麻省理工（MIT）的经典教材，讲述了自动机，可计算性和计算复杂性这三个方面，叙述通俗易懂，颇具可读性，可当作编译原理的先导课程
2024/11/2 19:43:19
7.15MB
1
本书由美国麻省理工学院MichaelSipser所撰写。
四川大学唐常杰等人翻译。
本他以独特的视角，系统地介绍了计算理论的三个主要内容：自动机与语言、可计算性理论和计算复杂性理论。
绝大部分内容是基本的，同时对可计算性和计算复杂性理论中的某些高级内容进行了重点介绍。
内容很好，本书十分畅销，这里给出课后习题答案
四川大学唐常杰等人翻译。
本他以独特的视角，系统地介绍了计算理论的三个主要内容：自动机与语言、可计算性理论和计算复杂性理论。
绝大部分内容是基本的，同时对可计算性和计算复杂性理论中的某些高级内容进行了重点介绍。
内容很好，本书十分畅销，这里给出课后习题答案
2024/8/21 10:47:55
2.09MB
1
第7章贪心法；
第8章动态规划；
第9章图算法设计；
第10章计算几何；
第11章计算复杂性理论；
第12章概率算法和近似算法；
教程练习题答案
第8章动态规划；
第9章图算法设计；
第10章计算几何；
第11章计算复杂性理论；
第12章概率算法和近似算法；
教程练习题答案
2023/11/22 7:35:09
5.69MB
1
计算机复杂性堵顶柱老师的书，计算机复杂性堵顶柱老师的书计算机复杂性堵顶柱老师的书计算机复杂性堵顶柱老师的书计算机复杂性堵顶柱老师的书计算机复杂性堵顶柱老师的书计算机复杂性堵顶柱老师的书计算机复杂性堵顶柱老师的书计算机复杂性堵顶柱老师的书计算机复杂性堵顶柱老师的书
2023/11/20 12:25:01
7.3MB
1
线性光谱聚类（LSC）的超像素分割算法，该算法可以生成具有低计算成本的紧凑且均匀的超像素。
基本上，基于测量图像像素之间的颜色相似性和空间接近度的相似性度量，采用超像素分割的归一化切割公式。
然而，代替使用传统的基于特征的算法，我们使用核函数来近似相似性度量，导致将像素值和坐标明确映射到高维特征空间。
我们证明，通过适当地加权该特征空间中的每个点，加权K均值和归一化切割的目标函数共享相同的最佳点。
因此，通过在所提出的特征空间中迭代地应用简单的K均值聚类，可以优化归一化切割的成本函数。
LSC具有线性计算复杂性和高内存效率，并且能够保留图像的全局属性。
实验结果表明，LSC在图像分割中的几种常用评估度量方面表现出与现有技术的超像素分割算法相同或更好的性能。
基本上，基于测量图像像素之间的颜色相似性和空间接近度的相似性度量，采用超像素分割的归一化切割公式。
然而，代替使用传统的基于特征的算法，我们使用核函数来近似相似性度量，导致将像素值和坐标明确映射到高维特征空间。
我们证明，通过适当地加权该特征空间中的每个点，加权K均值和归一化切割的目标函数共享相同的最佳点。
因此，通过在所提出的特征空间中迭代地应用简单的K均值聚类，可以优化归一化切割的成本函数。
LSC具有线性计算复杂性和高内存效率，并且能够保留图像的全局属性。
实验结果表明，LSC在图像分割中的几种常用评估度量方面表现出与现有技术的超像素分割算法相同或更好的性能。
2023/8/13 15:12:13
9.55MB
1
图像分割是图像分析中最关键的任务之一。
阈值确定无疑是最受欢迎的细分方法之一。
在阈值方法中，最小交叉熵阈值（MCET）由于其简单性和阈值的测量精度而被广泛采用。
虽然在二级阈值化的情况下MCET是有效的，但是当涉及多级阈值以穷举搜索多个阈值时，MCET会遇到昂贵的计算。
提出了一种基于遗传算法的改进方案，用于多级MCET中固定阈值的选择。
该方案使用递归编程技术来降低多层MCET中目标函数的计算复杂性。
然后，提出了一种遗传算法来搜索几个接近最优的多级阈值。
根据经验，通过穷举搜索，我们的方案获得的多个阈值与最佳阈值非常接近。
在各种图像上对该方法进行了评价，实验结果表明了该方法在真实图像上的有效性和可行性。
阈值确定无疑是最受欢迎的细分方法之一。
在阈值方法中，最小交叉熵阈值（MCET）由于其简单性和阈值的测量精度而被广泛采用。
虽然在二级阈值化的情况下MCET是有效的，但是当涉及多级阈值以穷举搜索多个阈值时，MCET会遇到昂贵的计算。
提出了一种基于遗传算法的改进方案，用于多级MCET中固定阈值的选择。
该方案使用递归编程技术来降低多层MCET中目标函数的计算复杂性。
然后，提出了一种遗传算法来搜索几个接近最优的多级阈值。
根据经验，通过穷举搜索，我们的方案获得的多个阈值与最佳阈值非常接近。
在各种图像上对该方法进行了评价，实验结果表明了该方法在真实图像上的有效性和可行性。
2023/3/14 11:38:14
768KB
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