字符串处置上：lcs(最长人民子序列)，kmp（字符串匹配算法），繁杂题方案脑子+评释，类的配置，数据封装，多重嵌套解法。
图论算法上（目前涌现过的）：配置高效的毗邻表，dfs是底子，bfs（最优/短下场且各边权值为1），djs+Floyd（最短路途下场），欧拉通路/回路分辨，树的直径下场，tarjan（强联通份量下场），并查集（分辨能否连通），prim+kruskal（最小天生树下场），拓扑排序、动态方案底子没若何样涌现过。
图论算法上（目前涌现过的）：配置高效的毗邻表，dfs是底子，bfs（最优/短下场且各边权值为1），djs+Floyd（最短路途下场），欧拉通路/回路分辨，树的直径下场，tarjan（强联通份量下场），并查集（分辨能否连通），prim+kruskal（最小天生树下场），拓扑排序、动态方案底子没若何样涌现过。
2023/4/28 13:30:51
20KB
1
图像联系是盘算机视觉中的一个底子下场。
当然举行了多年的钻研，然则通用图像联系照常是一项极其具备挑战性的责任，由于联系实质上是不安妥的。
在不合的联系方案中，图论的联系方案在实际使用中具备多少个精采的特色。
它将图像元素显式地结组成数学上公平的结构，并使下场的表述愈加敏捷，盘算功能更高。
在本文中，咱们对于图像联系的图论方式举行了体系的视察，其中的下场是依据将图松散为多少个子图来建模的，以便每一个子图代表图像中有心义的感兴趣货物。
这些方式依据不合的标志分为五类：基于最小天生树的方式，具备资源函数的基于图割的方式，基于马尔可夫随机场模子的基于图割的方式，基于最短路途的方式以及其余不属于该方式的方式这些课程中的任何一个。
咱们为每一种方式种别提供了成果以及详尽的本领阐发。
定量评估是经由使用五个目的举行的-概率兰德（PR）指数，归一化概率兰德（NPR）指数，信息变更（VI），全局不合性倾向（GCE）以及界限位移倾向（BDE）-在某些代表性自动装置上以及交互式细分方式。
当然举行了多年的钻研，然则通用图像联系照常是一项极其具备挑战性的责任，由于联系实质上是不安妥的。
在不合的联系方案中，图论的联系方案在实际使用中具备多少个精采的特色。
它将图像元素显式地结组成数学上公平的结构，并使下场的表述愈加敏捷，盘算功能更高。
在本文中，咱们对于图像联系的图论方式举行了体系的视察，其中的下场是依据将图松散为多少个子图来建模的，以便每一个子图代表图像中有心义的感兴趣货物。
这些方式依据不合的标志分为五类：基于最小天生树的方式，具备资源函数的基于图割的方式，基于马尔可夫随机场模子的基于图割的方式，基于最短路途的方式以及其余不属于该方式的方式这些课程中的任何一个。
咱们为每一种方式种别提供了成果以及详尽的本领阐发。
定量评估是经由使用五个目的举行的-概率兰德（PR）指数，归一化概率兰德（NPR）指数，信息变更（VI），全局不合性倾向（GCE）以及界限位移倾向（BDE）-在某些代表性自动装置上以及交互式细分方式。
2023/4/28 6:52:36
2.92MB
1
此代码主若是对于数据集天生图，第一部份是天生数据的相关性矩阵图，第二部份是天生数据集的缺失图，第三部份是数据经由PCA从多维降为二维后使用聚类处置在二维层面上展现的散点图，第三部份是分类算法对于数据集的处置输入为分类准确率，分类算法搜罗随机森林，侈靡贝叶斯，遴选树，KNN，反对于向量机，以及神经收集。
以上皆为代码所能处置的成果。
假如你是需要对于数据集举行阐发需要图，这份代码就比力适宜。
以上皆为代码所能处置的成果。
假如你是需要对于数据集举行阐发需要图，这份代码就比力适宜。
2023/4/27 23:37:48
5KB
1
从某个体系中提取的，树莓派3b+无线网卡驱动，适用于的openwrt。
openwrt的树莓派3b+无线网卡驱动
openwrt的树莓派3b+无线网卡驱动
2023/4/27 17:30:30
366KB
1
家养智能下五子棋（基于博弈树极大极小值alpha-beta剪枝搜查算法），代码剖析链接拜望网址：https://blog.csdn.net/m0_38106923/article/details/93347117
2023/4/27 0:17:38
28KB
1
本文阐发了台湾某银行客户的守约收入情景，提出了基于数据开掘本领的料想客户守约大概性。
从迫害管理的角度来看，料想的守约概率的准确性能够用来对于可信的或者不可信的客户举行分类。
本文起首对于数据集举行了末了处置，将数据拆分为2000个熬炼集与1000个测试集。
每一个客户信息中有23个自变量，依据其各个因素的相关性举行了调解而后使用了5开掘方式，搜罗KNN,分类树，随机森林，Logistic回归，神经收集举行建模，比力这5种方式中守约概率的料想准确性。
其中神经收集的料想下场最佳，料想准确率抵达了83.3%；
其次，分类树（81.8%）以及随机森林（80.1%），而后是Logistic回归（78.3%）。
KNN的料想下场最不梦想（75.8%）。
关键词：诺言卡守约料想、数据分类、Logistic回归、分类树、KNN、神经收集、随机森林。
从迫害管理的角度来看，料想的守约概率的准确性能够用来对于可信的或者不可信的客户举行分类。
本文起首对于数据集举行了末了处置，将数据拆分为2000个熬炼集与1000个测试集。
每一个客户信息中有23个自变量，依据其各个因素的相关性举行了调解而后使用了5开掘方式，搜罗KNN,分类树，随机森林，Logistic回归，神经收集举行建模，比力这5种方式中守约概率的料想准确性。
其中神经收集的料想下场最佳，料想准确率抵达了83.3%；
其次，分类树（81.8%）以及随机森林（80.1%），而后是Logistic回归（78.3%）。
KNN的料想下场最不梦想（75.8%）。
关键词：诺言卡守约料想、数据分类、Logistic回归、分类树、KNN、神经收集、随机森林。
2023/4/26 23:56:21
1.25MB
1
详尽见blog：https://blog.csdn.net/koibiki/article/details/83052431
2023/4/26 15:22:44
4.72MB
1
一种C语言字典树建树以及搜查的示例，能够建树一种岂论削减若干单词，搜查速率照常=该语言字母数*单词长度的功能的存储结构。
一个demo
一个demo
2023/4/24 21:03:02
83KB
1
在日常工作中，钉钉打卡成了我生活中不可或缺的一部分。然而，有时候这个看似简单的任务却给我带来了不少烦恼。
每天早晚，我总是得牢记打开钉钉应用，点击"工作台"，再找到"考勤打卡"进行签到。有时候因为工作忙碌，会忘记打卡，导致考勤异常，影响当月的工作评价。而且，由于我使用的是苹果手机，有时候系统更新后，钉钉的某些功能会出现异常，使得打卡变得更加麻烦。
另外，我的家人使用的是安卓手机，他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说，每次打卡都是一次挑战。他们总是担心自己会操作失误，导致打卡失败。
为了解决这些烦恼，我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习，我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。
2024-04-09 15:03
15KB