Luts-CSDN博客

原创利用dash+falsk实现报告展示平台

使用dash+flask框架快速搭建报告展示平台

2024-04-09 10:07:58 383

并查集基础以下参考菜鸟教程一、概念及其介绍并查集是一种树型的数据结构，用于处理一些不相交集合的合并及查询问题。并查集的思想是用一个数组表示了整片森林（parent），树的根节点唯一标识了一个集合，我们只要找到了某个元素的的树根，就能确定它在哪个集合里。二、应用并查集用在一些有 N 个元素的集合应用问题中，我们通常是在开始时让每个元素构成一个单元素的集合，然后按一定顺序将属于同一组的元素所在的集合合并，其间要反复查找一个元素在哪个集合中。这个过程看似并不复杂，但数据量极大，若用其他的数据结构来描述

2022-05-19 18:59:46 191

原创图论基础和表示

图论基础和表示以下参考菜鸟教程一、基础概念图论(Graph Theory)是离散数学的一个分支，是一门研究图(Graph)的学问。图是用来对对象之间的成对关系建模的数学结构，由"节点"或"顶点"(Vertex）以及连接这些顶点的"边"（Edge）组成。图的顶点集合不能为空，但边的集合可以为空。图可能是无向的，这意味着图中的边在连接顶点时无需区分方向。否则，称图是有向的。图的分类：无权图和有权图，连接节点与节点的边是否有数值与之对应，有的话就是有权图，否则就是无权图。图的连通性：在

2022-05-18 13:32:58 668

原创机器学习知识

机器学习视频：https://space.bilibili.com/505293134/channel/detail?cid=134963&ctype=0

2021-10-22 16:31:40 125

原创谷歌开源diff工具

谷歌开源diff工具https://developers.google.com/protocol-buffers/docs/reference/cpp/google.protobuf.util.message_differencerhttps://github.com/protocolbuffers/protobuf/blob/master/src/google/protobuf/util/message_differencer.h

2021-08-05 16:06:20 465

原创机器学习百宝箱

https://github.com/Pysamlam/Machine-Learning-Knowledge#MLK03–%E9%82%A3%E4%BA%9B%E5%B8%B8%E8%A7%81%E7%9A%84%E7%89%B9%E5%BE%81%E5%B7%A5%E7%A8%8B

2021-06-01 14:38:18 159

原创 mysql 联合查询

mysql 联合查询：books里包含book_name, catebooks_sale里包含：book_name，sale_num，create_time需要按cate查询总共的sale_num:select sum(b.sale_num) from books a right join books_sale b on (a.book_name = b.book_name) where a.cate = '人文' and b.create_time > "2021-03-00" and b

2021-05-20 15:21:45 77

原创读取文件画柱状图

import osimport jsonfrom flask import Flaskimport dashimport dash_core_components as dccimport dash_html_components as htmlimport plotly.graph_objs as gofrom dash.dependencies import Output, Inputapp = dash.Dash()server = app.serverdef get_sho

2021-05-13 16:37:19 152

原创使用MRQ实现多机并发执行任务

MRQ：https://github.com/pricingassistant/mrq服务依赖Python 2.7+MongoDB >= 2.4Redis >= 2.6MRQ依赖redis和mongodb，需要分别安装mongodb，redis安装mrq直接使用：pip install mrq服务配置参考：https://github.com/pricingassistant/mrq/blob/master/docs/configuration.mdmrq-config.py:

2021-03-13 17:00:36 214

原创 Flask创建简单接口

#!/usr/bin/python# -*- coding: utf-8 -*-from flask import Flask, jsonify, request, abort#简单的get, post请求接口@api.route('/login', methods=['GET', 'POST'])def login(): """ flask 简单接口测试 """ print request.method if request.method == 'GET

2021-03-13 16:14:51 151

原创图片对抗样本的生成

#图片对抗样本的生成https://wizardforcel.gitbooks.io/tf-tut-hvass/content/11_Adversarial_Examples_zh_CN/11_Adversarial_Examples_zh_CN.html

2020-09-27 16:18:42 487

原创常用shell命令

常用shell正则表达式1、替换表达式中的数组值： sed -i “s/sid”:[[^]]*/sid":[$sid/g"

2020-09-15 14:39:00 75

原创【leetcode3】最大子串长度

给定一个字符串，请你找出其中不含有重复字符的最长子串的长度。示例 1:输入: “abcabcbb”输出: 3解释: 因为无重复字符的最长子串是 “abc”，所以其长度为 3。示例 2:输入: “bbbbb”输出: 1解释: 因为无重复字符的最长子串是 “b”，所以其长度为 1。示例 3:输入: “pwwkew”输出: 3解释: 因为无重复字符的最长子串是 “wke”，所...

2019-11-19 22:09:57 289

原创【leetcode3】两非空链表相加

给出两个非空的链表用来表示两个非负的整数。其中，它们各自的位数是按照逆序的方式存储的，并且它们的每个节点只能存储一位数字。如果，我们将这两个数相加起来，则会返回一个新的链表来表示它们的和。您可以假设除了数字 0 之外，这两个数都不会以 0 开头。示例：输入：(2 -> 4 -> 3) + (5 -> 6 -> 4)输出：7 -> 0 -> ...

2019-11-19 20:16:29 392

原创【leetcode2】整数反转

#整数反转题目：给出一个 32 位的有符号整数，你需要将这个整数中每位上的数字进行反转。示例 1:输入: 123输出: 321示例 2:输入: -123输出: -321示例 3:输入: 120输出: 21注意:假设我们的环境只能存储得下 32 位的有符号整数，则其数值范围为 [−231, 231 − 1]。请根据这个假设，如果反转后整数溢出那么就返回 0。来源：力扣（L...

2019-11-19 18:13:07 101

原创【leetcode1】两数之和

leetcode1 两数之和给定一个整数数组 nums 和一个目标值 target，请你在该数组中找出和为目标值的那两个整数，并返回他们的数组下标。你可以假设每种输入只会对应一个答案。但是，你不能重复利用这个数组中同样的元素。示例:给定 nums = [2, 7, 11, 15], target = 9因为 nums[0] + nums[1] = 2 + 7 = 9所以返回 [0,...

2019-11-19 11:45:16 97

原创 python分布式系统学习

python分布式系统 https://github.com/alonelaval/cabbage-celery

2019-08-19 20:02:16 287

原创 GAN学习指南

GAN学习指南https://www.leiphone.com/news/201701/yZvIqK8VbxoYejLl.html原文：“这样读数据的逻辑就很清楚了，我们在data文件夹中再新建一个anime文件夹，把图片直接放到这个文件夹里，运行时指定–dataset anime即可。” 可以直接在截图头像的时候，将保存路径改成这个’data/anime’。原文的训练章节里，执行命令...

2018-03-19 13:10:55 332

原创 Git 托管文件至GitHub

git的安装与配置1.具体的git的安装使用教程可参考git简单教程 git学习笔记软件配置1）设置用户名与用户邮箱进入GitBash，输入以下命令： git config –global user.name “yourname” git config –global user.email “youremail”注意这里的邮箱（email）与你申

2015-11-24 20:11:02 641

原创感知机与多层网络

[toc] 之前做车牌识别的时候，在字符识别（OCR）时，使用的是人工神经网络（ANN），这里总结介绍一下人工神经的相关知识。1.神经网络1.1 定义人工神经网络（ANN）又称神经网络（NN），是一种模拟人脑的学习系统的生物模型。神经网络的由大量相互连结的节点构成一个复杂的网络结构，每个节点都有多个输入和一个输出，并且每个输入对应有一个权重因子，节点的输出就是所有这些输入与权重乘积的耦合。通俗

2015-07-26 18:44:22 5764

原创最大子序列的和问题

问题描述：给出一个整数数组：a1, a2, a3, … … an;求最大的子序列和（如果数组都为负数，则为0）方法1：遍历求解从数组的首元素a1开始遍历，一直累加ak，求出最大值。maxsum: 要求的最大子序列和， tempsum: a[i]+a[i+1]+a[i+2]+…+a[n-1];(0<=1//O(N^2)int maxfun(int a[], int n){

2015-07-21 16:17:59 557

转载字符串匹配之KMP算法详解

字符串匹配是计算机的基本任务之一。　　举例来说，有一个字符串”BBC ABCDAB ABCDABCDABDE”，我想知道，里面是否包含另一个字符串”ABCDABD”？　　许多算法可以完成这个任务，Knuth-Morris-Pratt算法（简称KMP）是最常用的之一。它以三个发明者命名，起头的那个K就是著名科学家Donald Knuth。　　这种算法不太容易理解，网上有很多解释，但读起来都很费劲。

2015-07-06 14:20:00 655

转载标准模板库STL学习总结

标准模板库就是类与函数模板的大集合。STL共有6种组件：容器，容器适配器，迭代器，算法，函数对象和函数适配器。1、容器：容器是用来存储和组织其他对象的对象。STL容器类的模板在标准头文件中定义。主要如下所示 ①序列容器基本的序列容器是上面图中的前三类：关于三者的优缺点主要是： A:vector<T>矢量容器：可以随机访问容器的内容，在序列末尾添加或删除对象，但是因为是从尾部删除，过程非常慢，

2015-06-28 12:35:34 601

转载 Activity Recognition行为识别

暑假听了computer vision的一个Summer School，里面Jason J. Corso讲了他们运用Low-Mid-High层次结构进行Video Understanding 和 Activity Recognition的方法，受益颇深，在这里把他的方法总结一下:1. 层次结构表示：· 底层part 重用· 每个object都是一个由有向和无向边连接起来的混合图· 底层通过非线

2015-06-07 19:20:27 1305

原创 opencv之鼠标事件

在实际的图像处理当中，很多时候需要我们人为的选择感兴趣的区域（ROI），比如在图像中框出目标物体等。其实之前有不少地方都有用到这种鼠标事件的响应功能，感觉挺有用的，虽然不是自动选择物体，现在单独拿出来总结一下。为了可以响应鼠标事件，首先必须创建一个回调函数，该函数使得点击鼠标时，在opencv中注册回调函数，就可以可以调用该回调函数了。回调函数的格式为：void CvMouseCallback( i

2015-06-07 10:15:50 652

原创谷歌图片搜索

对于像谷歌、百度识图这种图像搜索的算法，主要有三个步骤：将目标图片进行特征提取，描述图像的算法很多，用的比较多的是：SIFT描述子，指纹算法函数，bundling features算法，hash function（散列函数）等。也可以根据不同的图像，设计不同的算法，比如图像局部N阶矩的方法提取图像特征。将图像特征信息进行编码，并将海量图像编码做查找表。对于目标图像，可以对分辨率较大的图像进行降采

2015-06-06 11:59:30 1266

原创拉普拉斯图像融合

1.图像金字塔图像金字塔是一个图像集合，集合中所有的图像都来源于同一个原始图像，而且是通过对原始图像的连续降采样获得，直到达到某个终止条件才停止降采样。常见的两种图像金字塔：高斯金字塔（Gaussian pyramid): 向下采样图像拉普拉斯金字塔（Laplacian pyramid)：用来从金字塔低层图像中向上采样重建一个图像。2.图像的向上、向下采样下采样下采样使得图像金字塔的层级

2015-06-06 10:43:59 8491

原创伸展树Splay Tree

伸展树伸展树的实现节点定义伸展树的遍历查找给的关键值key的节点查找伸展树中的最小关键值最大关键值的节点伸展树的旋转插入节点创建伸展树节点创建节点key并旋转为根节点删除key节点完整的测试代码伸展树与平衡树（AVL）一样，伸展树（splay tree）也是二叉树的一种，它能在O(log n)内完成插入、删除和查找操作。伸展树的特点： 1. 假设当前节点X的关键值为key，则

2015-05-17 10:23:47 710

原创编程练习5/15

一、字符串截断输出首先输入两个整数m,n,分别代表行数和长度，要求输出,将字符串截短成n长,不够补0,多了换行继续输出如输入: 2,8 1234567812345678123 asd输出 12345678 12345678 12300000 asd00000#include <iostream>#include <string>using namespace std;//首先

2015-05-15 16:17:22 681

原创插入排序与希尔排序

插入排序插入排序由N-1趟排序组成，对于P =1趟到P = N -1趟，插入排序保证从位置0到位置P上的元素为已排序状态。即其基本思想是：把n个待排序的元素看成一个有序表和无序表。开始时有序表中只含有一个元素，无序表中含有n -1个元素，排序过程中每次从无序表中取出第一个元素，将它插入到有序表中，使之成为新的有序表，重复n-1次完成排序过程。C语言实现根据定义，可以写出：void insert_so

2015-05-14 08:40:41 416

原创 AVL树

AVL树破坏平衡的四种情况LL旋转RR旋转LR旋转RL旋转AVL树的基本操作测试范例AVL树AVL树是带有平衡条件的二叉查找树，最简单的定义为：一颗AVL树是其每个节点的左子树和右子树的高度最多相差1的二叉查找树。C语言定义：struct AvlNode;typedef struct AvlNode *position;typedef struct AvlNode *avlTree

2015-05-13 20:46:33 534

原创非刚性人脸跟踪（四）

人脸检测与初始化人脸跟踪方法：假设图像中所找到的面部特征与当前的估计比较接近。存在问题：如何使用视频第一帧来初始化模型。解决方法：最简单的是使用opencv内置的级联检测器来搜索人脸，但是模型的检测区域位置将取决于对所跟踪的面部特征的选择。一种基于数据驱动模式的简单方案是，学习人脸检测区域与人脸特征的几何关系。实现：定义一个face_detector类class face_de

2015-05-10 11:00:04 1758

原创非刚性人脸跟踪（三）

序言相关性块模型用来学习块模型1 学习基于判别法的块模型2 学习块模型的实现解释全局几何变换训练团块模型与可视化1 训练团块模型2 可视化团块模型总结序言上一篇博文讲了如何获得人脸的几何模型，描述人脸的不同表情模式，保存在序列化文件“shape.xml”中。现在来了解一下面部特征检测器，去一般物体检测器相似，但存在以下区别：精度和鲁棒性：一般物体检测的目标在于找到图像中粗略的物体

2015-05-08 19:32:19 1498

原创非刚性人脸跟踪（二）

上一篇博文讲了如何在人脸图像中获得面部特征。这篇博文主要介绍面部的几何模型。在人脸跟踪系统中，几何形状是指在人脸图像上预先定义的一组点的空间结构，这组点与真实人脸上某些几何形状（如眼角、鼻尖和眉毛边缘）保持一一对应关系。面部几何参数变化通常有两个因素组成：全局（刚性）变化和局部（非刚性）形变。全局变化考虑人脸在图像中的整体位置，允许人脸随意变化。局部形变考虑的是不同人面部形状以及同一个人面部表情的差

2015-05-06 21:00:30 3557

原创非刚性人脸跟踪（一）

非刚性人脸跟踪是对视频流的每帧中人脸特征进行准密（quasi-dense)集估计。非刚性是指面部特征间的相对距离会随着面部表情和人群的不同而变化。书本涉及的内容：实用工具：简要介绍本章中所使用的常用结构和约定，包括面对对象设计、数据存储与表示，以及数据收集和标注的工具。几何约束：介绍如何从训练数据学习面部几何及其变化情况，也将介绍在跟踪过程中如何利用它们来约束输出，包括对面部进行线性的形状模型建模

2015-05-06 20:02:42 2260

原创二叉查找树 ADT

二叉树是每个节点最多有两个子树的数结构，即左子树、右子树。二叉树的第i层至多有2^（i-1)个节点，深度为k的二叉树至多有(2^k） - 1个节点。二叉查找树：对于树中的每个节点X，他的左子树中所有关键字值小于X的关键字值，而它的右子树中所有关键字值大于X的关键字值。二叉搜索树可以方便的实现搜索算法。在搜索元素x的时候，我们可以将x和根节点比较:如果x等于根节点，那么找到x，停止搜索 (终止条件)

2015-05-02 11:19:08 522

原创数

一颗树是一些节点的集合，这些集合可以是空集；若非空，则一颗树由称作根（root）的节点r以及0个或多个非空的字数T1， T2， T3， …, Tk组成，这些子树中的每一颗的根都有来自根r的一条有向边（edge）所连接。每一颗子树的根叫做跟r的儿子（child），而r是每一颗子树的根的父亲（parent）。一颗具体的树：1.树的相关术语节点的度：一个节点含有的子树的个数称为该节点的度；树的度：一棵树

2015-04-30 20:17:03 497

原创栈 ADT 结构

栈（stack）是限制插入与删除只能在一个位置上进行的表，该位置叫做栈的顶（top）。栈的基本操作包括进栈（push）即插入、出栈（pop）即删除。不允许对空栈进行pop操作。栈与队列不同，队列是先进先出（FIFO），栈是后进先出（LIFO），就是说只有栈顶的元素是可以被访问的。与队列相似，栈也可以通过链表或者数组的形式实现。在单链表的顶端插入可以实现push，删除顶端元素实现pop，Top操作考察

2015-04-30 10:38:21 591

原创基于SVM和神经网络的车牌识别

有写过两篇文章介绍如何检测车牌及对车牌字符进行识别，写的有些凌乱，这篇文章将整合一个较为完整的、简短的思路。1.车牌检测主要的步骤： a. sobel滤波器 b. 阈值算子 c. 闭形态学算子 d. 一个区域填充掩码 e. 用红色标记可能存在的车牌区域 f. 执行SVM分类检测车牌a~e属于图像分割，f属于模式识别内容。在车牌分割时，使用的是查找轮廓的方法，提取外接矩形区域

2015-04-30 09:30:12 1751

原创车牌号识别

这篇文章接着之前的车牌识别，从输入的车图片中分割识别出车牌之后，将进行下一步：车牌号的识别，这里主要使用光学字符识别车牌字符。对每个检测到的车牌，将其每个字符分割出来，然后使用人工神经网络（artificial neural network，ANN）学习算法识别字符。1.字符分割将获得的车牌图像进行直方图均衡，然后采用阈值滤波器对图像进行处理，然后查找字符轮廓。原图像：阈值图像：查找轮廓

2015-04-27 12:54:56 14784 1