精华内容
下载资源
问答
  • 相似矩阵中特征求法,一个是特征方程,一个是一般方程(由题干信息而得,除了特征方程以外其他形式方程)。对于二者结果,表述很不相同。特征方程解和特征根一一对应,包括数值和重数。一般方程解给...

    目录

    一、特征方程

    二、一般方程

    三、小结


    征根的取值常常由两种常见的方程得到,一个是特征方程,一个是一般方程。

    这两种方程求得的特征根,表述又不尽相同,在此进行区分。

    一、特征方程

    根据定义,特征方程即为 |λE-A|=0,从中解方程时每一步都是恒等变形,所以解出的 λ 的值及重数,就是特征根 λ 的实际情况。因此,特征根 λ 与特征方程的解一一对应

    【例1】|λE-A| = λ(λ-1)= 0,即得到有两个特征值,分别为 λ1=0,λ2=1。

    【例2】|λE-A| = λ^2(λ-1)= 0,得到有三个特征值,分别为 λ1=λ2=0,λ3=1

    二、一般方程

    这里的一般方程,指的是除了特征根以外的方程,也即从题目中的其他约束条件得到的方程。

    【例3】A是n阶矩阵,tr(A) = a ≠ 0,r(A)=1,A^2=aA,证明A相似于对角矩阵。

    解:因为 A^2=aA,f(A)=A^2-aA=0,所以 λ^2-aλ=λ(λ-a)=0,得到 λ=0或a。(一般方程的 λ 求解结果,不可以说 λ1=a,只能说,λ=a或b。这表示,λ 的取值范围是 {0,1}集合,但是各有几重根,需要由其他条件判断,也可能某个取值是0重。)

    又因为 tr(A)=λ1+λ2+…+λn=a,所以设 λn=a,λ1=λ2=…=0。

    对于 λ1=…=0,(0·E-A)x=0 即为 Ax=0,因为r(A)=1,所以有 s=n-1 个线性无关的解(即特征向量)。

    因此对于所有特征值对应的这n个特征向量,都是线性无关的(不同特征值间的本就线性无关)。

    则特征向量组成的矩阵 P=(α1,α2,…,αn) 是可逆矩阵,所以A可以相似对角化。

    三、小结

    1. 特征根 λ 与特征方程的解 |λE-A|=0 一一对应,包括数值和重数都对应。

    2. 一般方程是从题干信息而得的,它关于 λ 的求解结果,不可以说 λ1=a,只能说,λ=a或b。

    3. 一般方程给出的是 λ 的取值范围,如 {0,1}集合,但是各有几重根,需要其他条件再判断,也可能某个取值是0重。

    展开全文
  • 特征选择是非常关键的步骤,选入大量的特征不仅会降低模型效果,也会耗费大量的计算时间,而漏选的特征也会直接影响到最终的模型结果。一般情况下主要利用以下办法进行特征选择。 1.方差选择法 假如某列特征变化一直...

    特征选择是非常关键的步骤,选入大量的特征不仅会降低模型效果,也会耗费大量的计算时间,而漏选的特征也会直接影响到最终的模型结果。一般情况下主要利用以下办法进行特征选择。

    1.方差选择法

    假如某列特征变化一直很平缓,所以说明这组特征对预测结果影响不大,所以应该计算出各个特征的方差选择方差大于自身阈值的特征。

    2.相关系数,统计检验

    相关系数或者统计检验都可以用来特征选择。

    3.互信息法

    互信息法也经常用来评价自变量对因变量的相关性。

    4.基于机器学习的特征选择法

    主要是针对特征和响应变量建立预测模型,例如用基于树的方法(决策树,随机森林,GDBT),或者扩展的线性模型。

    hi 认识一下?

    微信关注公众号:全都是码农 (allmanong)
    你将获得:
    关于人工智能的所有面试问题一网打尽!未来还有思维导图哦!
    回复121 立即获得 已整理好121本python学习电子书
    回复89 立即获得 程序员史诗级必读书单吐血整理四个维度系列89本书。
    回复167 立即获得 机器学习和python学习之路史上整理大数据技术书从入门到进阶最全本(66本)
    回复18 立即获得 数据库从入门到进阶必读18本技术书籍网盘整理电子书(珍藏版)
    回复56 立即获得 我整理的56本算法与数据结构
    未来还有人工智能研究生课程笔记等等,我们一起进步呀!

    展开全文
  • 基于人工分析HTTP-POST请求报文特征获取一般方法 ... 现有HTTP-POST请求报文信息还原工具都是基于特征包括网络应用行为识别特征信息提取特征,而特征的获取往往依赖于人工分析。在分析过程中往往...

    基于人工分析的HTTP-POST请求报文特征获取一般方法

    (以百度贴吧客户端发帖行为分析为例)

    本文由CSDN-蚍蜉撼青松 【主页:http://blog.csdn.net/howeverpf】原创,转载请注明出处!

     

            现有的HTTP-POST请求报文信息还原工具都是基于特征(包括网络应用的行为识别特征与信息提取特征)的,而特征的获取往往依赖于人工分析。在分析的过程中往往需要用到一些能帮助完成网络数据采集和分析功能的工具。根据网络环境的不同,可能用到的几款工具包括:

     

    • Tcpdump(Unix/Linux平台上最常用的网络数据包捕获工具)
    • Aircrack(WiFi环境下最常用的无线数据包嗅探解密工具)
    • Wireshark(Windows平台上最好用的网络数据包嗅探与分析工具)

     

            下面以分析百度贴吧客户端的发帖为例,说明这种基于人工分析获取HTTP-POST请求报文特征的一般流程:

            首先,分析者需要构造测试帖子并提交给服务器。为了后续流程分析方便,一般要求测试帖子的标题和内容都尽量有规律,易识别。本文在Linux吧构造了一条标题为“新人报道”,内容为“fresh man, coming!”的帖子,如图1。

     

     

    图1

    图1 使用百度贴吧客户端在Linux吧发帖

     

     

     

            分析者在向服务器提交测试数据的同时,根据网络环境的不同选用合适的数据包捕获工具(WireShark / TcpDump / Aircrack)采集客户端发送的数据包,并以pcap文件等通用格式保存下来。

            分析者使用网络协议分析工具(WireShark等)在捕获的数据包里搜索自己构造的测试数据。如果搜索失败,分析者需要使用一些编码工具对测试数据进行常见的编码处理(如URL编码、Base64编码、QP编码、Unicode编码、MD5散列、SHA1散列),并重新搜索经各种编码变形后的测试数据,直到搜索成功。

            分析者根据所找到的数据包的四元组信息(即源IP地址、目的IP地址、源TCP端口号、目的TCP端口号),使用网络协议分析工具(WireShark等)重组该数据包所在的TCP流。前文所构造的测试数据,其所在的TCP流重组结果如图2所示,

     

    图2

    图2 百度贴吧客户端发帖产生的HTTP-POST请求报文

     

            分析者提取出请求行的请求方法“POST”、URI的路径部分“/c/c/thread/add”,以及Host头域的值“c.tieba.baidu.com”,猜测将这三者联合在一起,应该可以通过这三个特征唯一的确定一个百度贴吧客户端的发帖行为。初步得出结论,可能这就是所要找的行为识别特征。

            分析者提取出Content-Type头域的值,确认消息实体采用的是application/ x-www-form-urlencoded格式,并在请求实体中找到经URL编码后的发帖标题“%E6%96%B0%E4%BA%BA%E6%8A%A5%E9%81%93”和帖子内容“fresh+ man%2C+coming%21”。分析者通过观察发帖标题、帖子内容前后的数据,根据经验进行取舍,初步得出发帖标题的信息提取前缀为“title=”,帖子内容的信息提取前缀为“content=”,二者的信息提取后缀均为“&”。这些前后缀可能就是所要找的信息提取特征。

            分析者继续分析这个请求报文的头部和消息实体,根据经验从中找出其他可能有用的信息,并初步得出这些信息相应的提取特征。对于前文所举例子来说,这些可能有用的信息以及它们可能的信息提取特征如表1所示。

     

    表1 百度贴吧客户端发帖请求报文中可能有效的信息及其提取特征

    表1

     

            分析者构造其他发帖行为的测试数据,根据前面初步得出的行为识别特征和内容提取特征看是否发生漏检。即,没有识别出所有发帖行为,或没能提取出所有测试数据中的有效信息。如果发生,则需要根据漏检的测试数据对前面得出的特征进行修改,直到没有漏检为止。

            分析者构造一些非发帖行为的测试数据,根据前面得出的行为识别特征和内容提取特征看是否发生误检。即,将非发帖行为识别为发帖行为,或将测试数据中的无效信息当成有效信息提取出来。如果发生,则需要根据误检的测试数据对前面得出的特征进行修改,直到没有误检为止。

            至此,一次完整的人工分析过程介绍完毕。

            需要补充说明的是,前文所举的例子中,要提取的有效信息刚好都是明文文本,且都有前后缀。但在实际的情况往往会更复杂,例如:

     

    1. 有些有效信息没有统一的前缀特征,这时可以尝试根据一些有特殊标志的位置(如请求头起始位置,请求实体起始位置,multipart/form-data格式的子段数据起始位置),计算有效信息相对这些位置的偏移量。如果能找到不同测试数据中有效信息相对某位置固定的偏移量,则这个偏移量就可以取代提取前缀,作为信息提取特征的一部分。
    2. 有些有效信息没有统一的后缀特征,这时可以尝试在有效信息的上下文中寻找是否存在关于信息长度的说明(如,chunked编码后的部分实体);还可以尝试计算不同测试数据中有效信息是否存在固定的长度(如,口令的散列值、经纬度信息、时间戳),如果可以找到这些关于有效信息长度的确定值或计算方法,则其长度就可以取代提取后缀,作为信息提取特征的一部分。
    3. 有些有效信息所在的请求实体使用了XML、JSON等比较复杂的格式,其提取特征不能简单地依赖前后缀、偏移量、信息长度等,而是要基于这些格式本身做解析。
    4. 有些有效信息是人眼不可识别的二进制流,而非可读明文文本。不过,这种情况多见于HTTP响应报文中,在HTTP-POST请求报文中比较少见。

     

     

    By The Way

            本文只为技术分享,作者本人一向认为,技术本身是没有好坏的,关键在于人心!

            :)希望看到本文的读者也能认同我这个观点~

     

     

     

    ------本文由CSDN-蚍蜉撼青松【主页:http://blog.csdn.net/howeverpf】原创,转载请注明出处!------

     

     

     

     

     

    展开全文
  • 一般来说,项目群管理都有区别于单一项目管理普遍特性,具体表现在项目目标、项目接口、项目信息以及项目管理等方面。  目标多样性。对于单一项目来说,目标是单一,比较简单;而对于项目群来说,由于每个独特...

    一般来说,项目群管理都有区别于单一项目管理的普遍特性,具体表现在项目目标、项目接口、项目信息以及项目管理等方面。

      目标多样性。对于单一项目来说,目标是单一的,比较简单;而对于项目群来说,由于每个独特的项目都有其不同的目标和不同的特点,也就决定了项目群的多样性,从而加大管理的难度和复杂度。

      接口多层性。这里所说的接口,主要针对管理接口,包括各项目之间、与不同层面利益相关人之间的接口。对于单一项目来说,一般相对独立于其他项目,与其他项目之间只有几个次要的接口。而对于项目群来说,各项目之间都是紧密联系的,任何一个项目的失败都将影响到其它项目,也就可能导致整个项目的失败。项目越多,管理接口就越复杂,所以处理好各项目之间的管理接口关系是多项目管理成功的关键因素。

      信息复杂性。项目群管理的信息处理非常复杂。从内部环境来说,有各项目之间、各项目小组之间以及项目与组织相关职能部门之间的信息沟通;从外部环境来说,有项目群与用户、供应商、政府部门等进行的信息交流。

      管理统一性。项目群管理要求将相关的项目全部纳入统一管理,主要体现在项目管理组织上的统一性和资源上的统一性。要从组织层面上,将原来按单个项目为单位的分散管理模式,整合成按组织为单位的统一管理模式。

      从以上项目群管理的一般特性与单一项目管理的区别不难看出,传统的应对单一项目的管理方式已经不能应对日益复杂的项目群管理,因此提出一套适应项目群管理的方法和模式是非常必要的。在工程项目大型化、集约化、复杂化的今天,这种具有针对性、适用性并经过实践检验的成套方法体系是必不可少的。

    转载于:https://www.cnblogs.com/Audi-68/p/8028812.html

    展开全文
  • 故障分析一般包括诊断对象故障机理,故障模式及影响,故障发生概率和故障发展变化规律等。研究故障机理是研究引起故障物理,化学过程等内因,以及故障发生和发展条件等。这是产品设计者更需要关心问题,故障...
  • 原因是文本的特征一般都是单词(term),具有语义信息,使用特征选择找出的k维子集,仍然是单词作为特征,保留了语义信息,而特征提取则找k维新空间,将会丧失了语义信息。 对于一个语料而言,我们可以统计的信息包括...
  • 特征提取

    2015-11-17 14:21:25
    特征变换的目的在于从一幅图像中提取出有利于显著性估计的特征。对显著性检测有重要影响的底层特征一般主要包括: 颜色、运动、方向、灰度等 (1)对于灰度来说,一般通过图像在彩色空间中的亮度通道、图像的灰度...
  • 面向对象分类方法是适合于高空间分辨率影像信息提取技术之一,主要包括最邻 近和隶属度函数两种分类方法,具有小样本和高维特征的特点。其中,面向对象隶属度 函数模糊分类更是适合于研究范围较大影像区域。实际...
  • 使用matlab对数据时域特征有量纲参数的计算 ...有量纲参数就是有单位的,包含实际意义的物理量,是最为常用的特征指标。无量纲参数一般是两个有量纲参数的积或者比。 ​ 我们在matlab中创建一个随机数组。 a=rand(100,
  • 频域特征提取

    千次阅读 多人点赞 2020-07-18 10:43:27
    频域分析可按频率观察信号特征一般情况下,时域分析更加直观,而频域表示更加简洁,在频域上观察信号使得问题分析更加深刻和便捷。目前来说,从时域到频域已成为信号分析趋势。但是,这两种分析手段是相互...
  • f、信号的处理方法: BCI系统中的信号处理包括(信号采集、)信号预处理、...①、BCI中的特征提取方法: 特征提取就是以特征信号(一般是EEG得到的脑电信号)作为源信号,确定各种参数并以此为向量组成表征信号特征的特
  • 短距离无线通信技术范围很广,在一般意义上,只要通信收发双方通过无线电波传输信息,并且传输距离限制在较短范围内,通常是几十米以内,就可以称为短距离无线通信。文中介绍了目前几种主流短距离无线通信技术...
  • 一般信息 支持向量机(SVM)和相关基于内核学习算法是一类知名机器学习算法,用于非参数分类和回归。 liquidSVM是SVM实现,其主要功能是: 完全集成超参数选择, 无论大小数据集,其速度都极高, , ,...
  • 特征选择与图像匹配

    2017-11-20 14:48:01
    面向对象分类方法是适合于高空间分辨率影像信息提取技术之一,主要包括最邻 近和隶属度函数两种分类方法,具有小样本和高维特征的特点。其中,面向对象隶属度 函数模糊分类更是适合于研究范围较大影像区域。实际...
  • ISTP检索行为特征分析

    2018-08-30 09:53:28
    ISTP检索行为特征分析 国外近5年来的研究主要考察了5种类型的用户ISTP检索网络信息的情况。这5类用户包括:儿童、专业ISTP检索者、信息技术工作者、大学生和成年志愿者。这些研究大多是实验性质的。这里着重探讨一般...
  • 温馨提示:本文共827个字,预计阅读时间需要3分钟抖音信息流广告收费标是什么抖音投放广告的收费方式是什么样的,投放广告收费标准是怎么样的呢。...广告主可以根据产品的特征来选择相应的广告形式,再根据自...
  • 特征attribute提供了一种为类型实体如类结构接口方法属性等描述附加信息的方法 使用特征通常包括三个步骤 1定义特征 2使用特征 3查询特征 11.1.1 特征的定义 特征类在使用前需要进行定义定义的一般格式为 ...
  • 特征点有点类似于矩阵的特征值(当然只是一个比喻),用少量的bit描述大部分的图像信息,不管在神经网络还是SLAM领域,特征点都有非常多的用途。 我们平时提到特征点一般包括特征提取子和特征描述子两部分,提取子...
  • 这些任务一般都是针对图像进行,使用是二维卷积(即卷积核维度为二维)。而对于基于视频分析问题,2D convolution不能很好得捕获时序上的信息。因此3D convolution就被提出来了。3D convolution 最早应
  •  先要确认所保护的片段不是独立的特征码。 v 0.100 beta 之后的版本用的是等分法,限制区域的优化效果, 对于文件特征码来说是很不明显的, 而对于内存特征码的定位还是比较明显的。 ; 要注意的是,文件定位...
  • 数据清洗,顾名思义就是在语料中找到我们感兴趣东西,把不感兴趣、视为噪音内容清洗删除,包括对于原始文本提取标题、摘要、正文等信息。 对于爬取网页内容,去除广告、标签、HTML、JS 等代码和注释等。常见...
  • 本文将卫星云图的特征作为研究内容,从底层特征提取和高层图像检索 两个层次研究了卫星云图内容的处理和分析,并将图像理解的范畴引入卫星 云图处理领域,是具有前瞻性的研究课题。 2.针对卫星云图基本特征,提出了...
  • 地理信息系统中的空间概念常用“地理空间”(geo-spatial)来表述,一般包括地理空间定位框架及其所连接的特征实体。地理空间定位框架即大地测量控制,由平面控制网和高程控制网组成。 1.2 空间数据的类型 • 几何...
  • 数据采集服务 通过在网络边界和重点区域部署前端采集模块,通过多种方式实现对资产、日志、告警、配置、漏洞、运行状态、设备属性、网络流量等信息的采集,并完成对以上数据格式化预处理后输出存储。 安全分析...
  • 网页设计五大原则网页界面设计不同于一般的平面设计,拥有自身设计特征。网页界面设计应时刻围绕“信息传达”这一主题来进行。目前网页界面传达的信息主要是视觉信息。因此从设计类型上来看,网页界面设计属于视觉...
  • 理解管理信息系统

    2019-10-06 13:12:14
    同时信息具有对客观世界的各种事物的特征的反映、可以通信、还有被加工形成知识的功能。而数据事记录客观事物、可鉴别的符号。这些符号不仅包括数字、还包括字符、文字、图形等。数据经过处理仍然是数据。处理数据是...
  • zeusids存储库每晚更新一次,以研究针对检测(和停止)基于网络恶意攻击的一般性。 特征 大型系统,包括: 一个实现NVIDIA CUDAC ++库,可在NVIDIA卡上大规模并行运行代码。 每晚更新C ++ CUDA反向传播,完全...
  • 本项目使用音频特征包括Mel倒谱系数(MFCC)、过零率和短时能量(STE)。这些特征是从以WAV格式存储音频文件中提取,还考虑了直接从MPEG音频文件中提取特征可能用途。基于这些特征统计方法被用来分割和...
  • 为满足为学校服务这一基本功能,数字校园应定位于信息服务,对学生成绩高效而准确管理系统设计出发点和最终目的,既要能够满足学生和老师的一般需求,又要能够针对用户类型、需求特征等确定它的的权限以便...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 500
精华内容 200
关键字:

一般信息的特征包括