（好像学到了什么不得了且没用的东西） 定积分 表示函数$f(x)$在区间$[a,b]$上积分和的极限，记作$$\int_{a}^{b}f(x)dx$$通俗地讲，就是该段函数与$x$轴围成的面积 计算方法一： 分割区间$$\int_{a}^{b}f(x)dx=\lim_{n ...

一、辛普森公式（二次函数积分公式）： 用途：求一个积分的近似值 拓展用途：由于积分的几何意义是函数图像和x轴所围成的图形的面积，因此常用于在计算几何中计算面积 tips1：这里的f(x)可以是任意一个函数。 tips2：但自适应辛普森法只能用于定义域连续不中断的函数（注意是定义域连续不中断即可 ...

一图胜千言。 自适应辛普森模板： 复合辛普森模板： 参考:https://blog.csdn.net/tengweitw/article/details/43311685 例题1：HDU 1724 Ellipse 代码 ...

这两天看了看辛普森积分，觉得这是很好的骗分工具，正好也比较简单，就随便写一写。这个东西对于三次以下的函数是正确的，但是对于三次以上的函数我们可以将其近似为低次函数套用Simpson公式，这个东西学名好像叫自适应Simpson积分。 先附上公式。 算法的大概流程就是不断的递归求对应区间的积分 ...

的方法，于是就有了辛普森积分法。 普通辛普森法 辛普森法的基本思想是将求解区间分成若干段，每一段都使用 ...

为什么学习距离度量？ 在机器学习中，对高维数据进行降维的主要目的是希望找到一个合适的低维空间，在此空间中进行学习能比原始空间性能更好．事实上，每个空间对应了在样本属性上定义的一个距离度量，而寻找合适的空间，实质上就是在寻找一个合适的距离度量．那么，为何不直接尝试“ 学习” 出一个合适的距离度量 ...

论文题目：《Transfer Adaptation Learning: A Decade Survey》 论文作者：Lei Zhang 论文链接：http://cn.arxiv.org/pdf/1 ...

近来学了这个知识，似乎没有想象中的那么难。 问题： 　　 已知$f(x)$, 求定积分$$\int_{L}^{R}f(x)dx$$ simpson公式： 　　 设$f(x)\approx g(x)=Ax^2+Bx+C$ 　　则有$$\int_{l}^{r}f(x)dx ...