原创 快速生成文件夾內包含的的所有文件的文件名列表

問題來源: 別人給了一個很大的文件夾,裏面有一個專業的答辯ppt,要我統計所有的ppt名字,放到word裏面發給他 兩種方案 方案一 利用批處理文件來處理 1、新建文本文檔 2、輸入 dir \\?\%1 /a:-d

原创 二維數組的順時針旋轉與逆時針旋轉 python c++ 二維數組取第i列元素組成一個新列表(python)

刷劍指offer時候遇到的,寫一個小功能函數放這兒 劍指offer 19、順時針打印矩陣 python c++ 逆時針旋轉 python版 def turn(self,matrix): new = []

原创 強化學習——Q學習算法

強化學習的一些相關概念 智能體(Agent): 智能體對環境進行觀察,決策出行動,獲得一個從環境返回的獎勵 決策(Decision):意識層面的 行動(Action , a):物質層面的 環境(Environment):與智能體

原创 最優化算法最速下降法、牛頓法、擬牛頓法 Python實現

只用到了numpy這一個庫,只要安裝有這個庫應該都可以直接運行 import numpy as np def f(x): #目標函數 x1 = x[0] x2 = x[1] y = 100*((x2

原创 模糊數學 5、模糊綜合評判

模糊數學 1、模糊集、隸屬度函數、如何確定隸屬度函數 模糊數學 2、基本的一些模糊矩陣,以及模糊矩陣的運算 模糊數學 3、模糊聚類 模糊數學 4、模糊模式識別 模糊數學 5、模糊綜合評判 1、一級模糊綜合評判 什麼叫評判,對論域

原创 劍指offer 19、順時針打印矩陣 python c++

題目描述 輸入一個矩陣,按照從外向裏以順時針的順序依次打印出每一個數字,例如,如果輸入如下4 X 4矩陣: 則依次打印出數字1,2,3,4,8,12,16,15,14,13,9,5,6,7,11,10. 思路 用旋轉魔法的方式,

原创 模糊數學 3、模糊聚類

模糊數學 1、模糊集、隸屬度函數、如何確定隸屬度函數 模糊數學 2、基本的一些模糊矩陣,以及模糊矩陣的運算 模糊數學 3、模糊聚類 模糊數學 4、模糊模式識別 模糊數學 5、模糊綜合評判 懶了幾天了,把模糊數學後面的學了,繼續總

原创 參考文獻交叉引用的使用方法(word和wps)

主要是搞一下論文參考文獻,聽說可以對公式進行改變,我找個機會試試,今天先試試參考文獻 word 1、給參考文獻編號,怎麼編號呢,一般要我們自定義,假如我寫好了第一篇參考文獻了,如下 選中第一篇文獻全部內容,開始下面有個編號,定義

原创 模糊數學 4、模糊模式識別

模糊數學 1、模糊集、隸屬度函數、如何確定隸屬度函數 模糊數學 2、基本的一些模糊矩陣,以及模糊矩陣的運算 模糊數學 3、模糊聚類 模糊數學 4、模糊模式識別 模糊數學 5、模糊綜合評判 模糊模式識別 模式識別:根據對象的某些特

原创 word設置 寫論文時要求偶數頁的頁眉爲題目名字,奇數頁爲每一章節的章節名

幫女友弄格式的時候,他們學校要求論文前面不是正文的部分不加頁眉,正文偶數頁的頁眉爲題目名字,奇數頁爲每一章節的章節名,好吧,說實話我也不會,但不會也得上呀。 辦法就是把每一章用分節符隔開,然後選中奇偶頁不同,開始編輯就好了。可能

原创 word裏面寫封面時讓那種帶下劃線的多行文字的下劃線前後都對齊

        題目如上,寫論文的時候封面要寫什麼題目、班級、學號、指導老師、時間、姓名一堆東西。大概如下所示;         問題的關鍵在於出現數字的哪一行總是對不齊,當然,是後面對不齊,前面一般用空格都能對齊,上面這張圖是

原创 主成分分析法的步驟,用 “人話” 來講述,擺脫枯燥抽象的數學語言

        看了很多主成分分析的的解釋,都太理論了,完全get不到點,我又不是搞數學的。看不懂看不懂。         打算寫一下主成分分析的步驟幫助我理解這個方法,至於裏面爲什麼要用到方差,協方差這個東西,你需要去看看相關的

原创 模糊數學 1、模糊集、隸屬度函數、如何確定隸屬度函數

        集合的概念:一些具有相同特徵的不同對象構成的全體,也稱集或者經典集合。         經典集合的特徵函數(和模糊集的隸屬度函數一樣):                                       

原创 模糊數學 2、基本的一些模糊矩陣,以及模糊矩陣的運算

        從隸屬度函數可以得到隸屬度,隸屬度是一個數,數可以組成向量與矩陣,叫模糊矩陣,我們介紹下模糊數學裏面見得比較多的一些矩陣,看一下他們究竟是什麼東西。         什麼是模糊矩陣?                

原创 線性規劃筆記 2020.5.18

        線性模型:想學一個預測模型(其實就是一個函數或者你叫一個映射),這麼模型(函數)說白了就是屬性之間的線性疊加。其形式大致如下:         xi代表對象的第i個屬性,wi代表第i個屬性的權重,b是所謂的偏置。