自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+

Index.html

Everything is impossible,nothing is possible.

  • 博客(129)
  • 资源 (1)
  • 问答 (1)
  • 收藏
  • 关注

转载 KMP算法及优化

1. KMP算法1.1 定义    Knuth-Morris-Pratt 字符串查找算法,简称为 “KMP算法”,常用于在一个文本串S内查找一个模式串P 的出现位置,这个算法由Donald Knuth、Vaughan Pratt、James H. Morris三人于1977年联合发表,故取这3人的姓氏命名此算法。    下面先直接给出KMP的算法流程(如果感到一点点不适,没关系,坚持下

2018-02-01 17:47:16 458

原创 [模式分类] 三维高斯分布数据训练三层神经网络实现分类

neuralNetwork.mclear;% 均值 0 0 0MU1 = [0 0 0];% 协方差矩阵 ISIGMA1 = [ 1 0 0; 0 1 0; 0 0 1 ];DATA1 = mvnrnd(MU1, SIGMA1, 1000);% scatter3(DATA1(:, 1), DATA1(:, 2), DATA1(:, 3))% 均值 0 1 0MU2 = [0 1 0];

2017-10-27 12:04:33 1607 1

原创 [模式分类] Parzen窗概率密度估计与Kn近邻概率密度估计

4.3.2 考虑到对于表格中的数据进行Parzen窗估计和设计分类器。窗函数为一个球形的高斯函数,如下所示: φ((x−xi)/h)∝exp[−(x−xi)t(x−xi)/(2h2)]\varphi ((x-x_{i})/h) \propto exp[{-(x-x_{i})}^t(x-x_{i})/(2h^2)](a)编写程序,使用Parzen窗估计方法对任意一个的测试样本点x进行分类。对分类器的

2017-09-29 14:59:17 3208

原创 UVa 11809 Floating-Point Numbers

转载自:http://www.cnblogs.com/lxabc/archive/2016/03/17/5289124.html的分析,较为明晰题目分析:  如果每组数都要计算比较找到对应的m和e运算量太大,所以先打表,涉及浮点数表示的一些数学知识。  假设当前一层M和E的值为m和e,它们的位数分别为i和j。  首先计算m的值,用二进制表示的话,m的值为0.11…,也就是m = 2^(-1) + 2

2017-09-06 20:28:08 392

原创 UVa 1588 Kickdown

不知道为什么总是超时,基本都是两重循环。#include <stdio.h>#include <string.h>char top[101];char bottom[101];int main() { while(scanf("%s%s", top, bottom)) { //printf("%s\n", top); //printf("%s\n", bot

2017-09-04 19:06:37 360

原创 UVa 1587 Box

#include <stdio.h>#include <string.h>#include <iostream>using namespace std;int main() { int w, h, d; int data[6][2]; //freopen("1587.txt", "r", stdin); while(cin >> data[0][0] >> data[0]

2017-09-02 21:43:37 280

原创 UVa 232 Crossword Answers

#include <stdio.h>#include <string.h>int main() { char word[12][12]; int num[12][12]; int r, c; int puzzle = 0; //freopen("232.txt", "r", stdin); while(scanf("%d", &r) && r != 0) {

2017-09-02 09:28:35 241

原创 UVa 227 Puzzle

不知道为什么总是编译错误,未定义gets()。#include <algorithm> #include <iostream> #include <cstdlib> #include <stdio.h>#include <string.h>int main() { //freopen("227.txt", "r", stdin); char map[5][6], cm

2017-09-01 00:00:30 203

原创 UVa 455 Periodic Strings

#include <stdio.h>#include <string.h>#define maxn 100char str[maxn];int main(){ int T; scanf("%d", &T); while(T--) { scanf("%s", str); int len = strlen(str);

2017-08-23 20:47:35 234

原创 UVa 1225 Digit Counting

#include <stdio.h>#include <string.h>// 打表 int array[10000][10];int main(){ int T; scanf("%d", &T); memset(array, 0, sizeof(array)); int k; for(int i = 1; i < 10000; i++) {

2017-08-20 23:33:39 330

原创 UVa 1585 Score

#include <iostream> #include <string.h>#define maxn 100using namespace std;int main(){ int T; cin >> T; while(T--) { char s[maxn]; scanf("%s", s); int flag = 0,

2017-08-20 22:38:11 209

原创 [Coursera机器学习]Anomaly Detection and Recommender Systems WEEK9编程作业

1 Anomaly DetectionYour task is to complete the code in estimateGaussian.m. This function takes as input the data matrix X and should output an n-dimension vector mu that holds the mean of all the n fe

2017-07-29 14:42:05 1633

转载 CNN误差反传时旋转卷积核的简明分析

转载自:http://blog.csdn.net/zy3381/article/details/44409535CNN(卷积神经网络)的误差反传(error back propagation)中有一个非常关键的的步骤就是将某个卷积(Convolve)层的误差传到前一层的池化(Pool)层上,因为在CNN中是2D反传,与传统神经网络中的1D反传有点细节上的不同,下面通过一个简单的例子来详细分解一

2017-03-15 13:54:07 2969 1

原创 [Coursera机器学习]K-means Clustering and Principal Component Analysis WEEK8编程作业

1.1.1 Finding closest centroidsYour task is to complete the code in findClosestCentroids.m. This function takes the data matrix X and the locations of all centroids inside centroids and should output a

2017-01-28 21:51:16 2327

原创 [Coursera机器学习]Support Vector Machines WEEK7编程作业

1.2 SVM with Gaussian KernelsYou should now complete the code in gaussianKernel.m to compute the Gaussian kernel between two examples, (x(i); x(j)). The Gaussian kernel function is de ned as:Kgaussian(

2016-12-10 21:40:58 3771 2

原创 [Coursera机器学习]Regularized Linear Regression and Bias v.s. Variance WEEK6编程作业

1.2 Regularized linear regression cost functionRecall that regularized linear regression has the following cost function:J(θ)=12m(∑mi=1(hθ(x(i))−y(i))2)+λ2m(∑nj=1θ2j)J(\theta )=\frac{1}{2m}(\sum_{i=1}^

2016-11-13 14:06:38 2564

原创 [Coursera机器学习]Neural Networks Learning WEEK5编程作业

1.3 Feedforward and cost functionRecall that the cost function for the neural network (without regularization) is J(θ)=1m∑mi=1∑Kk=1[−y(i)klog((hθ(x(i)))k)−(1−y(i)k)log(1−(hθ(x(i)))k)]J(\theta ) = \fra

2016-11-01 22:55:58 3105

原创 [Coursera机器学习]Multi-class Classi cation and Neural Networks WEEK4编程作业

1.3.3 Vectorizing regularized logistic regressionNow modify your code in lrCostFunction.m to account for regularization.Once again, you should not put any loops into your code. 此处参考上一周加入正则化的逻辑回归代码即可。n

2016-10-08 18:58:16 2086

原创 [Coursera机器学习]Logistic Regression WEEK3编程作业

1.1 Visualizing the dataTo help you get more familiar with plotting, we have left plotData.m empty so you can try to implement it yourself. However, this is an optional(ungraded) exercise. We also prov

2016-09-15 20:27:41 2786 1

原创 [Coursera机器学习]Linear Regression WEEK2编程作业

1 InitIn the fi le warmUpExercise.m, you will find the outline of an Octave/MATLAB function. Modify it to return a 5x5 identity matrix by lling in the following code:A = eye(5);2.1 Plotting the DataBe

2016-09-05 15:55:38 4596 6

原创 Java 读取Excel格式xls、xlsx数据工具类

需要POI的jar包支持调用方式:ReadExcelTest excelTest = new ReadExcelTest();excelTest.readExcel("D:\\data1.xlsx");package com.util;import java.io.File;import java.io.FileInputStream;import java.

2016-05-08 11:34:51 3143

原创 中值积分定理计算PI值的多线程实现

// Parallel.cpp : 定义控制台应用程序的入口点。//#include "stdafx.h"#include #include static long num_steps = 100000;const int numThreads = 4;double step, pi;CRITICAL_SECTION g_cs;double sum = 0.0;DWOR

2016-05-04 23:59:01 1902

原创 [操作系统] 进程与线程

目录目录一进程进程的组成进程与程序进程的基本状态及状态之间的关系进程间的通信方式二线程进程内的线程线程的生命周期线程的状态多线程的优点线程的同步与互斥三进程与线程的区别与联系一、进程      进程的引入 多个程序在执行时,需要共享系统资源,从而导致各程序在执行过程中出现相互制约的关系,程序的执行表现出间断性的特征。       这些特征都是在程序的执行过程中发生的,是动态的

2016-05-04 22:19:48 4177

原创 [Java基础] 深拷贝与浅拷贝

对象拷贝(Object Copy)就是将一个对象的属性拷贝到另一个有着相同类类型的对象中去。在程序中拷贝对象是很常见的,主要是为了在新的上下文环境中复用对象的部分或全部 数据。Java中有三种类型的对象拷贝:浅拷贝(Shallow Copy)、深拷贝(Deep Copy)、延迟拷贝(Lazy Copy)。一、引言       对象拷贝(Object Copy)就是将一个对象的属性拷

2016-05-04 12:21:37 1706

原创 [Java基础] Java四类八种基本类型

JAVA有四类八种基础数据类型。第一类:整型     byte   short    int     long第二类:浮点型 float   double第三类:逻辑型 boolean第四类:字符型 char这四类八种基础数据类型都在栈中直接分配内存空间。这些都是基础数据流类型,剩下的一切引用类型都存储在堆中,引用存储在栈中,数据存储在堆中 。Jav

2016-05-03 19:54:48 1623

原创 [算法导论] 快速排序

package quicksort;public class Solution { public static void main(String[] args) { QuickSort quickSort = new QuickSort(); int[] datas = new int[]{5, 6, 8, 1, 3, 10, 8, 5, 4, 15, 11}; quick

2016-05-02 22:54:32 429

转载 [数据库] MySql查询优化技巧

索引优化,查询优化,查询缓存,服务器设置优化,操作系统和硬件优化,应用层面优化(web服务器,缓存)等等。这里的记录的优化技巧更适用于开发人员,都是从网络上收集和自己整理的,主要是查询语句上面的优化,其它层面的优化技巧在此不做记录。查询的开销指标:执行时间,检查的行数,返回的行数建立索引的几个准则:(1)、合理的建立索引能够加速数据读取效率,不合理的建立索引反而会拖慢数据库的响应速度。

2016-04-30 00:18:53 498

原创 [Java基础] 序列化与反序列化

一、序列化和反序列化的概念  把对象转换为字节序列的过程称为对象的序列化。  把字节序列恢复为对象的过程称为对象的反序列化。  对象的序列化主要有两种用途:  1) 把对象的字节序列永久地保存到硬盘上,通常存放在一个文件中;  2) 在网络上传送对象的字节序列。  在很多应用中,需要对某些对象进行序列化,让它们离开内存空间,入住物理硬盘,以便长期保存。比如最常见的是

2016-04-26 22:30:59 353

原创 哈工大操作系统实验5—I/O设备管理

实验内容本实验的基本内容是修改Linux 0.11的终端设备处理代码,对键盘输入和字符显示进行非常规的控制。在初始状态,一切如常。用户按一次F12后,把应用程序向终端输出所有字母都替换为“*”。用户再按一次F12,又恢复正常。第三次按F12,再进行输出替换。依此类推。以ls命令为例:正常情况:ls hello.c hello.o hello第一次

2016-04-26 00:11:02 6599

原创 LeetCode 218. The Skyline Problem

A city's skyline is the outer contour of the silhouette formed by all the buildings in that city when viewed from a distance. Now suppose you are given the locations and height of all the buildings as

2016-04-01 20:19:46 1615

原创 Java 递归实现格雷码(Gray Code)

问题:产生n位元的所有格雷码。格雷码(Gray Code)是一个数列集合,每个数使用二进位来表示,假设使用n位元来表示每个数字,任两个数之间只有一个位元值不同。例如以下为3位元的格雷码: 000 001 011 010 110 111 101 100 。如果要产生n位元的格雷码,那么格雷码的个数为2^n.假设原始的值从0开始,格雷码产生的规律是:第一步,改变最右边的

2016-03-26 12:53:26 976

原创 中国农历1900-2100算法工具类

package com.date;import java.util.Calendar;import java.util.Date;import java.util.GregorianCalendar; /** * 农历日历。 * 将农历从1901年到2100年之间各年、月的大小以及历年节气保存,然后基于这些数据进行计算。 * * 新增了几个用于农历的常量属性字段,可以使用ge

2016-03-20 17:45:58 1843

原创 [Java基础] 断言(assert)

一、语法形式:    Java2在1.4中新增了一个关键字:assert。在程序开发过程中使用它创建一个断言(assertion),它的语法形式有如下所示的两种形式:1、assert condition;    这里condition是一个必须为真(true)的表达式。如果表达式的结果为true,那么断言为真,并且无任何行动如果表达式为false,则断言失败,则会抛出一个Ass

2016-03-16 14:03:25 484

原创 [Java基础] 字节流与字符流

package stream;import java.io.BufferedReader;import java.io.FileInputStream;import java.io.FileOutputStream;import java.io.FileReader;import java.io.FileWriter;import java.io.InputStreamReader;

2016-03-15 16:44:05 944

转载 操作系统常见面试题总结

1、什么是进程(Process)和线程(Thread)?有何区别?  进程是具有一定独立功能的程序关于某个数据集合上的一次运行活动,进程是系统进行资源分配和调度的一个独立单位。线程是进程的一个实体,是CPU调度和分派的基本单位,它是比进程更小的能独立运行的基本单位。线程自己基本上不拥有系统资源,只拥有一点在运行中必不可少的资源(如程序计数器,一组寄存器和栈),但是它可与同属一个进程的其他的

2016-03-15 01:08:34 466

转载 [转载] SBT(Size Balanced Tree)

[cpp] view plain copy print?/************************************************* 数据结构: SBT(Size Balanced Tree),又称傻逼树;  数据域: 值域key,左孩子left,右孩子right,保持平衡的size;  性质: 每棵子树的大小

2016-03-14 01:03:32 381

原创 [Java基础] List、Set、Map区别

首先,List与Set具有相似性,它们都是单列元素的集合,所以,它们有一个功共同的父接口,叫Collection。Set里面不允许有重复的元素,所谓重复,即不能有两个相等(注意,不是仅仅是相同)的对象,即假设Set集合中有了一个A对象,现在我要向Set集合再存入一个B对象,但B对象与A对象equals相等,则B对象存储不进去,所以,Set集合的add方法有一个boolean的返回值,当

2016-03-13 21:43:26 710

转载 Java HashMap的内部实现机制

1.HashMap的内部实现机制HashMap是对数据结构中哈希表(Hash Table)的实现, Hash表又叫散列表。Hash表是根据关键码Key来访问其对应的值Value的数据结构,它通过一个映射函数把关键码映射到表中一个位置来访问该位置的值,从而加快查找的速度。这个映射函数叫做Hash函数,存放记录的数组叫做Hash表。在Java中,HashMap的内部实现结合了链表和数组

2016-03-13 18:05:23 556

转载 Java HashMap HashTable HashSet区别

HashMap、HashSet、HashTable之间的区别是Java程序员的一个常见面试题目,在此仅以此博客记录,并深入源代码进行分析:在分析之前,先将其区别列于下面1:HashSet底层采用的是HashMap进行实现的,但是没有key-value,只有HashMap的key set的视图,HashSet不容许重复的对象2:Hashtable是基于Dictionary类的,而Hash

2016-03-13 11:48:30 742

转载 Java 类加载器Class Loader

类加载器(class loader)是 Java™中的一个很重要的概念。类加载器负责加载 Java 类的字节代码到 Java 虚拟机中。本文首先详细介绍了 Java 类加载器的基本概念,包括代理模式、加载类的具体过程和线程上下文类加载器等,接着介绍如何开发自己的类加载器,最后介绍了类加载器在 Web 容器和 OSGi™中的应用。类加载器是 Java 语言的一个创新,也是 Java 语言

2016-03-12 11:02:53 507

MFC图书管理系统

提供登陆选项,管理员账号:Admin 管理员密码:123456 采用ssk皮肤,提供学生注册,工作人员注册,管理员管理

2014-09-19

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

提示
确定要删除当前文章?
取消 删除