目录摘要其他布局的package简介算法块简单的一行注释标签和引用分解较长的算法同一文档中使用多布局结构化语法for语句块while循环repeat语句 if语句块procedure语句块function语句块loop语句块 输入输出语句包选项 给变量另起名字示例一份完整的伪代码拆分算法的例子 混合编排References前排提醒： 有基础且自学很快的同学请跳转至示例与结构化语法这两部分!mlgb，搜了一圈没啥看一眼就能用的伪代码文章。有的故事将一大堆，有的各种环境或者语法问题。自己翻译一个以后还能照着看。algorithmic、algorithm2e与algorithmicx的故事渊源
目录摘要其他布局的package简介算法块简单的一行注释标签和引用分解较长的算法同一文档中使用多布局结构化语法for语句块while循环repeat语句 if语句块procedure语句块function语句块loop语句块 输入输出语句包选项 给变量另起名字示例一份完整的伪代码拆分算法的例子 混合编排References前排提醒： 有基础且自学很快的同学请跳转至示例与结构化语法这两部分!mlgb，搜了一圈没啥看一眼就能用的伪代码文章。有的故事将一大堆，有的各种环境或者语法问题。自己翻译一个以后还能照着看。algorithmic、algorithm2e与algorithmicx的故事渊源
在Latex论文写作中，页眉设置时常让人头皮发麻，于是我通过收集整理以及自的方法整理出一下三种情况：1设置普通页眉：\documentclass{ctexart}\usepackage{fancyhdr}\pagestyle{fancy}%清除原页眉页脚样式\fancyhf{} %R：页面右边%L：页面左边%C：页面中间\fancyhead[L]{\leftmark}%\leftmark：表示“一级标题”\fancyhead[C]{\rightmark}%\rightmark：表示“二级标题”\fancyhead[R]{\thepage}%\thepage:表示“页码” 2设置奇偶页不同的页眉
在Latex论文写作中，页眉设置时常让人头皮发麻，于是我通过收集整理以及自的方法整理出一下三种情况：1设置普通页眉：\documentclass{ctexart}\usepackage{fancyhdr}\pagestyle{fancy}%清除原页眉页脚样式\fancyhf{} %R：页面右边%L：页面左边%C：页面中间\fancyhead[L]{\leftmark}%\leftmark：表示“一级标题”\fancyhead[C]{\rightmark}%\rightmark：表示“二级标题”\fancyhead[R]{\thepage}%\thepage:表示“页码” 2设置奇偶页不同的页眉
AOE网络的基本概念上一节介绍了活动网络AOV网络的相关内容，这一节将进一步介绍另一种活动网络AOE网络。如果对于有向无环图(DAG)，用有向边表示一个工程的各项活动（activity）,边上的权值表示活动的持续时间（duration）,用顶点表示事件（event），那么这种DAG被称为边表示活动的网络（ActivityOnEdges）,简称AOE网络。图1如图所示为一个AOE网络，可以看到有11项活动，有9个事件。事件发生表示之前的活动都已经完成，例如发生表示和已完成，和可以开始。每条边的权重表示对应活动的持续时间。工程开始之后，可以并行执行，而发生后，也可以并行执行。对于AOE网络，其有两
AOE网络的基本概念上一节介绍了活动网络AOV网络的相关内容，这一节将进一步介绍另一种活动网络AOE网络。如果对于有向无环图(DAG)，用有向边表示一个工程的各项活动（activity）,边上的权值表示活动的持续时间（duration）,用顶点表示事件（event），那么这种DAG被称为边表示活动的网络（ActivityOnEdges）,简称AOE网络。图1如图所示为一个AOE网络，可以看到有11项活动，有9个事件。事件发生表示之前的活动都已经完成，例如发生表示和已完成，和可以开始。每条边的权重表示对应活动的持续时间。工程开始之后，可以并行执行，而发生后，也可以并行执行。对于AOE网络，其有两
在学习SAR成像相关算法之前，首先要掌握信号处理相关基础算法。比如传统算法中的傅里叶变换、匹配滤波、线性调频信号去斜处理；还有新兴算法中涉及的分数阶傅里叶变换、压缩感知、最优化理论等。（1）傅里叶变换与卷积傅立叶变换是一种分析信号的方法，它可分析信号的成分（参考傅里叶级数分解，如下图），也可用这些成分合成信号。在不同的领域中，傅里叶的有不同的表达形式。通俗的将傅里叶变化是将时域信号变换到它所对应的频域。其变换关系为：在SAR成像中，通常使用的是快速傅里叶变换FFT，FFT是离散傅氏变换（DFT）的快速算法。它是根据离散傅里叶变换的奇、偶、虚、实等特性，对离散傅立叶变换的算法进行改进获得的。DF
在学习SAR成像相关算法之前，首先要掌握信号处理相关基础算法。比如传统算法中的傅里叶变换、匹配滤波、线性调频信号去斜处理；还有新兴算法中涉及的分数阶傅里叶变换、压缩感知、最优化理论等。（1）傅里叶变换与卷积傅立叶变换是一种分析信号的方法，它可分析信号的成分（参考傅里叶级数分解，如下图），也可用这些成分合成信号。在不同的领域中，傅里叶的有不同的表达形式。通俗的将傅里叶变化是将时域信号变换到它所对应的频域。其变换关系为：在SAR成像中，通常使用的是快速傅里叶变换FFT，FFT是离散傅氏变换（DFT）的快速算法。它是根据离散傅里叶变换的奇、偶、虚、实等特性，对离散傅立叶变换的算法进行改进获得的。DF
目录1 偏最小二乘的意义2PLS实现步骤3 弄懂PLS要回答的问题4 PLS的原理分析4.1自变量和因变量的主成分求解原理4.1.1 确定目标函数4.1.2投影轴w1和v1的求解4.2 求解回归系数5 第3章问题解答5.1PCA原理5.2 为什么要对X、Y标准化？5.3 如何求自变量和因变量的第一主成分5.4为什么要计算残差矩阵？为什么要不停地用残差矩阵替换原来的自变量和因变量；5.5为什么要进行交叉性检验？6PLS代码实现——Python1 偏最小二乘的意义回归是研究因变量对自变量的依赖关系的一种统计分析方法，目的是通过自变量的给定值来估计或预测因变
目录1 偏最小二乘的意义2PLS实现步骤3 弄懂PLS要回答的问题4 PLS的原理分析4.1自变量和因变量的主成分求解原理4.1.1 确定目标函数4.1.2投影轴w1和v1的求解4.2 求解回归系数5 第3章问题解答5.1PCA原理5.2 为什么要对X、Y标准化？5.3 如何求自变量和因变量的第一主成分5.4为什么要计算残差矩阵？为什么要不停地用残差矩阵替换原来的自变量和因变量；5.5为什么要进行交叉性检验？6PLS代码实现——Python1 偏最小二乘的意义回归是研究因变量对自变量的依赖关系的一种统计分析方法，目的是通过自变量的给定值来估计或预测因变
