分量 算法 笔记tarjan
算法分析与设计 第八次理论作业
算法分析与设计 第八次理论作业 目录算法分析与设计 第八次理论作业一. 单选题（共1题，10分）二. 填空题（共3题，30分）三. 判断题（共3题，30分）四. 简答题（共1题，30分） 一. 单选题（共1题，10分） (单选题, 10分) 关于装载问题，以下叙述不正确的是（）。 A. 装载问题是一 ......
vue学习笔记2024
《Vue.js从入门到项目实战》 孙鑫v-bind用于响应式地更新HTML属性，v-on用于监听DOM事件,变量需要引号引起来v-if是彻底没有v-的命令需要把变量用引号引起来，插值{{}}则不需要v-if和v-for在同一个元素上使用时，v-if优先级高于v-for，意味着v-if不能访问v-fo ......
算法分析与设计 第七次理论作业
算法分析与设计 第七次理论作业 目录算法分析与设计 第七次理论作业一. 单选题（共2题，20分）二. 填空题（共8题，80分） 一. 单选题（共2题，20分） (单选题) 回溯法在搜索解空间树时所采取的策略是（ ）。 A. 广度优先加剪枝 B. 活结点优先 C. 深度优先加剪枝 D. 优先级高的结点 ......
算法分析与设计 第六次理论作业
算法分析与设计 第六次理论作业 目录算法分析与设计 第六次理论作业一. 单选题（共4题，50分）二. 填空题（共3题，37.5分）三. 简答题（共1题，12.5分） 一. 单选题（共4题，50分） (单选题) 关于哈夫曼算法的正确性，以下叙述中正确的是（ ）。 A.最优前缀码问题只满足贪心选择性质， ......
小傅哥设计模式学习笔记
小傅哥网站：https://bugstack.cn/md/develop/design-pattern/2020-06-11-%E9%87%8D%E5%AD%A6%20Java%20%E8%AE%BE%E8%AE%A1%E6%A8%A1%E5%BC%8F%E3%80%8A%E5%AE%9E%E6%8 ......
算法分析与设计 第五次理论作业
算法分析与设计 第五次理论作业 一. 单选题（共5题，50分） (单选题) 贪心算法的基本要素是（ ）。 A.最优子结构性质与贪心选择性质 B.重叠子问题性质与贪心选择性质 C.最优子结构性质与重叠子问题性质 D.最优子结构性质和递归性质 正确答案: A:最优子结构性质与贪心选择性质; (单选题) ......
视频汇聚平台V4一体机视频算法分析平台消防通道异物堵塞算法检测预警
随着城市化进程的加速，高层建筑如雨后春笋般崛起。然而，这也带来了一系列的安全问题，其中消防通道的畅通无阻是至关重要的。一旦发生火灾，消防通道的畅通与否直接关系到人们的生命安全。因此，如何有效地检测和预警消防通道的异物堵塞问题，成为了一个亟待解决的问题。为此，我们推出了V4一体机视频汇聚算法分析预警平 ......
day07 代码随想录算法训练营 383. 赎金信
题目：383. 赎金信 我的感悟： 我自己独立做出来了。 理解难点： so easy 代码难点： 扩展理解defaultdic， 定义的时候 hashmap = defaultdict(int) hashmap拿到一个不存在的值的时候会设置为0 int可以省略吗？ 不可以，int是工厂函数。用于设置 ......
day07 代码随想录算法训练营 454. 四数相加 II
题目：454. 四数相加 II 我的感悟： 把握题意：这道题目是四个独立的数组，只要找到A[i] + B[j] + C[k] + D[l] = 0就可以 有点像上学那会，提醒自己要注意题意。审题很关键。审题的要点是要明白题目说什么。 理解难点： 为什么可以只遍历AB和CD，不遍历AC和BD？ 都可以 ......
简易机器学习笔记（七）计算机视觉基础 - 常用卷积核和简单的图片的处理
前言 这里实际上涉及到了挺多有关有关理论的东西，可以详细看一下paddle的官方文档。不过我这里不过多的谈有关理论的东西。 【低层视觉】低层视觉中常见的卷积核汇总 图像处理中常用的卷积核 在代码中，我们实际上是用不同的卷积核来造成不同的影响，我这里也是paddle中对于卷积核的几个比较简单的应用。 ......
云计算技术与应用 之 实验六-分布式文件系统算法—MapReduce
实验六-分布式文件系统算法—MapReduce 一、实验目的 掌握 MapReduce 算法的设计与实现。 二、实验原理和内容 1.原理： MapReduce 的核心思想是“分而治之”，也就是把一个大的数据集拆分成多 个小数据集在多台机器上并行处理。 一个大的 MapReduce 作业，首先会被拆分 ......
基于OFDM通信系统的PAPR抑制算法matlab仿真,对比IPTS,OPTS,CEPTS三种算法
1.算法运行效果图预览 2.算法运行软件版本 matlab2022a 3.算法理论概述 基于OFDM通信系统的PAPR抑制算法是降低OFDM信号峰均比（Peak-to-Average Power Ratio，PAPR）的技术，以提高通信系统的性能和稳定性。其中，IPTS（选择性映射迭代削峰）、OPT ......
基于FPGA的图像拼接算法实现,包括tb测试文件和MATLAB辅助验证
1.算法运行效果图预览 将FPGA的拼接结果导入到matlab，显示结果如下： 2.算法运行软件版本 vivado2019.2 matlab2022a 3.算法理论概述 3.1 理论概述 基于FPGA的图像拼接算法实现是一种利用FPGA硬件平台对图像进行拼接处理的方法。基于FPGA的图像拼接算法实现 ......
DSU on tree 学习笔记
DSU on tree 通常用来解决不带修树上子树问题。 主要思想： 剖分。 先搜轻儿子，记录轻儿子子树的答案，删去轻儿子的贡献。 搜重儿子，记录重儿子子树的答案，保留重儿子的贡献。 回溯，重新搜轻儿子，把轻儿子子树的贡献加上，构成本子树的答案。 CF600E Lomsat gelral #incl ......
ARC 做题笔记
ARC157 A. XXYYX 观察一些性质。注意到 \(\texttt{XY}\) 和 \(\texttt{YX}\) 会产生当且仅当 \(\texttt{X}\) 和 \(\texttt{Y}\) 的连续段交错，因此 \(|b-c|=1\)。然后特判掉 \(a\neq 0,b=0,c=0,d\n ......
图像算法（伽马变换）
伽马变换（Gamma Correction）是一种常用于图像处理的非线性变换方法，用于调整图像的亮度。伽马变换的主要目的是对图像的像素值进行幂函数变换，以改变图像的对比度和亮度。 伽马变换的数学表达式为： \(I_{(out)}(x,y)=I_{in}(x,y)^{\gamma}\) 其中： \(I ......
DNS笔记
域名 因为访问网站时，很难记住对应网站的IP地址，所以使用域名来代替IP地址，使用户更加方便的访问网站。 DNS服务器的作用就是将IP地址与域名进行映射，使用户可通过域名得到到对应的IP，然后进行访问。 域名从右到左依次为顶级域名（一级域名）、二级域名、三级域名、四级域名、等等(通常域名层级不超过三 ......
Python笔记
学习Python时做的笔记，主要参考： B站小飞有点东西：https://space.bilibili.com/1803865534 董付国老师的《Python程序设计》教材 第一章、Python概述 1.1 扩展库安装方法（了解即可） 使用pip命令安装扩展库。 在cmd命令行中输入pip，回车后 ......
Liunx笔记
这篇笔记我是在学习Linux过程中的笔记，参考自： B站韩顺平老师的课程Linux 黑马程序员的《Linux系统管理与自动化运维》教材 第一章 文件目录结构 一、基本介绍 Linux 的文件系统是采用级层式的树状目录结构，在此结构中的最上层是根目录“/ ”，然后在此目录下再创建其他的目录。 记住一句 ......
Qt+数据库学习笔记（一）WIN10+Qt5.15.2 MinGW 32-bit+MySQL5.7.44编译MySQL5.7驱动插件
前言： 因项目需要，需要使用Qt连接MySQL数据库。程序编写电脑上使用的是Win10 64位系统，程序运行电脑上使用的是Win7 32位系统。 一、下载及安装MySQL5.7 1、地址：MySQL官网 点击DOWNLOADS 2、点击MySQL Community(GPL) Downloads 3 ......
视频智能分析平台LntonAIServer视频汇聚平台烟火检测算法
随着科技的不断发展，人工智能技术在各个领域的应用越来越广泛。其中，视频智能分析平台的崛起为我们的生活带来了巨大的便利。今天，我们将介绍一款名为LntonAIServer的视频智能分析平台，以及它如何利用烟火检测算法为我们的安全保驾护航。 LntonAIServer视频智能分析平台是一款基于人工智能技 ......
转载：大模型所需 GPU 内存笔记
转载文章：大模型所需 GPU 内存笔记 引言 在运行大型模型时，不仅需要考虑计算能力，还需要关注所用内存和 GPU 的适配情况。这不仅影响 GPU 推理大型模型的能力，还决定了在训练集群中总可用的 GPU 内存，从而影响能够训练的模型规模。 大模型推理的内存计算只需考虑模型权重即可。 大模型训练的内 ......
基于遗传算法的风光发电互补Matlab仿真模型
down 资源文件列表 基于遗传算法的风光发电互补Matlab仿真模型/ceshi.m , 1500基于遗传算法的风光发电互补Matlab仿真模型/fun.m , 1496基于遗传算法的风光发电互补Matlab仿真模型/genetic/bs2rv.M , 3356基于遗传算法的风光发电互补Matla ......
【算法】【线性表】矩阵归零
1 题目 给定一个 m x n 的矩阵，如果一个元素为 0 ，则将其所在行和列的所有元素都设为 0 。请使用 原地 算法。 示例 1： 输入：matrix = [[1,1,1],[1,0,1],[1,1,1]] 输出：[[1,0,1],[0,0,0],[1,0,1]] 示例 2： 输入：matrix ......
一种新的基于平面的双激光雷达校准算法
一种新的基于平面的双激光雷达校准算法 摘要——移动车辆上使用多个激光雷达来呈现广阔的视野，以增强感知系统的性能。然而，多个激光雷达的精确校准是具有挑战性的，因为扫描点中的特征对应关系对于提供足够的约束是稀疏的。为了解决这个问题，现有的方法需要场景中固定的校准目标，或者完全依赖于额外的传感器。在本文中 ......
2023年10月份阅读笔记一
这篇文章是十月份第一篇阅读笔记，阅读书籍是《构建之法》 第一章 概论 在这一章中，作者为我们介绍了一些关于软件工程的基本知识。 ①软件=程序+软件工程：正是因为对软件开发活动（构建管理、源代码管理、软件设计、软件测试、项目管理）相关的内容的完成，才能完成把整个程序转化成为一个可用的软件的过程。 扩展 ......
简易机器学习笔记（六）不同优化算法器
前言 我们之前不是说了有关梯度下降公式的事嘛，就是那个 这样梯度下降公式涉及两个问题，一是梯度下降的策略，二是涉及到参数的选择，如果我们选择固定步长的时候，就会发现我们求的值一直在最小值左右震荡，很难选择到我们期望的值。 假设上图中，x0为我们期望的极小值，yB = xA - yA'xA的时候，xB ......
机器学习笔记（五）更换损失函数：交叉熵
前言 我们之前用的是均方差作为我们神经网络的损失函数评估值，但是我们对于结果，比如给定你一张应该是0的照片，它识别成了6，这个时候这个均方差表达了什么特别的含义吗？显然你识别成6并不代表它比识别成1的情况误差更大。 所以说我们需要一种全新的方式，基于概率的方案来对结果进行规范。也就是我们说的交叉熵损 ......
Python笔记二之多线程
本文首发于公众号：Hunter后端 原文链接：Python笔记二之多线程 这一篇笔记介绍一下在 Python 中使用多线程。 注意：以下的操作都是在 Python 3.8 版本中试验，不同版本可能有不同之处，需要注意。 本篇笔记目录如下： 概念 多线程的使用示例 daemon run() 线程对象的 ......