02-1：内积空间
矩阵论02-1：内积空间 1 内积空间的定义 定义：设V是数域F上的线性空间，x和y是其中的向量，则定义(x,y)(x, y)(x,y)是向量的内积运算，内积的运算结果为一属于数域F的数。且内积运算满足 (x,y)=(y,x)‾(x, y) = \overline{(y,x)}(x,y)=(y,x) (λx,y)=λˉ(x,y)(\lambda x, y) = \bar \lambda (
05：矩阵分解
05：矩阵分解 1 λ\lambdaλ-矩阵 1.1 定义 定义：我们记aij(λ)=λn+λn−1+⋯+1a_{ij}(\lambda) = \lambda^n+\lambda^{n-1}+\cdots+1aij(λ)=λn+λn−1+⋯+1是数域F上的多项式，则矩阵 A(λ)=[a11(λ)a12(λ)⋯a1n(λ)a21(λ)a22(λ)⋯a2n(λ)⋮⋮⋱⋮am1(λ)am2(λ)
02 水声信道
02 水声信道 1 理想信道 无失真传输 对信号在幅度上产生固定的衰减 对信号在时间上产生固定的迟延 对于信道来说，幅频响应是常数，相频响应是过原点的线性函数。群时延固定(常数)。 群时延：对于不同频率的分量传播到达的时延。群时延固定就是不同频率分量到达信宿的时延都是一样的。 2 信道的特性 信息载体是声波 多径传播比较复杂 系统带宽有限
感知机(Perceptron)
1 简介 感知机是一种简单的，用于二分类的模型。它的构建思想，就是使用一个超平面将数据分为正负两类，输出+1+1+1或者−1-1−1。感知机可以使用梯度下降的方法进行最优化，但是其优化算法只在数据线性可分的时候收敛。感知机是Rosenblatt在1957年提出的。 2 模型的构建 由上述构建思想可知，感知机要将一个特征空间为X⊆RnX \subseteq R^nX⊆Rn的数据映射到输出空间Y=
朴素贝叶斯法(Naive Bayes)
1 简介 朴素贝叶斯法是用来进行分类的一种模型，它利用贝叶斯定理来进行预测，但它有一个假设，就是特征条件全部独立。 对于一个给定的数据集，首先可以根据它的特征计算出输入输出的联合概率分布。然后，对于一个给定的输入，就可以使用贝叶斯定理求出后验概率最大的输出类别。于是，输入就被分类到概率最大的那个输出类别。