2020-06-19 18:00 hxy
在 Python 的Tkinter库中，事件监听常用两种方式: Button 的 command，然后command 指向一个具体的函数，可以通过lambda 传参， bind 函数，可以绑定单击、双击多种操作，但是传参需要用到额外的库 functools 首先看一组 for 循环里 创建的 Button， 如果想要监听事件，需要用到 lambda 匿名函数，看一下例子： def createGameURLs(self): self.button = [] for i in range(3): self.b...
继续阅读 »2020-06-19 10:07 hxy
论文信息： 不稳定，超参数，并不适合临时计算。图分割，网络表征 预测评估值最高的作为超参数。 首先是图分割方法，分成多块。Metis 运行比较快。 形成抽象图，每个节点成为 抽象节点，边是有权值的 抽象网络可以 描绘 global view 采用随机游走方法，需要生成一堆随机游走路径，带权重的话归一化处理，作为选取概率，Alias 方法。O(1)复杂度 Alias 方法： a family of efficientalgorithmsforsampling from a discrete proba...
继续阅读 »2020-06-16 19:37 neunms
文中所有论文链接均可点击直接下载 复杂网络在复杂性研究中占据着什么样的地位？ 复杂网络是对复杂系统的一种抽象。研究复杂系统有很多角度和方法，而复杂网络正是其中的一种。 复杂系统由大量相互关联，相互作用的个体组成。而复杂网络关注系统中的个体相互作用而成的网络的结构，通过构建复杂网络，可以帮助我们从系统相互作用网络的拓扑结构的角度来理解复杂系统。换言之， 网络拓扑结构的信息是研究系统性质和功能的基础 ，也是理解系统功能的关键。 复杂网络无处不在 复杂网络无处不在，几乎覆盖了我们能想到的所有领域，现代生活的基础...
继续阅读 »2020-06-06 20:50 neunms
如果数据集的标签未知，则可以使用 Davies-Bouldin指数来评估聚类的效果， 是由 David D. Bouldin 和 Donald W. 提出的一种评估聚类算法优劣的指标， 其中Davies-Bouldin指数越低，则说明聚类效果越好。 该指数表示聚类之间的平均相似度，其中相似度是将聚类之间的距离与聚类本身的大小进行比较的度量。 零是最低的分数。接近零的值表示更好的聚类。 在使用中，将Davies-Bouldin指数应用于聚类分析的结果，如下所示： from sklearn import da...
继续阅读 »2020-06-06 20:27 neunms
1. 背景：在写DoS论文时，需要计算基于BIRCH算法聚类实验生成的数据子集的香农熵。根据香农熵的差异来表示不同的数据子集和原始数据之间是存在差异的，同时原始数据集的较大的香农熵也说明该数据集具有相对复杂的数据分布规律，间接证明使用BIRCH算法对数据进行预分类的操作是有意义的。 同时需要将数据子集的数据可视化以展现聚类算法的有效性。 2. 计算香农熵：代码中的数据集是10%的KDDCUP99数据集，该数据集经过归一化和独热编码的处理，其中仅包括Normal数据和DoS数据。香农熵的计算 公式如下： 根...
继续阅读 »
