凸集（Convex sets）1.仿射集和凸集仿射集(Affine set)：定义：如果通过C中任意两个不同点的线位于C中，则集合C⊆Rn就是仿射其中，凸集(Convex set)：定义：如果C中的任意两点之间的线段为C，则集合C是凸的其中，例子：左侧，六边形，包括它的边界（显示较深），是凸的。中间，肾形集合不是凸的，因为集合中显示的两个点之间的线段不包含在集合中。右侧，该正方形包含一些边界点，但

统计学习方法——第1章 统计学习及监督学习概论《统计学习方法》（第二版）李航，学习笔记1.1 统计学习1.特点（1）以计算机及网络为平台，是建立在计算机及网络上的；（2）以数据为研究对象，是数据驱动的学科；（3）目的是对数据进行预测与分析（4）以方法为中心，构建模型并应用模型进行预测与分析；（5）是概率论、统计学、信息论、计算理论、最优化理论及计算机科学等多个领域的交叉学科，并且在发展中逐步形成独

统计学习方法——第9章 EM算法及其推广（个人笔记）参考《统计学习方法》（第二版）李航EM算法是一种迭代算法，每次迭代由两步完成：E步，求期望；M步，求极大。9.1 EM算法的引入概率模型有观测变量，又含有隐变量或潜在变量。EM算法就是含有隐变量的概率模型参数的极大似然估计法，或极大后验概率估计法。9.1.1 EM算法例子（三硬币模型）假设有三枚硬币，分别记作A，B，C，这些硬币正面出现的概率分别

统计学习方法——第10章 隐马尔可夫模型（个人笔记）参考《统计学习方法》（第二版）李航10.1 隐马尔可夫模型的基本概念10.1.1 隐马尔可夫模型的定义定义10.1（隐马尔可夫模型）隐马尔科夫模型是关于时序的概率模型，描述由一个隐藏的马尔科夫链随机生成不可观测的状态随机序列，再由各个状态生成一个观测从而产生观测随机序列的过程。隐藏的马尔科夫链随机生成的状态序列，称为状态序列（state sequ

统计学习方法——第5章 决策树（个人笔记）参考《统计学习方法》（第二版）李航决策树的学习包括三个步骤：特征选择、决策树的生成、决策树的修剪。5.1 决策树模型与学习5.1.1 决策树模型决策树由结点和有向边组成。结点有两种类型：①内部结点：内部结点表示一个特征或属性。②叶节点：叶结点表示一个类。用决策树分类：从根结点开始，对实例的某一特征进行测试，根据测试结果，将实例分配到其子结点；这时，每一个子

分离与支撑超平面（Separating and supporting hyperplanes）1.分离超平面定理定理：假设C和D是两个不相交的凸集，即C∩D=∅。然后存在一个a≠0和b，这样aTx≤b用于所有x∈C，aTx≥b用于所有x∈D。换句话说，仿射函数aTx−b,在C上非正，在D上非负.超平面{x|aTx=b}称为分离C和D的分离超平面，或者称为分离C和D。如图所示，超平面{x|aTx=b

声源定位之GCC-PHAT算法1.GCC-PHAT介绍Generalized Cross Correlation-Phase Transform,GCC-PHAT广义互相关-相位变换Notes：①Generalized adj.笼统的;普遍的;概括性的;全面的②Cross Correlation 互相关③Correlation n.相互关系;相关;关联④Phase n.阶段;时期;月相;相位⑤Tr

凸集（Convex sets）1.仿射集和凸集仿射集(Affine set)：定义：如果通过C中任意两个不同点的线位于C中，则集合C⊆Rn就是仿射其中，凸集(Convex set)：定义：如果C中的任意两点之间的线段为C，则集合C是凸的其中，例子：左侧，六边形，包括它的边界（显示较深），是凸的。中间，肾形集合不是凸的，因为集合中显示的两个点之间的线段不包含在集合中。右侧，该正方形包含一些边界点，但

89C51单片机之定时器0、1控制LED1、0.5秒闪烁1.proteus仿真图2.keli代码#include <reg51.h>sbit led1=P0^0;sbit led2=P1^0;int count0,count1;//定时器0溢出中断程序void timer0() interrupt 1//定时器0中断标志位为1{//重新装载定时器0计数...

python使用yolov5进行物体识别1.GitHub代码yolov5：https://github.com/ultralytics/yolov52.环境准备pip install -r requirements.txt3.示例代码import torch# Modelmodel = torch.hub.load('ultralytics/yolov5', 'yolov5s')# or yolo