精华内容
下载资源
问答
  • 基于目前矿井断层复杂程度定量分析过程中,经常遇到一个断层复杂程度系数对应于多种地质客观实际,且其值偏小的问题。在评价前人采用的垂直落差面积比法和平错面积比法的基础上,采取断层倾斜间隔乘以断层延伸长度之和...
  • 首先分析总结了构造复杂程度的3个定量评价指标——Kd(断层复杂程度系数)、Kz(褶皱复杂程度系数)和Kq(倾角复杂程度系数);然后,在分析潘三煤矿瓦斯地质特征的基础上,把Kd,Kz,Kq,煤层埋深和基岩厚度作为影响该矿煤层...
  • 地质构造控制着煤层瓦斯的...结果表明:矿区各瓦斯地质单元煤层瓦斯含量与地质构造复杂程度综合系数具有明显的负相关关系,两者之间线性关系显著,可见利用地质构造复杂程度综合系数进行未采区煤层瓦斯含量预测是可行的。
  • 在对其定性评价的基础上,遴选了断层密度、断层强度、断层走向影响指数和褶皱平面变形系数4个评价指标,采用灰色模糊综合评价方法对其进行了定量评价,得出了芦岭煤矿8煤层地质构造复杂程度定量评价结果图,划分了构造...
  • 为查清祁南煤矿101采区煤层赋存情况,在对地质勘查和开采条件系统分析和统计的基础上,应用分形理论对101采区地质构造断裂网络进行复杂程度评价,并讨论褶皱平面变形系数与断裂分形维数的相关性。结果表明:101采区西部...
  • 通过等性块段、综合指数评价和灰色关联度方法,对矿井进行了构造复杂程度综合评价。评价结果表明,由于构造在煤层中起到了沟通割理和外生裂隙的作用,故在构造相对复杂的开采水平,煤层透气性系数也相对较高。
  • 对于二维随机变量(ξ,η),通过D(ξ)D(η)可以定量的反应各自的与期望的偏离程度,为了表示两方差之间的相互联系程度,我们引入协方差。 性质 由方差的性质(3)得: 相关系数: 性质 ...

    1. 协方差

    对于二维随机变量(ξ,η),通过D(ξ)D(η),定量地反应了各自分布的偏离程度,而为了研究两随机变量偏离时的联系,我们这样做

    (1)定义

    各自与期望之差的乘积的期望,记作协方差——Cov(ξ,η)
    在这里插入图片描述
    *协方差不恒为0,恒为0时进入不相关。

    (2)计算

    在这里插入图片描述

    (3)性质

    在这里插入图片描述

    2. 相关系数

    (1)定义

    在这里插入图片描述也记作 Corr( ξ,η )。ξ 与 η 不相关指的是 ξ 与 η 之间不存在线性关系,但可能存在其他非线性关系。

    (2)性质

    1. ρξη ≤ 1;
    2. ρξη = 1时, => η = aξ + b(a,b为常数且不等于0)
      即 η 与 ξ 一定线性相关。

    二维正态分布(ξ,η)~(μ 1,σ1,μ2,σ2,ρ)第五个变量即为相关系数

    (3)不相关概念

    1. 定义:相关系数 ρ ξη 为0,即协方差Cov(ξ,η)为0时,称ξ,η不相关。
    2. 与不相关等价的结论
      在这里插入图片描述

    🚄
    不相关 ≠ 相互独立:
    不相关:表示事件的发生不相互影响。
    相互独立:表示两个随机变量之间不存在线性关系。
    不相互独立 => 一定不相关
    不相关 => 不一定相互独立,可能存在非线性关系


    展开全文
  • 如何判断程序的复杂程度:时间和空间复杂度 1. 时间复杂度: 使用大O表示法来表示程序的时间复杂度 常见的7种时间复杂度 O(1):常数时间复杂度 O(log(n): 对数时间复杂度 O(n): 线性时间复杂度 O(n^2):平方...

    如何判断程序的复杂程度:时间和空间复杂度

    1. 时间复杂度:

    使用大O表示法来表示程序的时间复杂度

    常见的7种时间复杂度(复杂度由低到高排序)

    1. O(1):常数时间复杂度

    2. O(log(n): 对数时间复杂度

    3. O(n): 线性时间复杂度

    4. O(n^2):平方时间复杂度

    5. O(n^3):立方时间复杂度

    6. O(k^n):指数时间复杂度,k表示常数

    7. O(n!):阶乘时间复杂度

    ps:

    1. 这里我们并不考虑前边的系数;O(1) 并不表示复杂度为1,也可以 是2、3等常数;O(n)表示程序运行了n次或者2n、3n次;以此类推其他时间复杂度

    2. 时间复杂度的判断,以一段代码的最高复杂度为准;

    如何判断一段代码的时间复杂度

    简而言之就是看内部某段代码的执行次数

    1. O(1):常数复杂度

      • int n = 1;
        System.out.println(n);
        
      • int n = 1;
        System.out.println(n);
        System.out.println(n+1)
        System.out.println(n+2)
        
    2. O(n):线性时间复杂度

      • for (int j = 0; j < n; j++) {
            System.out.println(j);
        }
        
      • for (int i = 0; i < n; i++) {
            System.out.println(i);
        }
        for (int j = 0; j < n; j++) {
            System.out.println(j);
        }
        
    3. O(n^2):平方时间复杂度

      • for (int i = 0; i < n; i++) {
            for (int j = 0; j < n; j++) {
                System.out.println(i + j);
            }
        }
        
    4. O(n^3):立方时间复杂度

      • for (int i = 0; i < n; i++) {
            for (int j = 0; j < n; j++) {
                for (int k = 0; k < n; k++) {
                    System.out.println(i + j);
                }
            }
        }
        
    5. O(log(n)): 对数时间复杂度

      这里演示的是以2为底n的对数

      • for (int i = 0; i < n; i = i * 2) {
            System.out.println(i);
        }
        
    6. O(2^n):指数时间复杂度

      • /**
         * 递归求斐波那契数列的第n项;可以通过画运行树的方式获得时间复杂度
         */
        int fib(int n) {
            if (n < 2) return n;
            return fib(n - 1) + fib(n - 2);
        }
        
    7. O(n!):阶乘时间复杂度

      • todo

    小练习1:求和计算1~n的和

    1. O(n)

      int y = 2;
      for (int i = 0; i < n; i++) {
          y+=i;
      }
      
    2. O(1)

      使用了求和公式:sum = n(n+1)/2

      int y = 2;
      for (int i = 0; i < n; i++) {
          y+=i;
      }
      

    小练习2:求斐波那契数列

    1. O(2^n):

      int fib(int n) {
         if (n < 2) return n;
         return fib(n - 1) + fib(n - 2);
      }
      
    2. O(n):该方法比递归要快得多

      int fib2(int n) {
          if (n == 1 || n == 2) {
              return 1;
          }
          int a = 1, b = 1, result = 0;
          for (int i = 3; i <= n; i++) {
              result = a + b;
              a = b;
              b = result;
          }
          return result;
      }
      

    主定理

    主定理(英语:master theorem)提供了用渐近符号(大O符号)表示许多由分治法得到的递推关系式的方法

    常用算法中的应用

    算法 递回关系式 运算时间
    二分搜寻算法 在这里插入图片描述 在这里插入图片描述
    二叉树遍历 在这里插入图片描述 在这里插入图片描述
    最佳排序矩阵搜索(已排好序的二维矩阵) 在这里插入图片描述 在这里插入图片描述
    合并排序 在这里插入图片描述 在这里插入图片描述

    所有排序的最优算法都是O(nlog(n))

    2. 空间复杂度

    如何判断一段代码的空间复杂度

    主要通过两部分进行判断:

    1. 数组的长度

      如果代码中应用了数组,那么数组的长度,基本上就是空间复杂度;
      e:一维数组的空间复杂度是O(n);二维数组的空间复杂度是O(n^2)

    2. 递归的深度

      如果代码中有递归,那么递归的深度,就是代码的空间复杂度的最大值

    ps:如果代码中既有数组,又有递归,那么两者的最大值就是代码的空间复杂度

    leecode有个爬楼梯的复杂度分析情况;可以进行练习

    3. 数组和链表的时间复杂度分析

    数组

    随机增加:O(n)
    随机查询:O(1)
    随机删除:O(n)

    链表

    随机增加:O(1)
    随机查询:O(n)
    随机删除:O(1)

    跳表

    跳跃表(skiplist)是一种随机化的数据, 由 William Pugh 在论文《Skip lists: a probabilistic alternative to balanced trees》中提出, 跳跃表以有序的方式在层次化的链表中保存元素, 效率和平衡树媲美 —— 查找、删除、添加等操作都可以在对数期望时间下完成, 并且比起平衡树来说, 跳跃表的实现要简单直观得多。

    简单来说,跳跃表是有序链表的一种扩展,在有序列表的基础上进行了升维处理
    在这里插入图片描述
    在这里插入图片描述
    以上图片来自公众号:程序员小灰

    随机增加:O(log(n))
    随机查询:O(log(n))
    随机删除:O(log(n))

    展开全文
  • ''' Created on Apr 20, 2017 @author: P0079482 ''' import tensorflow as tf #获取一层神经网络边上的权重,并将这个权重的L2正则化损失加入名称为'losses'的集合中 def get_weight(shape,lambda1): ...
    '''
    Created on Apr 20, 2017
    
    @author: P0079482
    '''
    import tensorflow as tf
    #获取一层神经网络边上的权重,并将这个权重的L2正则化损失加入名称为'losses'的集合中
    def get_weight(shape,lambda1):
        #生成一个变量
        var = tf.Variable(tf.random_normal(shape),dtype=tf.float32)
        #add_to_collection函数将这个新生成变量的L2正则化损失项加入集合
        #这个函数的第一个参数'losses'是集合的名字,第二个参数是要加入这个集合的内容
        tf.add_to_collection('losses',tf.contrib.layers.l2_regularizer(lambda1)(var))
        #返回生成的变量
        return var
    
    x = tf.placeholder(tf.float32,shape=(None,2))
    y_= tf.placeholder(tf.float32,shape=(None,1))
    batch_size=8
    #定义了每一层网络中节点的个数、
    layer_dimension=[2,10,10,10,1]
    #神经网络的层数
    n_layers=len(layer_dimension)
    #这个变量维护前向传播时最深层的节点,开始的时候就是输入层
    cur_layer=x
    #当前层的节点个数
    in_dimension=layer_dimension[0]
    
    #通过一个循环来生成5层全连接的神经网络结构
    for i in range(1,n_layers):
        #layer_dimension[i]为下一层的节点个数
        out_dimension=layer_dimension[i]
        #生成当前层中权重的变量,并将这个变量的L2正则化损失加入计算图上的集合
        weight=get_weight([in_dimension,out_dimension],0.001)
        bias=tf.Variable(tf.constant(0.1,shape=[out_dimension]))
        #使用ReLU激活函数
        cur_layer=tf.nn.relu(tf.matmul(cur_layer,weight)+bias)
        #进入下一层之前将下一层的节点个数更新为当前层节点个数
        in_dimension=layer_dimension[i]
    
    #在定义神经网络前向传播的同时已经将所有的L2正则化损失加入了图上的集合
    #这里只需要计算刻画模型在训练数据上表现的损失函数
    mse_loss=tf.reduce_mean(tf.square(y_-cur_layer))
    
    #将均方误差损伤函数加入损伤集合
    tf.add_to_collection('losses',mse_loss)
    
    #get_collection返回一个列表,这个列表是所有这个集合中的元素。在这个样例中
    #这些元素就是损失函数的不同部分,将它们加起来就可以得到最终的损失函数
    loss=tf.add_n(tf.get_collection('losses'))

     


    展开全文
  • 按照图形理论,聚集系数是表示一个图形中节点聚集程度系数,证据显示,在现实中的网络中,尤其是在特定的网络中,由于相对高密度连接点的关系,节点总是趋向于建立一组严密的组织关系。在现实世界的网络,这种可能...

       按照图形理论,聚集系数是表示一个图形中节点聚集程度的系数,证据显示,在现实中的网络中,尤其是在特定的网络中,由于相对高密度连接点的关系,节点总是趋向于建立一组严密的组织关系。在现实世界的网络,这种可能性往往比两个节点之间随机设立了一个连接的平均概率更大。 

      在很多网络中,如果节点v1连接于节点v2,节点v2连接于节点v3,那么节点v3很可能与v1相连接。这种现象体现了部分节点间存在的密集连接性质。可以用聚类系数(CC)来表示,在无向网络中,聚类系数定义为: C = 2*n/(k*(k-1))其中,n表示在节点v的所有k个邻居间的边数。

    #include <bits/stdc++.h>
    #define N 5  
    #define M 8 
    #define fr(x) freopen(x,"r",stdin)
    #define fw(x) freopen(x,"w",stdout)
    #define m(a, x) memset(a, x, sizeof(a))
    #define fs(u,v) fscanf(fp1,"%d %d",&(u),&(v)) 
    using namespace std ;
    FILE *fp1=fr("shuju.dat") ,  *fq1=fw("jiju.dat");
    double s[N] , cc[N];
    int du[N],a[N][N],b[N][N];
    void read_data()//读入数据
    {
    	m(a,0) , m(b,0);
    	for (int i=0;i<M;i++)
    	{
    		int u , v;
    		fs(u,v);//读入数据
    		a[u][v]=a[v][u] = 1 ;//无向图 
        }
        for (int i=0;i<N;i++)	for (int j=0;j<N;j++)  b[i][j]=a[i][j]*2;//计算邻接矩阵
    	fprintf(fq1,"该图每个点的度数为:\n");
    	for(int i=0;i<N;i++)
    	{
            int l=0 ;
    		for (int j=0;j<N;j++)	if(b[i][j])	l++;
    		du[i]=l;
    	    fprintf(fq1,"%d %d\n",i,du[i]);
    	}
    	fprintf(fq1,"\n");
    	return;
    }
    void get_cluser()//求集聚系数 
    {
      int s1,l1,s2;
      double sum, ave ;
      fprintf(fq1,"每个点的集聚系数为:\n");
      for (int i=0;i<N;i++)
      {
    	  l1=0;
    	  memset(s,0,sizeof(s));
    	  if(du[i]>=2)
    	  {
    		  for (int j=0;j<N;j++) if(b[i][j]) s[j]=1;
    		  for (int k=0;k<N;k++)
    		  {
    			if(s[k]==1)
    			{
    				s1=k;
                    for (int x=s1;x<N;x++)
    				{
    			       if(s[x]==1)
    				   {
    			         s2=x;
    					 if(b[s1][s2]) l1++;
    					}
    				}
    			}
    		  }
    		  cc[i]=(2.0*l1)/((du[i]*(du[i]-1)));
    	  }
    	  if(du[i]!=0) fprintf(fq1,"%d %f\n",i,cc[i]);
      }
      fprintf(fq1,"\n");
      sum=0.0;
      for(int i=0;i<N;i++) sum+=cc[i]*1.0;
      ave=sum/N;
      fprintf(fq1,"平均集聚系数为:%f\n",ave);
      return;
    }
    int main()
    {
    	read_data();
    	get_cluser();
    	fclose(fp1);
    	fclose(fq1);
    	return 0;
    }



    展开全文
  • 利用协方差,皮尔逊相关系数和斯皮尔曼相关系数确定变量间的关系 https://www.toutiao.com/i6550915552490029576/ 数据集中的变量之间可能存在复杂且未知的关系。重要的是发现和量化数据集的变量相关的程度。这些...
  • 通过区域构造复杂程度与抽水试验所得渗透系数的统计分析,发现构造复杂程度与渗透系数呈正相关关系,运用分形理论,对"大井法"的渗透系数取值进行了优化,使其更贴近实际;针对采动破坏沟通顶底板不同含水层导致涌水量...
  • 比较发现,两个计算公式在参数的选择、规定的正常块段的临界突水系数、安全系数、使用的方便程度4方面是不同的,并逐一进行了分析。然后以山西省临县新民煤矿1井田9号煤层的开采为例,进行了突水系数的计算。结果表明,...
  • 以带LC滤波器的逆变器为研究对象,分析了二阶逆变器系统中出现的分岔...数值仿真结论表明,所提简化离散模型能很好地分析出系统运行的稳定参数域,且在复杂程度、运算量以及运算速度方面较传统离散模型有着明显优势。
  • 空气污染是目前的热点问题,导致主要污染物浓度变化的原因错综复杂,影响程度大小也各不相同。统计北京和广州两个城市的2016年5月份的污染物浓度和气象情况,对各个气象因子与污染物浓度进行相关性分析,得到两个变量间...
  • 航空航天人员心血管系统的耐受能力是通过一系列生理功能指标来衡量的,其中重要的一个指标是在一定加速度刺激下,大脑中血量和四肢血量间相互流动的速率,该速率系数数值的大小决定值脑缺血的程度。但该指标不能直接...
  • 红外复杂背景抑制是红外告警等系统发现远距离弱小目标的难题之一。提出了一种将奇异值分解与对偶树复小波变换(DTCWT)相结合的多尺度截断...实验结果表明,该算法可以在很大程度上抑制结构化背景,保存并增强目标信号。
  • 针对王家山地震勘探区具有目的层倾角大(30°~60°)、地表相对高差大、黄土覆盖层厚、地表条件十分复杂等地震难点,在前期调研的基础上,依据品质因数—地层衰减系数与纵波速度的关系,炸药震源与介质阻抗的耦合关系,虚...
  • 根据矿区水害威胁程度的强弱和范围大小的不同,利用突水威胁系数将矿区划分为无突水威胁区域、弱突水威胁区域、中弱突水威胁区域、中强突水区域和强突水区域等5个等级,并提出了相应的区域防治水的措施和建议。...
  • 将前馈网络中各层各模型的系数估计,转化为不定性规划和线性规划,构建了建模研究的粗糙GMDH方法,从而在一定程度上增强了复杂系统模型的分析和预测能力.借助于决策者的主观经验对信息的补充、完善及整合,甚而对样本...
  • 分析物流服务供应链网络节点作用规律,引入聚集系数、最大连通度及连通效率作为网络脆弱性测度指标,基于所构建攻击策略对二级物流服务供应链网络进行实例研究。研究结果表明:所构建指标可较好描述物流服务供应链...
  • 研究结果表明:采空区的存在会降低边坡的安全系数,并引起采空区覆岩的应力重分布,使上覆岩体产生变形破坏,影响边坡的稳定性,确定了采空区对边坡的影响程度与采空区的规模、位置有关,同时确定回采边线的位置对边坡的...
  • 点击蓝字关注我们1样本与总体回归系数的区分简单回顾...比如前文中所举的教育程度和收入的例子,通过抽取1000名研究对象,我们计算出来一个回归方程(样本):由上式可以知道:,即X的回归系数,所以它已经是确定等...
  • 根据良庄井田地质资料,获得了奥灰水压等值线图、15~#煤层断裂构造复杂程度图、15~#煤层底板突水系数等值线图,采用信息融合的方法,获得了15~#煤层底板突水危险性分区图,与已开采煤层的实际情况相符。
  • 最小二乘法学习二

    2017-05-18 16:15:00
    一个模型的复杂程度系数有关,最简单的模型是直接给全部系数赋值为0,则该模型总会预測出0值,模型尽管足够简单,可是没有意义,由于它不能有效预測。 定义模型的复杂度为: 因为我们的目的是使模型不要过于...
  • 神经网络是一个非线性回归模型。给定样本,不同的网络结构决定了它的泛化性能。一般来说,网络结构不能...控制模型复杂程度,可采用选择少的神经元数量或者对系数的收缩。系数收缩的思想来自岭回归(ridge regression
  • 为研究和评价煤层断层的形成及复杂程度,利用岩体力学的基本原理和方法,系统研究了煤层顶、底板岩性结构与煤层断层的关系.以新安矿为例,合理选择了岩石强度调整系数和岩层效应厚度,计算出岩层强度影响系数,指出该系数...
  • 林南仓井田隶属于蓟玉煤田,经历海西-印质期、燕山期及喜山期等多期构造应力场,形成了复杂构造现状。...井田地质构造复杂程度分布较为复杂,与井田的煤层倾角变异系数呈正相关关系,主要是受到断层的影响。

空空如也

空空如也

1 2 3 4 5 ... 7
收藏数 136
精华内容 54
关键字:

复杂程度系数