1、LMS算法主要是一个相关度的问题2、LMS算法的执行过程是怎样的3、步进对算法有怎样的影响步长大，则收敛快，但失调大；步长小，则失调小，但收敛慢。在算法初始阶段应该采用较大的u值，加快收敛；当算法收敛后，再采用较小的u值提高收敛后的稳定性。4、线性均方误差准则（LMS）与最小均方误差算法（LMS...
分类：
编程语言 时间：
2014-10-20 20:56:20
阅读次数：
1039
http://acm.hdu.edu.cn/showproblem.php?pid=1109一个范围内给一堆点，求到这些点的最短距离最大模拟退火，温度是步长#include #include #include #include #include #include using namespace st...
分类：
其他好文 时间：
2014-10-18 00:34:32
阅读次数：
276
new marquee("Layer3", 2, 1, 989, 68, 20, 0, 0, 238); 参数说明：Layer3 :容器ID 2 :向上滚动（0向上 1向下 2向左 3向右） 1: 滚动的步长 989:容器可视宽度 68:容器可视高度 20:定时器 数值越小滚动的速度越快（...
分类：
其他好文 时间：
2014-10-16 14:34:52
阅读次数：
195
均值漂移算法以迭代的方式锁定概率函数的局部最大值。它主要是寻找预定义窗口中数据点的重心点，或者说加权平均值。该算法将窗口中心移动到数据点的重心处，并重复这个过程直到窗口重心收敛到一个稳定点。
从数学角度上说，Mean Shift算法利用概率密度的梯度爬升来寻找局部最优。当输入一个图像的范围，然后根据反向投影图和输入的方框进行Mean Shift迭代，它是向重心移动，即向反向投影图中概率大的地方移动，所以始终会移动到目标上，Mean Shift算法是一个变步长的梯度上升算法。...
分类：
编程语言 时间：
2014-10-16 10:22:22
阅读次数：
400
题目：有2中面条各n碗，每次抛硬币判断吃哪一种（到一种吃完为止），问抛硬币的数学期望。
分析：动态规划，概率dp。求出每种结束状态（即，有一种吃完）的概率，分别乘以步长即为期望。
大黄解法：状态位剩余的碗数，逆向求解，状态方程：
DP[ i ][ j ] = (DP[ i-1 ][ j ]+DP[ i ][ j-1 ])/2 + 1 ...
分类：
其他好文 时间：
2014-10-04 21:41:47
阅读次数：
193
auto_increment_increment，auto_increment_offset1、auto_increment_increment与auto_increment_offset作用auto_increment_increment控制列中的值的增量值，也就是步长。auto_increment_offset确定AUTO_INCREMENT列值的起点，也就是初始值。变量范围：可以在全局以及s...
分类：
数据库 时间：
2014-10-04 17:49:06
阅读次数：
269
创业中，学会创造生活。2014年国庆。从未有过。...
分类：
其他好文 时间：
2014-10-03 22:08:35
阅读次数：
305
指针内存面试题： 对整个数组取地址+1前进了整个数组。再强转成double* 根据double*步长再减去1#include int main(){ double db[5] = {1.0,2.0,3.0,4.0,5.0}; printf("%f\n", *((double *)(&db + 1) ...
分类：
编程语言 时间：
2014-09-29 23:38:42
阅读次数：
386
for语句格式：1 for 循环变量=表达式1：表达式2：表达式32 循环体语句3 end 456 表达式1：循环变量初值；表达式2：步长；表达式3：循环变量终值。for 循环变量=矩阵表达式 循环体语句 end 循环变量分别等于矩阵各列元素，然后执行循环语句；s=0;a=[12,13,14;1.....
分类：
其他好文 时间：
2014-09-23 20:57:05
阅读次数：
2147
题目链接；点击打开链接
题意：有一条小河长为M的小河，可以看作一维轴，小河里存在N个石头，有一个每次能跳L米的小青蛙，随意添加石头保证青蛙能从头跳到尾的，问青蛙使用最优策略跳到对岸最多需要多少次。
思路：不妨假设青蛙每个石头都要经过一次，用step表示青蛙上一次跳的步长，每跳一次对目前点到下一点的距离和step的和与L做比较，如果小与，证明青蛙可以一次跳到这，更新step和青蛙位置，cnt保持...
分类：
其他好文 时间：
2014-09-22 00:13:34
阅读次数：
217
