0%

发表于 更新于 分类于 阅读次数：
本文字数： 1.4k 阅读时长 ≈ 1 分钟

2018年11月15日 下午1:40

核心知识点：

  1. TCP连接释放
  2. TCP拥塞控制算法（纸质笔记里有）

《TCP/IP详解》读书笔记 - 淘帖 - 即时通讯开发者社区!

TCP 协议简介 - 阮一峰的网络日志

  1. 强化了认识：每一个数据包都带有下一个数据包的编号
  2. 这个编号在tcp中起到了很关键的作用
    1. 比如说：tcp是按字节进行传输的

TCP-IP详解：滑动窗口（Sliding Window） - 深邃 精致 内涵 坚持 - CSDN博客

  1. TCP的滑动窗口和AQR的滑动窗口原理不同

TCP/IP、Http、Socket的区别? - 知乎

  1. 规定好的协议总要操作系统实现了才能使用，而socket就是操作系统实现的
  2. socket、bind、listen、accept、connect一系列都是操作系统提供的接口用于实现tcp协议相关的功能

通俗大白话来理解TCP协议的三次握手和四次分手 · Issue #14 · jawil/blog · GitHub

  1. HTTP连接
    1. 由于HTTP在每次请求结束后都会主动释放连接，因此HTTP连接是一种“短连接”
  2. 套接字（socket）概念
    1. 为了区别不同的应用程序在同一个端口的进程和连接，许多计算机操作系统为应用程序与TCP／IP协议交互提供了套接字(Socket)接口。
    2. 应用层可以和传输层通过Socket接口，区分来自不同应用程序进程或网络连接的通信，实现数据传输的并发服务。
  3. 创建Socket连接时，可以指定使用的传输层协议，Socket可以支持不同的传输层协议（TCP或UDP）
  4. 为什么要三次握手？
    1. 防止了服务器端的一直等待而浪费资源。
  5. 为什么要四次分手？：
    1. 其实就是说的就是四次分手的过程，双方都是各自发送和接受，2*2=4
    2. 如果服务端没有发送完成Fin并接受client的ack之前，服务端都是可以接受client的数据的。
  6. 关键字：
    1. Sequence Number:用来标识从TCP发端向TCP收端发送的数据字节流，它表示在这个报文段中的的第一个数据字节在数据流中的序号；主要用来解决网络报乱序的问题；
    2. Acknowledgment Number:32位确认序列号包含发送确认的一端所期望收到的下一个序号，因此，确认序号应当是上次已成功收到数据字节序号加1。不过，只有当标志位中的ACK标志（下面介绍）为1时该确认序列号的字段才有效。主要用来解决不丢包的问题；
    3. ACK ： TCP协议规定，只有ACK=1时有效，也规定连接建立后所有发送的报文的ACK必须为1
    4. SYN(SYNchronization) ： 在连接建立时用来同步序号。当SYN=1而ACK=0时，表明这是一个连接请求报文。对方若同意建立连接，则应在响应报文中使SYN=1和ACK=1. 因此, SYN置1就表示这是一个连接请求或连接接受报文。
    5. FIN （finis）即完，终结的意思， 用来释放一个连接。当 FIN = 1 时，表明此报文段的发送方的数据已经发送完毕，并要求释放连接。

【Unix 网络编程】TCP状态转换图详解_TCP_wenqian ‘blog-CSDN博客

UDP协议详解 - 渴望，就奋力追寻… - CSDN博客

  1. 面向报文
    1. 发送方的UDP对应用程序交下来的报文，在添加首部后就向下交付给IP层。既不拆分，也不合并，而是保留这些报文的边界，因此，应用程序需要选择合适的报文大小。

《TCP/IP详解》学习笔记（六）：UDP 协议-网络编程/专项技术区 - 即时通讯开发者社区!

发表于 更新于 分类于 阅读次数：
本文字数： 776 阅读时长 ≈ 1 分钟

2018年11月5日 下午9:36

核心知识点：

  1. ip地址的发展，从abcd->子网id->超网

还没有阅读

  1. 子网划分详解与子网划分实例精析 - 逃离地球的小小呆 - CSDN博客
  2. CIDR地址块及其子网划分（内含原始IP地址分类及其子网划分的介绍） - 君临天下的博客 - CSDN博客
  3. TCP sliding window—其他—视频高清在线观看-优酷

题目：

  1. 路由汇聚的计算方式 - 冷血之心的博客 - CSDN博客
  2. CIDR的IP地址与可分配的IP地址辨析 - Bing’s Blog - CSDN博客

网络层连接的是“网络”-不是主机

无类域间路由（CIDR） - 简书

MPLS与LDP从入门到了解 - luoxn28 - 博客园
MPLS 工作原理 - Walter的专栏 - CSDN博客

什么是 Autonomous System Number（自治系统号），这个东西怎么玩？ - 知乎
自治系统（Autonomous System），用通俗的语言来形容，就是一个互联网的独立王国，这一个个独立王国互联起来，就组成了互联网（Internet）

一个动画看懂网络原理之RIP协议的路由表的建立过程（网络篇）_【快资讯】
核心：站在路由器的角度，是靠发过来的网路信息来更新自己的路由信息。并不是主动的请求！

详解超网技术（路由聚合技术） - 逃离地球的小小呆 - CSDN博客

  1. 子网划分是为了让我们拥有更小的网络，每个网络的主机数可以放得少一些。超网则是让我们把这些单块儿的小网络聚合，让一个网段儿能放更多的主机数。

《TCP/IP详解》学习笔记（七）：广播和多播、IGMP协议-网络编程/专项技术区 - 即时通讯开发者社区!

2. 还有几个实际的例子

局域网,广域网,因特网之间的区别和联系? - 知乎

  1. 各种ip可以找到那些范围内的主机
    1. Global_IP ：局域网路由域+ 广域网路由域+互联网路由域
    2. WAN_IP：局域网路由域+ 广域网路由域
    3. LAN_IP：局域网路由域

发表于 更新于 分类于 阅读次数：
本文字数： 161 阅读时长 ≈ 1 分钟

2018年10月24日 下午4:10

  1. 带宽
  2. CDMA

计算机网络（一）带宽 - forget406 - 博客园
两种带宽的表述中，单位使用Hz的是从频域上理解的；而单位使用b/s的是从时域上理解的

CDMA经典例题_明如果明如果明如果_新浪博客
CDMA的通俗讲解：为了信道可以复用之后，可以利用地址码来区分不同的信号从此，懂一点CDMA - 知乎

发表于 更新于 分类于 阅读次数：
本文字数： 569 阅读时长 ≈ 1 分钟

2018年10月24日 下午3:35

核心知识点：

  1. ARQ
  2. 多路访问协议

数据链路层三个问题—封装成帧、透明传输、差错检查 - hj605635529的博客 - CSDN博客
网规复习笔记————(CSMA/CD)的最小帧长计算 - smstong的成长轨迹 - CSDN博客

  1. PPP
  2. ALOHA

ALOHA协议 - 加载中… - CSDN博客

  1. 分槽Aloha不稳定性分析
  2. 这个其实就是一个讲述了ALOHA协议所描述的过程，进行数学建模的过程。
  3. 在建模的过程中，先定义了这几个变量
  4. 再引入概率的知识：一个帧时内生成k个帧的概率服从泊松分布
  5. 最终的目标：求得信道的吞吐率S

计算机与网络知识: 考点解析及模拟训练 - 李晓辉, 许长伟 - Google 图书

数据链路层采用选择重传协议（SR）传输数据，发送方已发送了 0～3 号数据帧，现已收到 1 号帧的确认，而 0、 2 号帧依次超时，则此时需要重传的帧数是（ ）。_牛客网

数据链路层中MAC子层和LLC子层的功能分析 - shineHoo的专栏 - CSDN博客

  1. LLC子层负责向其上层提供服务；
  2. MAC子层
    1. 在MAC子层的诸多功能中，非常重要的一项功能是仲裁介质的使用权，即规定站点何时可以使用通信介质
    2. MAC子层的存在屏蔽了不同物理链路种类的差异性
  3. 只有局域网内链路层分成两个子层

CSMA/CA协议的原理及相关技术 - cm_cyj_1116的博客 - CSDN博客

  1. 隐蔽终端问题
  2. 暴露终端问题

发表于 更新于 分类于 阅读次数：
本文字数： 669 阅读时长 ≈ 1 分钟

2018年10月24日 下午3:18

2019年3月28日 下午2:20
背会一个例子就理解了

2018年10月24日 下午2:05
面向对象语言中的HAS-A，IS-A术语 - 码客
这是面向对象的编程和UML术语，而不是特定于Java的。

第一种例子解释方式：房子

实际上有三种情况你应该注意：

  1. House房子是建筑物(继承);
  2. A House有一个房间(组成);
  3. A House有一个占用者(聚合)。
    (2)和(3)之间的区别是微妙但重要的区分。它们一起是结社的形式。

有什么不同？

  1. 组合，意味着 子对象不能在父级的上下文之外生活 (破坏房屋和房间消失)，
  2. 聚合，意味着 子元素可以独立存在 (破坏房屋并且占用者去其他地方)。

第二种例子解释方式：车

  1. 名字字几乎意味着所有。
  2. 可以将IS-A类视为对继承其所有属性的另一个类的实例的专用引用。
    1. 如果存在名为Vehicle的类。然后任何类型的车辆都可以继承这个超类的属性。
    2. 例如，警车将继承车辆的所有属性，因为它是后者的专业化。
  3. 另一方面，HAS-A类具有对另一个类的引用或另一个类的实例。
    1. 换句话说，它与另一个类共享一个关联。
    2. 有两种类型的HAS-A类，
      1. 聚合，意味着该类可以独立存在
      2. 组合，意味着该类只能与它共享一个关联的一侧存在。
    3. 重要的是要知道何时将对象分类为组合类或简单地将其分类为另一个类的属性。
    4. 再次使用Vehicle类，Driver类将被视为聚合，因为即使Vehicle类不再存在，Driver类也可以作为独立实体存在。
    5. 如果Vehicle类不存在则Engine类不存在，因为Engine不能存在于Vehicle范围之外。Engine类视为组合。

发表于 更新于 分类于 阅读次数：
本文字数： 244 阅读时长 ≈ 1 分钟

2018年10月24日 下午3:05

对于随机森林的通俗理解 - xf__mao的博客 - CSDN博客

这篇文章回答了 分类算法之决策树中提到的问题：如果某个特征下的值是连续的，那么我们如果选择合适的特征？

  1. 这篇文章中的“决策树生成”过程说明，说的就是连续值的情况。
  2. 也就是先选择分割点，根据分割点的所属特征，然后在选择特征。

特征数!=节点数

  1. “决策树的缺陷”中举的例子，虽然数据只有两个特征，但是决策树的节点却选择了四个，也就是说 特征数!=节点数
  2. 这是因为：一个特征下，Gini最小的点不止一个。

随机森林过程

发表于 更新于 分类于 阅读次数：
本文字数： 291 阅读时长 ≈ 1 分钟

2018年10月19日 下午11:42

  1. 所站的角度：三维空间之后，摆放着一个个的点
  2. 本质：让点云，从无序变->序状态，点云->平面->边界->模型就是这样
  3. 主要的两种数据：
    1. 无序点云
    2. 拓扑结构网格
  4. 流程上的创新：
    1. 不要分步骤去理解，尽量的忽略步骤之间的前后关系。站在点云的角度，无序的点云我可以随意的处理。只要是大的方向是从无序->有序就行。处理的结果，我可以用来孔洞的修复、配准、重建，而完成这些以后的结果，也可以继续作为中间结果。如果要是理解步骤是死的，那么说明自己还是没有理解。
    2. 本质上来说，对点云的处理，就是让点云多多少少而已，::他还是个点云::
  5. 算法上的改进：

发表于 更新于 分类于 阅读次数：
本文字数： 1.3k 阅读时长 ≈ 1 分钟

2018年10月13日 下午6:48

主要：
详解最大似然估计（MLE）、最大后验概率估计（MAP），以及贝叶斯公式的理解 - nebulaf91的博客 - CSDN博客
次要：
基础：常见的参数估计方法 - 简书

  1. ::概率和统计是一个东西吗？::
    1. 一句话总结：概率是已知模型和参数，推数据。统计是已知数据，推模型和参数。
    2. MLE和MAP都是统计领域的问题。它们都是用来推测参数的方法
  2. ::贝叶斯公式到底在说什么？::
    1. 贝叶斯公式就是在描述，你有多大把握能相信一件证据？（how much you can trust the evidence）
    2. 从这个角度总结贝叶斯公式：做判断的时候，要考虑所有的因素。
    3. 从这个角度思考贝叶斯公式：一个本来就难以发生的事情，就算出现某个证据和他强烈相关，也要谨慎。证据很可能来自别的虽然不是很相关，但发生概率较高的事情
  3. ::似然函数和概率函数的区别？::
    1. 对于这个函数：
      1. P(x|θ)
      2. 输入有两个：x表示某一个具体的数据；θ表示模型的参数。
    2. 如果θ是已知确定的，x是变量，这个函数叫做概率函数(probability function)，它描述对于不同的样本点x，其出现概率是多少。
    3. 如果x是已知确定的，θ是变量，这个函数叫做似然函数(likelihood function), 它描述对于不同的模型参数，出现x这个样本点的概率是多少。
  4. ::最大似然估计（MLE）::
    1. 具体问题：
      1. 假设有一个造币厂生产某种硬币，现在我们拿到了一枚这种硬币，想试试这硬币是不是均匀的。即想知道抛这枚硬币，正反面出现的概率（记为θ）各是多少？
    2. 抽象问题：
      1. 在二项分布中，事件发生的概率p是多少。这里的p就等价于θ，是问在似然函数中，θ是多少？
    3. 思路：
      1. 这是一个统计问题，回想一下，解决统计问题需要什么？ 数据！
      2. 当这个二项函数，数据填入之后就变成了一个，未知量为θ的函数
      3. 最大似然法认为：当前出现的样本正好对应着总体中概率最大的那个事件；
        1. 因为，总体中概率最大的事件实际出现（即被抽样选中）的概率是最大的。
        2. 这时这个函数就有了一个等式，就可以求出未知量为θ了
      4. 总结：因此，最大似然参数求解的核心思想就是构造当前样本出现的联合概率函数，对其求偏导，让当前样本的概率最大的就是模型参数。
  5. ::最大后验概率估计MAP::
    1. 求解推导1：
      1. 最大似然估计是求参数θ, 使似然函数P(x0|θ)最大。
      2. 最大后验概率估计则是想求θ使P(x0|θ)P(θ)最大。
        1. 求得的θ不单单让似然函数大，θ自己出现的先验概率也得大。 （这有点像正则化里加惩罚项的思想，不过正则化里是利用加法，而MAP里是利用乘法）
      3. MAP其实是在最大化P(θ|x0)=P(x0|θ)P(θ)/P(x0)
    2. 求解推导2：
      1. 正如最大似然估计中假定x1,x2,x3,..每次独立抽样的概率模型相同，也就是θ不变，现在我们去掉这个假设，将问题复杂化。
      2. 假如x1,x2,x3,..每次独立抽样的概率模型中的参数θ不是一个固定值，而是一个符合g(θ)概率分布（先验概率）的随机变量。这时，我们就需要用到最大后验估计。
    3. 为啥使用了先验分布，可以将结果拉向更加正确的位置？
      1. MLE求出来是估计的，而g(θ)是咱们自己的生活经验。其实有时候生活经验也很重要，但是却没有理论的支撑。这次就像是要把理论和经验结合起来。
      2. 举个例子：