精华内容
下载资源
问答
  • LTE 口空资源基本概念

    千次阅读 2018-11-24 17:41:01
    本文力求解释一些基本概念,主要用于...3GPPR10中,规定的LTE频段信息如下,高BAND为TDD-LTE频段 2. 频点(36.101) 频点是固定频率带宽的一个编号,只是一个编号而已。用频点可以计算出该载波的中心频率是多少...

    本文力求解释一些基本概念,主要用于备忘。每个概念背后深入的知识,需要另行查阅其他资料。本文同时参考了 LTE中RB、RE、CP、REG、CCE、子载波等基础概念、深入理解LTE-A

    1.频段

    即无线信号工作的频率所在的分组。

    3GPPR10中,规定的LTE频段信息如下,高BAND为TDD-LTE频段在这里插入图片描述

    2. 频点(36.101)

    频点是固定频率带宽的一个编号,只是一个编号而已。用频点可以计算出该载波的中心频率是多少。

    TD-LTE每个小区的带宽最大只能配置20MHZ,每个小区只有一个中心频点(也称 载波频点);

    各频段对应的频点 :
    在这里插入图片描述

    频点和实际频率的计算公式:
    FDL = FDL_low +0.1(NDL – NOffs-DL)
    FUL = FUL_low +0.1(NUL – NOffs-UL)

    FDL:待计算频率,单位MHz
    NDL:配置的频点
    FDL_low:本频段最低频率,单位MHz
    NOffs-DL:本频段最低频点

    3. 信道栅格 channel raster

    信道栅格(channel raster)是指用于调整LTE载波频率位置的最小单位。信道栅格的值是一个人为设计值,表示各个不同的频点之间的间隔应该满足的条件,相当于是把无线频谱(一条很宽的马路)按照这个条件划分成了若干条车道(只不过车道可宽可窄,但任一两个车道之间的中心距离为100Khz的整数倍)。

    具体的可以看第二章频点的计算公式,每隔100KHz,频点步进1;每隔1MHz,频点步进10。

    4. 载波和同频异频小区

    小区所使用的资源一般通过中心频点+带宽来确定,即载波。

    一个小区只能配置一个载波,最大20M带宽。协议规定LTE的信道宽度划分为1.4M 3M 5M 10M 15M 20M。

    同频小区:中心频点相同的小区
    异频小区:中心频点不同的小区

    5. 子载波

    在频域上,把带宽分割成很多个小带宽资源,每份15KHz,这样就能更方便的在频域上组织和调度资源,这每一份的15KHz带宽,就称为一个子载波。

    在这里插入图片描述

    再通俗一点,载波是一个小区能使用的所有频率资源(比如20MHz),子载波就是频域上可以单独使用的最小资源(比如15KHz)。载波和子载波说的都是整个频域上的,不要跟时域上的时隙上的时隙、时间等概念混在一起,因为混在一起就是其他概念了。

    6. 时域上资源划分

    从时域上将口空资源进一步细分,可以分出无线帧、半帧(TDD)、子帧、时隙,从时域上越来越短。
    在这里插入图片描述

    在这里插入图片描述

    时域上,一个slot中可以包含7个符号(即symbol)或者6个符号(可配置,对应于不同的CP类型)。符号是时域上最小范围,一个symbol是0.5/7ms(大约70us)。一个symbol传输多少比特,就需要看是多少QAM(256QAM就是8bit,64QAM就是6bit),即星座图。
    在这里插入图片描述

    这里要注意一个概念:时域上,1个slot可以包含7个符号,这里的符号仅仅指时域上的一个大小,并不一定就是OFDM符号。仅仅是因为LTE选择了OFDM的调制方式,所以才一般称为OFDM符号。实际上,在5G下,就不是OFDM符号了,但仍可以说“时域上一个符号的宽度”来表示一个时间上的大小概念。

    7. RB & RE

    • RE:时域上一个符号,频域上一个子载波,这样大小的一个资源块就是RE。
    • RB:时域上一个slot,频域上12个子载波,这样大小的一个资源块就是RB。

    在这里插入图片描述

    8. REG和CCE

    • REG:Resource Element Group,一个REG包括4个连续未被占用的RE。REG主要针对PCFICH和PHICH速率很小的控制信道资源分配,提高资源的利用效率和分配灵活性。如下图左边两列所示,除了RS信号外,不同颜色表示的就是REG。
      在这里插入图片描述

    • CCE:Control Channel Element,每个CCE由9个REG组成,之所以定义相对于REG较大的CCE,是为了用于数据量相对较大的PDCCH的资源分配。每个用户的PDCCH只能占用1,2,4,8个CCE,称为聚合级别。每个CCE下的REG不用在物理上连续。如下图所示:
      在这里插入图片描述

      可以参考 LTE下行物理层传输机制(4)-CCE金辉的CCE介绍

    9. 带宽

    • 传输带宽:传输带宽 = 允许使用的RB数 * 每个RB的RE数12 * 每个RE的子载波间隔15K;
    • 保护带宽:传输带宽的两边,用于与其他载波做保护的带宽;
    • 系统带宽:系统带宽 = 传输带宽 + 保护带宽,也就是第五章中 1.4M,20M 这些配置,即小区的载波带宽。

    10. TA

    Tracking Area,跟踪区。TA是LTE系统为UE的位置管理新设立的概念。 当UE处于空闲状态时,核心网络能够知道UE所在的跟踪区,同时当处于空闲状态的UE需要被寻呼时,必须在UE所注册的跟踪区的所有小区进行寻呼。

    TAI是LTE的跟踪区标识(Tracking Area Identity),是由PLMN和TAC组成。

    TAI = PLMN + TAC(Tracking Area Code)

    多个TA组成一个TA列表,同时分配给一个UE,UE在该TA列表(TA List)内移动时不需要执行TA更新,以减少与网络的频繁交互;

    当UE进入不在其所注册的TA列表中的新TA区域时,需要执行TA更新,MME给UE重新分配一组TA,新分配的TA也可包含原有TA列表中的一些TA;

    每个小区只属于一个TA。

    展开全文
  • 1.1 信息安全概念 欢迎加入最棒的信息安全工程师社群,分享信息安全工程师备考干货资料。 备考交流QQ群:39460595 https://www.moondream.cn/?p=517 一.大纲要求 1.1 了解网络空间的概念、网络空间安全学科的...

    第1章:信息安全基础

    1.1 信息安全概念

    欢迎加入最棒的信息安全工程师社群,分享信息安全工程师备考干货资料。

    备考交流QQ群:39460595

    https://www.moondream.cn/?p=517

    一.大纲要求

    1.1 了解网络空间的概念、网络空间安全学科的内涵、网络空间安全学科的主要研究方向与研究内容

    二.思维导图

    三.备考知识要点

    1.网络空间(Cyberspace)是信息环境中的一个全球域,由独立且互相依存的IT基础设施和网络组成,包括互联网,电信网,计算机系统,以及嵌入式处理器和控制器。

    2.网络空间安全学科内涵:网络空间安全学科是研究信息获取,信息存储,信息传输和信息处理领域中信息安全保障问题的一门新兴学科。

    2015年6月,国务院学位委员会和教育部正式增设网络空间安全一级学科。

    3.信息安全的属性主要包含:

    信息的保密性:信息不被未授权者知晓的属性。

    信息的完整性:信息是正确的,真实的,未被篡改的,完整无缺的属性。

    信息的可用性:信息可以随时正常使用的属性。

    4.信息系统安全可以划分为以下四个层次:

    设备安全,数据安全,内容安全,行为安全。其中数据安全即是传统的信息安全。

    设备安全:稳定性,可靠性,可用性。

    数据安全:秘密性,完整性,可用性。(静态安全)

    数据的秘密性:信息不被未授权者知晓的属性

    数据的完整性:信息是正确的、真实的、未被篡改的、完整无缺的属性

    数据的可用性:信息是随时可正常使用的属性

    内容安全:政治上健康,符合国家法律法规,符合中华民族优良道德规范;广义上还包括信息内容保密,知识产权保护,信息隐藏和隐私保护等诸多方面。

    行为安全:秘密性,完整性,可控性。(动态安全)

    信息系统的设备安全是信息系统安全的首要问题,是信息系统安全的物质基础,除了硬件设备外,软件系统也是一种设备。信息系统设备稳定可靠地工作是第一位的安全。

    数据安全:采取措施确保数据免受未授权的泄露,篡改和毁坏。

    内容安全:信息安全在政治上健康,符合法律法规,符合优良道德规范层次上的要求,还包括信息内容保密,知识产权保护,信息隐藏和隐私保护等诸多方面。

    行为安全:数据安全本质上是一种静态的安全,行为安全是一种动态安全,行为体现在过程和结果之中。程序的执行序列和相应的硬件动作构成了系统的行为,数据可以影响程序的执行走向,从而可以影响系统的行为。因此,信息系统的行为由硬件,软件和数据共同确定。所以,必须从硬件,软件和数据三方面来确保系统的行为安全。

    信息安全的技术措施包括硬件系统安全技术、操作系统安全技术、数据库安全技术、软件安全技术、网络安全技术、密码技术、恶意软件防治技术、信息隐藏技术、信息设备可靠性技术等。信息系统的硬件系统安全和操作系统安全是信息系统安全的基础,密码和网络安全技术是关键技术。只有从信息系统的硬件和软件的低层做起,才能比较有效地确保信息系统的安全。

    5.量子信息的一个特性是具有叠加态和纠缠态。一个n量子比特的存储器同时存储着 2^n 个数据状态。因此,量子计算具有并行性。计算能力超强,导致基于计算复杂的现有公钥密码的安全受到挑战。

    目前可用于密码破译的量子计算算法主要有Grover算法和Shor算法。

    我国居民二代身份证使用256位椭圆曲线密码ECC(1488量子位的量子计算机可攻破)
    国内外许多电子商务系统使用1024位RSA密码(2048量子位的量子计算机可攻破)

    在量子计算环境下,RSA,EIGamal,ECC公钥密码和DH密钥协商协议将不再安全。

    6.网络空间安全学科的主要研究方向有:密码学,网络安全,信息系统安全,信息内容安全和信息对抗。

    密码学:由密码编码学和密码分析学组成。其中密码编码学主要研究对信息进行编码以实现信息隐蔽,而密码分析学主要研究通过密文获取对应的明文信息。

    网络安全的基本思想是在网络的各个层次和范围内采取防护措施,以便能对各种网络安全威胁进行检测和发现,并采取相应的相应措施,确保网络系统的信息安全。其中防护,检测和响应都需要基于一定的安全策略和安全机制。保护,检测,响应(PDR)策略是确保信息系统和网络系统安全的基本策略。

    信息系统安全的特点是从系统整体上考虑信息安全的威胁与防护。

    信息对抗的实质是斗争双方利用电磁波和信息的作用来争夺电磁频谱和信息的有效使用和控制权。

    7.网络空间安全学科的理论基础

    数学,信息理论(信息论,系统论,控制论),计算理论(可计算理论,计算复杂性理论)是网络空间安全学科的理论基础,而博弈论,访问控制理论和密码学理论是网络空间安全学科所特有的理论基础。

    现代密码可以分为两类:基于数学的密码和基于非数学的密码。

    计算理论包括可计算性理论和计算复杂性理论等。可计算理论是研究计算的一般性质的数学理论。它通过建立计算的数学模型,精确却分那些问题是可计算的,那些问题是不可计算的。计算复杂性理论:研究现实的可计算性,如研究计算一个问题类需要多少时间,多少存储空间。

    密码破译本质上是求解一个数学难题,如果这个难题是理论不可计算的,则这个密码就是理论上安全的。

    如果这个难题是理论可计算的,但是计算复杂性太大而实际上不可计算,则这个密码是实际安全的,或计算上安全的。

    设计一个密码就是设计一个数学函数,而破译一个密码就是求解一个数学难题。

    一次一密密码是理论上安全的密码,其余的密码都只能是计算上安全的密码。

    公钥密码的构造往往是基于一个NPC问题,以此期望密码是计算上安全的。

    信息论是香农为解决现代通信问题而创立的,控制论是维纳在解决自动控制技术问题中建立的,系统论是为了解决现代化大科学工程项目的组织管理问题而诞生的。

    系统论的核心思想是整体观念。

    信息安全遵从“木桶原理”,这“木桶原理”正是系统论的思想在信息安全领域的体现。

    协议是网络的核心,因此协议安全是网络安全的核心。

    授权是信息系统访问控制的核心,信息系统是安全的,其授权系统必须是安全的。

    访问控制是信息系统安全的核心问题。

    访问控制的本质是允许授权者执行某种操作获取某种资源,不允许非授权者执行某种资源获得某种资源。

    访问控制理论包括各种访问控制模型与授权理论。例如,矩阵模型,BLP模型,BIBA模型,中国墙模型,基于角色的模型(RBAC),属性加密等。其中属性加密是密码技术与访问控制结合的新型访问控制。

    8.网络空间安全学科方法论具体概括为理论分析,逆向分析,实验验证,技术实现四个核心内容。

    9.在进行网络安全防护设计时,首先要进行安全威胁分析和风险评估。

    网络空间安全领域对抗的本质是人与人之间的对抗,而人是最智能的。我们应当,以人为核心,运用定性分析和定量分析相结合,注意量变会引发质变,综合处理,追求整体效能,解决网络空间安全中的理论,技术和应用问题。

    展开全文
  • from:http://www.cnblogs.com/fantasy01/p/4581803.html?utm_source=tuicool and参考:周志华《机器学习》 ... 关于对信息、熵、信息增益是信息论里的概念,是对数据处理的量化,这几个概念主要...

    from:http://www.cnblogs.com/fantasy01/p/4581803.html?utm_source=tuicool

     

    关于对信息、熵、信息增益是信息论里的概念,是对数据处理的量化,这几个概念主要是在决策树里用到的概念,因为在利用特征来分类的时候会对特征选取顺序的选择,这几个概念比较抽象,我也花了好长时间去理解(自己认为的理解),废话不多说,接下来开始对这几个概念解释,防止自己忘记的同时,望对其他人有个借鉴的作用,如有错误还请指出。

    1、信息

    这个是熵和信息增益的基础概念,我觉得对于这个概念的理解更应该把他认为是一用名称,就比如‘鸡‘(加引号意思是说这个是名称)是用来修饰鸡(没加引号是说存在的动物即鸡),‘狗’是用来修饰狗的,但是假如在鸡还未被命名为'鸡'的时候,鸡被命名为‘狗’,狗未被命名为‘狗’的时候,狗被命名为'鸡',那么现在我们看到狗就会称其为‘鸡’,见到鸡的话会称其为‘鸡’,同理,信息应该是对一个抽象事物的命名,无论用不用‘信息’来命名这种抽象事物,或者用其他名称来命名这种抽象事物,这种抽象事物是客观存在的。

    引用香农的话,信息是用来消除随机不确定性的东西,当然这句话虽然经典,但是还是很难去搞明白这种东西到底是个什么样,可能在不同的地方来说,指的东西又不一样,从数学的角度来说可能更加清楚一些,数学本来就是建造在悬崖之上的一种理论,一种抽象的理论,利用抽象来解释抽象可能更加恰当,同时也是在机器学习决策树中用的定义,如果带分类的事物集合可以划分为多个类别当中,则某个类(xi)的信息定义如下:         

    I(x)用来表示随机变量的信息,p(xi)指是当xi发生时的概率,这里说一下随机变量的概念,随机变量时概率论中的概念,是从样本空间到实数集的一个映射,样本空间是指所有随机事件发生的结果的并集,比如当你抛硬币的时候,会发生两个结果,正面或反面,而随机事件在这里可以是,硬币是正面;硬币是反面;两个随机事件,而{正面,反面}这个集合便是样本空间,但是在数学中不会说用‘正面’、‘反面’这样的词语来作为数学运算的介质,而是用0表示反面,用1表示正面,而“正面->1”,"反面->0"这样的映射便为随机变量,即类似一个数学函数。

    2、熵

    既然信息已经说完,熵说起来就不会那么的抽象,更多的可能是概率论的定义,熵是约翰.冯.诺依曼建议使用的命名(当然是英文),最初原因是因为大家都不知道它是什么意思,在信息论和概率论中熵是对随机变量不确定性的度量,与上边联系起来,熵便是信息的期望值,可以记作:

                             

     

    n为:类别的个数。

    熵只依赖X的分布,和X的取值没有关系,熵是用来度量不确定性,当熵越大,概率说X=xi的不确定性越大,反之越小,在机器学期中分类中说,熵越大即这个类别的不确定性更大,反之越小,当随机变量的取值为两个时,熵随概率的变化曲线如下图:

                        

    当p=0或p=1时,H(p)=0,随机变量完全没有不确定性,当p=0.5时,H(p)=1,此时随机变量的不确定性最大

    条件熵

    条件熵是用来解释信息增益而引入的概念,概率定义:随机变量X在给定条件下随机变量Y的条件熵,对定义描述为:X给定条件下Y的条件干率分布的熵对X的数学期望,在机器学习中为选定某个特征后的熵,公式如下:

                    

    这里可能会有疑惑,这个公式是对条件概率熵求期望,但是上边说是选定某个特征的熵,没错,是选定某个特征的熵,因为一个特征可以将待分类的事物集合分为多类,即一个特征对应着多个类别,因此在此的多个分类即为X的取值。

    3、信息增益

    信息增益在决策树算法中是用来选择特征的指标,信息增益越大,则这个特征的选择性越好,在概率中定义为:待分类的集合的熵和选定某个特征的条件熵之差(这里只的是经验熵或经验条件熵,由于真正的熵并不知道,是根据样本计算出来的),公式如下:

                    

    注意:这里不要理解偏差,因为上边说了熵是类别的,但是在这里又说是集合的熵,没区别,因为在计算熵的时候是根据各个类别对应的值求期望来等到熵

     

    4、信息增益算法(举例,摘自统计学习算法)

    训练数据集合D,|D|为样本容量,即样本的个数(D中元素个数),设有K个类Ck来表示,|Ck|为Ci的样本个数,|Ck|之和为|D|,k=1,2.....,根据特征A将D划分为n个子集D1,D2.....Dn,|Di|为Di的样本个数,|Di|之和为|D|,i=1,2,....,记Di中属于Ck的样本集合为Dik,即交集,|Dik|为Dik的样本个数,算法如下:

    输入:D,A

    输出:信息增益g(D,A)

    (1)D的经验熵H(D)

            

    此处的概率计算是根据古典概率计算,由于训练数据集总个数为|D|,某个分类的个数为|Ck|,在某个分类的概率,或说随机变量取某值的概率为:|Ck|/|D|

    (2)选定A的经验条件熵H(D|A)

            

     

    此处的概率计算同上,由于|Di|是选定特征的某个分类的样本个数,则|Di|/|D|,可以说为在选定特征某个分类的概率,后边的求和可以理解为在选定特征的某个类别下的条件概率的熵,即训练集为Di,交集Dik可以理解在Di条件下某个分类的样本个数,即k为某个分类,就是缩小训练集为Di的熵

    (3)信息增益

            

     

    4、基尼指数

    1、是一种不等性度量;
    2、通常用来度量收入不平衡,可以用来度量任何不均匀分布;
    3、是介于0~1之间的数,0-完全相等,1-完全不相等;
    4、总体内包含的类别越杂乱,GINI指数就越大(跟熵的概念很相似)

     

    基尼不纯度指标

    在CART算法中, 基尼不纯度表示一个随机选中的样本在子集中被分错的可能性。基尼不纯度为这个样本被选中的概率乘以它被分错的概率。当一个节点中所有样本都是一个类时,基尼不纯度为零。
    假设y的可能取值为{1, 2, ..., m},令fi是样本被赋予i的概率,则基尼指数可以通过如下计算:

    使用基尼系数作为特征划分规则时:

    上述使用jini指数作为特征分类标准时,以特定的一个属性作为一部分,另外的全部属性作为另外一部分,来计算jini指数。

    《统计学习》中CART树的gini指数计算:
    计算的表格数据,是一个分类问题:

    计算最佳的特征值和属性值

     


     

     

    5、 python实现信息增益和基尼系数 的计算

    1.输入数据集

    #!/usr/bin/env python
    # -*- coding: utf-8 -*-
    """
    __title__ = ''
    __author__ = 'mike_jun'
    __mtime__ = '2019-7-12'
    #目的:
    """
    import numpy as np
    import pandas as pd
    import matplotlib.pyplot as plt
    import io
    
    # 计算两个特征的基尼指数
    data_str = output = io.StringIO('''编号,色泽,根蒂,敲声,纹理,脐部,触感,密度,含糖率,好瓜
    1,青绿,蜷缩,浊响,清晰,凹陷,硬滑,0.697,0.46,是  
    2,乌黑,蜷缩,沉闷,清晰,凹陷,硬滑,0.774,0.376,是  
    3,乌黑,蜷缩,浊响,清晰,凹陷,硬滑,0.634,0.264,是  
    4,青绿,蜷缩,沉闷,清晰,凹陷,硬滑,0.608,0.318,是  
    5,浅白,蜷缩,浊响,清晰,凹陷,硬滑,0.556,0.215,是  
    6,青绿,稍蜷,浊响,清晰,稍凹,软粘,0.403,0.237,是  
    7,乌黑,稍蜷,浊响,稍糊,稍凹,软粘,0.481,0.149,是  
    8,乌黑,稍蜷,浊响,清晰,稍凹,硬滑,0.437,0.211,是  
    9,乌黑,稍蜷,沉闷,稍糊,稍凹,硬滑,0.666,0.091,否  
    10,青绿,硬挺,清脆,清晰,平坦,软粘,0.243,0.267,否  
    11,浅白,硬挺,清脆,模糊,平坦,硬滑,0.245,0.057,否  
    12,浅白,蜷缩,浊响,模糊,平坦,软粘,0.343,0.099,否  
    13,青绿,稍蜷,浊响,稍糊,凹陷,硬滑,0.639,0.161,否  
    14,浅白,稍蜷,沉闷,稍糊,凹陷,硬滑,0.657,0.198,否  
    15,乌黑,稍蜷,浊响,清晰,稍凹,软粘,0.36,0.37,否  
    16,浅白,蜷缩,浊响,模糊,平坦,硬滑,0.593,0.042,否  
    17,青绿,蜷缩,沉闷,稍糊,稍凹,硬滑,0.719,0.103,否  ''')
    
    data = pd.read_csv(data_str)
    data.set_index('编号', inplace=True)
    print(data)

    2.计算系统信息熵

    def entropy(data):
        length = data.size
        ent = 0
        for i in data.value_counts():
            print(i)
            prob = i / length
            ent += - prob * (np.log2(prob))
        return ent
    print('--------')
    print(entropy(data['好瓜'])) # 0.9975025463691153

    3.计算信息增益

    def gain(data, input_column, output_colum):
        """
        :param data: 输入DataFrame 的数据
        :param input_column: 特征的名称
        :param output_colum: 好瓜or 坏
        :return:
        """
        ret = 0
        lens = data[output_colum].size
        all_attribute = data[input_column].value_counts()  # 保存特征全部属性的取值个数
        for name in data[input_column].unique(): # 特征的不同属性名
            print(name)
            temp = 0
            for i in range(len(data[output_colum].unique())):  # 好瓜 or 坏瓜
                attribute_num = data[input_column].where(data[output_colum] == data[output_colum].unique()[i]).value_counts()
                # print(attribute_num[name]) # 当刚好 好瓜 中没有 硬挺这一属性值的时候,使用异常处理机制
                try:
                    prob = int(attribute_num[name]) / int(all_attribute[name])
                except:
                    prob = 0
    
                if prob == 0:
                    temp += 0
                else:
                    temp += - prob * np.log2(prob)
                # 还需要乘以 该属性出现的概率
            temp *= all_attribute[name] / lens
            ret += temp
        return ret
    print(gain(data, '根蒂', '好瓜'))
    entD = entropy(data['好瓜'])
    for name in data.columns[:-3]:
        print('打印出全部的特征的信息增益')
        ret = gain(data, name, '好瓜')
        print(name)
        gain_ = entD - ret
        print(gain_)
    print(entD)

    4.计算基尼系数

    # 计算基尼系数, 基尼系数越小,越应该选择该特征作为分裂结点
    def gini_index(data, input_column, output_colum):
        ret = 0
        lens = data[output_colum].size
        all_attribute = data[input_column].value_counts()  # 保存全部属性的取值个数
        for name in data[input_column].unique(): # 特征的不同属性
            print(name)
            temp = 0
            for i in range(len(data[output_colum].unique())):  # 输出值的取值个数
                # 当 为好瓜时,
                attribute_num = data[input_column].where(data[output_colum] == data[output_colum].unique()[i]).value_counts()
                # print(attribute_num[name]) # 当刚好 好瓜中没有 硬挺这一属性值的时候,使用异常处理机制
                try:
                    prob = int(attribute_num[name]) / int(all_attribute[name])
                except:
                    prob = 0
    
                if prob == 0:
                    temp += 0
                else:
                    temp += np.square(prob)
                # 还需要乘以 该属性出现的概率
            temp = all_attribute[name] / lens * (1-temp)
            ret += temp
        return ret
    
    print('打印出全部的特征的基尼系数')
    for name in data.columns[:-3]:
        ret = gain(data, name, '好瓜')
        print(name)
        print(ret)

     


    项目推荐:

    2000多G的计算机各行业电子资源分享(持续更新)

    2020年微信小程序全栈项目之喵喵交友【附课件和源码】

    Spring Boot开发小而美的个人博客【附课件和源码】

    Java微服务实战296集大型视频-谷粒商城【附代码和课件】

    Java开发微服务畅购商城实战【全357集大项目】-附代码和课件

    最全最详细数据结构与算法视频-【附课件和源码】

    在这里插入图片描述

     

    展开全文
  • 云计算关键概念之一:云资源

    千次阅读 2020-07-05 11:37:57
    云计算是信息技术和服务模式的一次重要变革,对传统的软件开发部署模式,网络流量流向、IT产业链构成等方面都产生了深远的影响。在云计算体系中,存储与计算资源集中放置在公共的云资源池中,使得客户能够通过网络以...

    背景

    云计算是信息技术和服务模式的一次重要变革,对传统的软件开发部署模式,网络流量流向、IT产业链构成等方面都产生了深远的影响。在云计算体系中,存储与计算资源集中放置在公共的云资源池中,使得客户能够通过网络以便利的、按需付费的方式获取。某种程度上说,云资源池是云服务的核心。

    含义

    云资源池有以下几层含义:

    • 网络服务器集群(服务器、存储、CPU等)
    • 云应用软件(操作系统、集成开发环境)
    • 云平台软件(主机虚拟化,云管平台等)
    • 基于网络为租户提供数据存储和网络计算服务

    技术优势

    1.提高了资源利用效率

    传统的数据机房存在991现象:90%的服务器在90%时间里CPU资源利用率低于10%。这是巨大的资源浪费。当计算资源集中到云资源池后,闲置资源可以被其他有需要的客户动态使用,整体资源效率明显提高。

    2. 分布式设计提升系统容灾能力

    为了避免鸡蛋放在一个篮子里,云资源池可以将资源分散到不同地理位置的多个数据中心中(称为“区域”和“可用区”),提升了系统容灾能力。企业自建分布式内部系统,建设投资和运维成本都相当高昂。

    3.软硬件相互隔离减少设备依赖性

    云资源池中,虚拟化平台将上层的应用软件和下方的基础设备隔离开来。客户无需关心物理设备的具体细节,只需要对标准化环境部署应用,可以方便地实现资源弹性伸缩,也大大简化了客户系统在云间迁移的工作量。而在传统模式下,企业需要拥有一支有专门硬件维护经验的工程师队伍,针对本企业特定的服务器定制扩容和迁移方案。

    4.按需付费降低了客户使用成本

    效率提升后,使用成本降低是必然结果。云资源池使得客户可以像购买水、电、气一样随时按需获取服务。传统的服务器硬件采购方式的弊病在于:项目采购时间周期长且需要为未来预留大量资源。

    5. 为客户提供弹性伸缩服务

    企业的计算资源需求量往往随企业营销活动不规则波动。例如“双十一”、“618”活动往往产生平时10倍的业务量。但如果按峰值需求自建系统,不可避免将会在平时出现严重的资源闲置现象。云资源池可以对客户需求快速弹性扩容,实时调整资源供应,更好地应对峰值活动期间的业务量冲击。

    展开全文
  • 信息资源管理】第一章:信息资源管理基础

    千次阅读 热门讨论 2016-02-16 10:21:24
    导读:  信息琢磨不定,你感觉到它却不能很好理解它,只有很好的理解它才能更好的去感受 ... 花了一点时间对第一章进行了详读,顿时感觉文科生...资源、什么信息资源管理。都是些概念性的东西,需要大量的深入脑
  • 企业信息化管理(Enterprise Informatization Management...一、企业信息化的概念  企业信息化是指企业广泛利用现代信息技术,充分开发和利用企业内部或外部的,企业可能得到和利用的,并与企业生产经营活动有关的...
  • 理解MFC中的“资源概念

    千次阅读 2009-05-04 11:36:00
    Visual C++ 支持十种资源:加速键、位图、光标、对话框、HTML、图标、菜单、串表、工具条和版本信息。 各种资源就是堆数据而已,最终都会被嵌入到EXE文件里的数据区中。需要的时候就通过函数加载到内存中使用。和...
  • 为了协调进程之间的相互制约关系,引入了进程同步的概念。 临界资源 虽然多个进程可以共享系统中的各种资源,但其中许多资源一次只能为一个进程所使用,我们把一次仅允许一个进程使用的资源称为临界资源。许多...
  • 二、信息化规划,信息化战略规划,信息资源规划,信息化项目规划它们之间有什么样的关系? 1.信息化规划: 2.信息化战略规划: 3.信息资源规划: 4.信息化项目规划: 引言: 首先,我们在学习信息资...
  • 大数据对信息资源管理的影响

    千次阅读 2016-06-09 17:45:35
    从大数据的角度看,当今社会已不再是那个信息匮乏的时代...所以在这个时期无论是从国家、政府的宏观层面,还是各种企业、组织这种社会的中观层面,或者每一个个体的微观层面,进行信息资源管理都无疑受到大数据的影响。
  • 是规划、控制和提供数据及信息资产的一组业务职能,包括开发执行监督有关 数据的计划、政策、方案、项目、流程、方法和程序,从而控制、保护、交付和提高数据和信息资产的价值。——DMBOK 1.0 数据治理 Data ...
  • 自考那些事儿(七):信息资源管理(总述篇)

    万次阅读 多人点赞 2016-04-10 17:10:28
     ·基础:信息资源管理通过这个名字,我们可以看出,首先我们需要知道信息资源以及管理的概念;基础知识从信息的由来、分类、测试、过程等方面为我们阐释了这两个概念!理解这两个概念后往下进行才更有意义。  ...
  • 而政府部门信息资源共享作为一种先进的管理模式, 在大数据时代背景下对政府部门信息的资源管理就变得特别重要。本文就大数据时代下政府部门信息资源共享问题进行分析, 寻求解决途径。   近几年来, 政府部门信息...
  • 操作系统的功能和目标(1)作为计算机系统资源的管理者1️⃣处理器(CPU)管理2️⃣存储器管理3️⃣文件管理4️⃣设备管理(2)作为用户与计算机硬件系统之间的接口1️⃣命令接口2️⃣程序接口(3)作为扩充机器...
  • rbac 概念

    千次阅读 2016-05-21 20:24:36
    基本上涉及到用户参与的系统都要进行权限管理,权限管理属于系统安全的范畴,权限管理实现对用户访问系统的控制,按照安全规则或者安全策略控制用户可以访问而且只能访问自己被授权的资源。 权限管理包括用户身份...
  • 本篇主要内容如下: ...· 人力资源管理的概念。 · 人力资源管理过程概述。 · 项目团队建设。 · 管理项目团队 · 项目人力资源管理重点知识点总结。 · 项目人力资源管理各过程详述。
  • 4G VRB和PRB概念、LTE物理资源中的几个易混淆名词
  • 请求头:浏览器向服务器发送请求的数据,资源。 响应头:服务器向浏览器响应数据,告诉浏览器我是谁,我要你怎么做。如,我是nginx,给你的资源是正确的200 还是错误的404,我要你缓存多久。 常见的请求头...
  • 程序员必知的 89 个操作系统核心概念

    万次阅读 多人点赞 2020-03-31 19:13:39
    操作系统(Operating System,OS):是管理计算机硬件与软件资源的系统软件,同时也是计算机系统的内核与基石。操作系统需要处理管理与配置内存、决定系统资源供需的优先次序、控制输入与输出设备、操作网络与管理...
  • 卷积神经网络概念与原理

    万次阅读 多人点赞 2016-09-05 10:00:27
    一、卷积神经网络的基本概念 受Hubel和Wiesel对猫视觉皮层电生理研究启发,有人提出卷积神经网络(CNN),Yann Lecun 最早将CNN用于手写数字识别并一直保持了其在该问题的霸主地位。近年来卷积神经网络在多个方向...
  • Hadoop资源管理

    千次阅读 2016-05-10 09:20:08
    Hadoop资源管理由两部分组成:资源表示模型和资源分配模型。其中,资源表示模型用于描述...Hadoop引入了“slot”概念表示各个节点上的计算资源。为了简化资源管理,hadoop将各个节点上的资源(CPU、内存和磁盘等)等
  • Nacos - nacos基础概念

    千次阅读 2019-12-03 18:31:25
    文章目录Nacos - nacos基础概念1、什么是nacos2、nacos 的主要功能3、nacos 引入的一些基础概念4、nacos 架构设计 Nacos - nacos基础概念 1、什么是nacos 一个易于使用的动态服务发现,配置和服务管理平台,用于...
  • 信息资源规划实施意见书

    千次阅读 2010-04-02 12:52:00
    一.业务背景1.1 现代企业发展的基本特征1.1.1 引言我国企业MIS建设随着国民经济信息化的进展,进入了...国际上,信息设备不断降价,信息技术更加成熟,一大批企业在搞信息系统集成或重建;研究开发机构适应这种需要
  • CMDB 基础概念

    千次阅读 2015-09-26 22:54:40
    CMDB即配置管理数据库,通过识别、控制、维护,检查企业的IT资源,从而高效控制与管理不断变化的IT基础架构与IT服务,并为其它流程,例如事故管理、问题管理、变更管理、发布管理等流程提供准确的配置信息。...
  • 面向对象基本概念

    万次阅读 多人点赞 2019-02-06 21:56:15
    面向对象就是:把数据及对数据的操作方法放在一起,作为一个相互依存的整体...对象即为人对各种具体物体抽象后的一个概念,人们每天都要接触各种各样的对象,如手机就是一个对象。 面向对象编程(OOP:object-orie...
  • kettle 资源库 配置信息

    万次阅读 2013-03-21 10:37:33
     昨日迁移BIEE服务器,IP地址也变更了,导致一大堆kettle transaction中的DB连接信息都需要修改,用脚本批量修改后,直接在VNC 上kettle spoon 可视化界面,运行一个transaction ,运行没问题。后在控制台,用...
  • ResourceHandlerRegistry/...ResourceHandlerRegistry用于保存服务静态资源图片,css文件或者其他文件的资源处理器(resource handler)的注册信息,而ResourceHandlerRegistration就表示这样的"注册信息",它还包含了对...
  • 计算机网络基本概念汇总

    千次阅读 2015-07-28 00:20:39
    掌握计算机网络的知识和技能是每一个计算机专业学生的必修课。以下是自己整理的计算机网络方面的资料。现与大家分享。 试述计算机网络的分类和主要功能。...资源共享 信息传输与集中处理 平衡负荷及分布处理 综合信息
  • J2EE的概念以及容器概念总结

    千次阅读 2017-06-13 00:13:17
    J2EE的概念以及容器概念总结
  • 地理信息系统(GIS)基本概念

    千次阅读 2006-03-13 18:29:00
    1、地理信息系统(geographic information system ,即gis )——一门集计算机科学、信息学、地理学等多门科学为一体的新兴学科,它是在计算机软件和硬件支持下,运用系统工程和信息科学的理论,科学管理和综合分析...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 589,116
精华内容 235,646
关键字:

信息资源概念