点关注动态建模这个词? 那么,何为动态建模呢? 要回答这个问题,我们首先要搞清楚簇的相似度依据是什么。 在Chamelon中,簇的相似度依据如下两点评估: 1、簇中对象的连接情况; 2、簇的邻近性。也就是说,如果两个簇的互连性都很高并且他们之间又靠的很近,那么就将其合并。OK,因此,凭借

2017-08-31 10:07:05

查看更多

勋章 我的勋章
    暂无奖章