- 博客(181)
- 收藏
- 关注
RSS订阅原创 3499 幸运数字
除了16进制有点特别，因为10代表a，所以要取十进制数应该是。🌟考点：2023、模拟、枚举、省赛。简单的题目往往采用最朴素的做法。
2025-04-03 21:49:49
41
原创 实验二 Mybatis参数传递方式及特殊SQL操作
本次 MyBatis 实验掌握了 ${} 和 #{} 获取参数的方式，熟练运用 5 种参数传递法，了解多种查询返回情况的实现。2创建maven工程，实践获取接口参数的5种方法，对数据库进行CRUD操作；练习 5 种参数传递方式（参考给定接口中的各种参数传递）1 掌握从接口方法中获取参数的两种方式:${}和#{}（2）查询返回数据库中一条数据（不封装在实体类中）（3）查询返回数据库中多条数据（不封装在实体类中）2.查询返回数据库中一条数据（不封装在实体类中）3）查询返回数据库中多条数据（不封装在实体类中）
2025-04-01 21:53:13
299
原创 第七章 字符串基础
📖暴力思路是对于每次给定的字符串，我们暴力比较，时间复杂度为O(g × n)。⭐️字符串哈希的实现我们用字符串S构造一个P进制数，P一般取131,13331。然后对一个大质数取模。这样我们就可以快速得到一个子串在P进制下的值。可以利用🍎笔记📚📚。
2025-03-27 21:39:23
157
原创 19921 多重背包
⭕️细节：v w数组要开大一点，因为物品个数会增多，假如每个物品可以使用2000次，总共有2000个物品，就要用2000 * log2(2000) ≈ 2000 * 12。🌟考点：动态规划、背包问题。
2025-03-22 21:29:20
186
原创 试验一 mybatis 入门操作
③格外要注意，Mapper接口和Mapper映射文件需要在同一目录下，这样Mapper的映射文件和接口的class文件才能在同一个目录下，代理才能成功。④细节：原来的映射文件有包的名称，写起来不是很方便，而且将来有很多这样的映射文件，一个个写不方便。1.掌握mybatis基础操作，包括如何在maven工程中引入依赖，创建mapper文件，核心配置文件，映射文件，并测试对数据库表基本的的CRUD操作；表示，创建完成后文件名显示的还是点，这样Mapper的映射文件和接口的class文件就在同一个目录下了。
2025-03-21 23:58:44
578
原创 实验12深度学习
1、在Anaconda环境中安装深度学习所需要的Keras和TensorFlow框架， 安装完成后，用Jupyter Notebook运行手写数字识别代码MNIST Number Recognition。（5）熟读手写数字识别深度学习的MNIST Number Recognition代码，在提示需要增加相关代码的位置增加正确的代码；（3）掌握Anaconda的安装和设置方法，进一步熟悉Jupyter Notebook的使用方法；2、成功运行后，在有提示需要增加代码的位置上增加正确代码并调试运行。
2025-03-20 23:47:50
307
原创 实验11 机器学习-贝叶斯分类器
1、使用Python开发工具，运行对iris数据进行分类的例子程序NaiveBayes.py（根据你使用的是jupyter notebook,还是pycharm，可能需要对代码做适当修改），熟悉sklearn机器实习开源库。下载wisconsin提供的乳腺肿瘤数breast-cancer-wisconsin.data（已经处理好的数据）和breast-cancer-wisconsin.names（对数据的说明，可以用写字体打开）4、（选做）用java实现贝叶斯分类器算法，并对上述数据进行分类。
2025-03-19 23:45:32
372
原创 实验10决策树
通过本次决策树算法的实验，掌握了决策树的基本原理和构建过程，在解决乳腺肿瘤数据分类的实际问题中，利用sklearn库高效地构建了决策树模型，从sklearn库导入的多个模块和函数。下载wisconsin提供的乳腺肿瘤数breast-cancer-wisconsin.data（已经处理好的数据）和breast-cancer-wisconsin.names（对数据的说明，可以用写字体打开）（4）熟悉sklearn与决策树算法相关的机器学习开源库，并使用开源库，对乳腺肿瘤数据进行分类。
2025-03-19 23:43:54
350
原创 实验9-2 高级搜索技术2
1、现有一个商人，准备从广州出发，经过广东省的各个城市再回到广州，每个城市只经过一次，城市分布情况见图1所示。请使用模拟退火搜索算法和遗传算法寻找一条线路，使得商人按上述要求走过的路径之和最短，并比较两种方法所使用的时间和最终的行走路径的优越性。遗传算法在给定的问题规模（即广东省的各个城市）内，能够在合理的时间内找到一个较好的解。路径长度2614是这些城市之间的一个相对较短的旅行距离，而310毫秒的执行时间表明算法在计算上是高效的。（3）模拟退火与遗传算法都对初解有一定的依赖性，好的初解有利于最终解。
2025-03-18 22:00:30
317
原创 实验9 高级搜索技术1
1、现有一个商人，准备从广州出发，经过广东省的各个城市再回到广州，每个城市只经过一次，城市分布情况见图1所示。请使用模拟退火搜索算法和遗传算法寻找一条线路，使得商人按上述要求走过的路径之和最短，并比较两种方法所使用的时间和最终的行走路径的优越性。模拟退火算法的计算时间（3毫秒）远小于遗传算法的计算时间（297毫秒）。遗传算法找到的路径之和（2689）明显小于模拟退火算法找到的路径之和（4410），说明遗传算法在寻找最优解方面表现更好。（1）掌握高级搜索技术的相关理论，能根据实际情况选取合适的搜索方法；
2025-03-18 21:57:55
357
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人