1、雜湊演算法又叫雜湊演算法，是將任意長度的二進位制值對映為較短的固定長度的二進位制值，這個小的二進位制值稱為雜湊值。它的原理其實很簡單，就是把一段交易資訊轉換成一個固定長度的字串。MD5和SHA-1可以說是應用最廣泛的Hash演算法，而它們都是以MD4為基礎設計的。
2、這串字串具有一些特點：
（1）資訊相同，字串也相同。
（2）資訊相似不會影響字串相同。
（3）可以生成無數的資訊，但是字串的種類是一定的，所以是不可逆的。
1、雜湊演算法又叫雜湊演算法，是將任意長度的二進位制值對映為較短的固定長度的二進位制值，這個小的二進位制值稱為雜湊值。它的原理其實很簡單，就是把一段交易資訊轉換成一個固定長度的字串。MD5和SHA-1可以說是應用最廣泛的Hash演算法，而它們都是以MD4為基礎設計的。
2、這串字串具有一些特點：
（1）資訊相同，字串也相同。
（2）資訊相似不會影響字串相同。
（3）可以生成無數的資訊，但是字串的種類是一定的，所以是不可逆的。
1、雜湊演算法又叫雜湊演算法，是將任意長度的二進位制值對映為較短的固定長度的二進位制值，這個小的二進位制值稱為雜湊值。它的原理其實很簡單，就是把一段交易資訊轉換成一個固定長度的字串。MD5和SHA-1可以說是應用最廣泛的Hash演算法，而它們都是以MD4為基礎設計的。
2、這串字串具有一些特點：
（1）資訊相同，字串也相同。
（2）資訊相似不會影響字串相同。
（3）可以生成無數的資訊，但是字串的種類是一定的，所以是不可逆的。
在統計計算中，最大期望（EM）演算法是在機率（probabilistic）模型中尋找引數最大似然估計或者最大後驗估計的演算法，其中機率模型依賴於無法觀測的隱藏變數（LatentVariable）。最大期望經常用在機器學習和計算機視覺的資料聚類（DataClustering）領域。
最大期望演算法經過兩個步驟交替進行計算。
第一步是計算期望（E），利用對隱藏變數的現有估計值，計算其最大似然估計值。
第二步是最大化（M），最大化在E步上求得的最大似然值來計算引數的值。
M步上找到的引數估計值被用於下一個E步計算中，這個過程不斷交替進行。