矩阵分解
矩阵分解具有特殊结构和性质的矩阵数学中常见的具有特殊结构的矩阵方阵行数与列数都等于n 的叫做n阶方阵
只有方阵才可以计算行列式
方阵才有逆矩阵，且方阵有逆矩阵当且仅当方阵满秩
只有方阵才有伴随矩阵
只有方阵才有特征值与特征向量
对称矩阵矩阵A是对称矩阵当且仅当
A^T = A正(半)定矩阵
对
...
计算机网络-运输层总结
Posted on
Words count in article:
14.6k
|
Reading time ≈
51
计算机网络-运输层概述和运输层服务运输层位于应用层和网络层之间，主要为运行在不同主机上的应用进程提供了逻辑通信。 非常类似于高速公路，高速公路负责把人或者物品从一端运送到另一端，而运输层则负责把报文从一个端系统运送到另一个端系统(手机、网络媒体等)
在运输层运输报文的过程中，会遵循一定的协议规范。比
...
计算机网络-应用层总结
Posted on
Words count in article:
9.6k
|
Reading time ≈
34
计算机网络-应用层总结应用层协议原理首先，我们要了解应用程序体系结构的概念。应用程序体系结构规定了如何在各种端系统上组织该应用程序。一般来说有两种体系结构：客户-服务器体系结构(client-server architecture)和对等(P2P)体系结构。
Client-server archit
...
计算机网络第一章总结
Posted on
Words count in article:
2.5k
|
Reading time ≈
8
网络核心学习博客： https://www.zhihu.com/column/p/44316491
所谓交换，就是指服务器与服务器之间的数据交换。我们介绍分组交换和电路交换
电路交换假设A要和E打个电话，那么当A输入E的电话号码，开始拨号之后，那么服务器要做的第一件事就是根据E的电话号码找到E在哪里
...
大数定律与中心极限定理
Posted on
Words count in article:
1.1k
|
Reading time ≈
4
随机变量序列的两种收敛性依概率收敛定义例子： 抛一个均匀的硬币，正面朝上和反面朝上的概率是相等的。我们把正面朝上的频率记为 $v_n=S_n/n$，其中$S_n$为正面朝上出现的次数，n为抛硬币的总次数，那么当把硬币一直抛下去，我们会发现频率序列 ${v_n}$ 会出现两个现象：
频率$v_n$
...
UDPping程序
Posted on
Words count in article:
1.7k
|
Reading time ≈
7
UDPping程序要求：在这个编程作业中，你将用 Java 编写一个客户ping程序。该客户将发送一个简单的ping报文，接收一个从服务器返回的对应pong报文，并确定从该客户发送ping报文到接收到pong报文为止的时延。 该时延称为往返时延（RTT）。由该客户和服务器提供的功能类似于在现代操作系
...
计算机网络实验报告Exp8
Posted on
Words count in article:
1.7k
|
Reading time ≈
6
Exp8: UDP报⽂分析⼀、实验⽬的了解 UDP 协议的⼯作原理
⼆、实验任务使⽤Wireshark快速了解UDP协议
三、实验过程3.1 UDP 协议⽤户数据报(UDP)协议是运输层提供的⼀种最低限度的复⽤/分解服务，可以在⽹络层和正确的⽤户即进程间传输数据。UDP 是⼀种不提供不必要服务的轻量
...
计算机网络报告7
Posted on
Words count in article:
2.8k
|
Reading time ≈
12
Exp7：基于TCP的Socket编程⼀、实验⽬的学习使⽤Stream Socket（包括ServerSocket和Socket）
了解粘包概念
⼆、实验任务使⽤Socket和ServerSocket编写代码
解决粘包问题
三、实验过程3.1 基础知识3.1.1 Socket和ServerSocke
...
os-Project2
Posted on
Words count in article:
3.5k
|
Reading time ≈
14
Project2 进程调度实验要求在MINIX3中实现 Earlist-Deadline-First 近似实时调度功能：
提供设置进程执行期限的系统调度 chrt(long deadline) ,用于将调用该系统调用的进程设为实时进程，其执行的期限为：从调用处开始deadline秒。例如：
12
...
多维随机变量3.4-3.5
Posted on
Words count in article:
996
|
Reading time ≈
4
多维随机变量的特征数多维随机变量函数的数学期望当 $y=g(x_1)$ 的时候，我们由第二章的公式可以得出
E(Y)=\begin{cases}\sum_{x_i}g(x_i)P(X=x_i) ~~在离散情况下 \\ \\ \int_{-\infty}^{\infty} g(x) p(x) dx
...