GDOI2018-4月训练总结

本文回顾了一个月的算法学习过程,包括参加模拟赛的经历及所学算法知识点。作者通过不断练习提高了自己的编程技能,并总结了在算法竞赛中遇到的问题及解决方案。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

正经的事情来了

      今天已经是不晚的day0了,在这里对前面做过的事情做一下总结。

      从绿茵操场到颓废教室,从挥汗运动到机房乱搞,我们在这升级了,在这完成了使命。

      记得我第一天,最早一个踏进机房的大门,打开了电脑,点开了C++,乱打了一坨模版,却不知自己的目标就在远方。中午去了利和颓星巴克,回来就开始考试了,因为考试并不是很优秀,令我进步的念头愈发强烈。

      我在第二天的晚上对整个月的训练作了一大堆的打算,包括复习什么算法,学什么算法。。

      这个月我的打算是,早上刷题写博客,下午刷题,晚上复习旧算法,学习新算法的模版及其习题。

      这个月的成果还是十分不错的,毕竟模拟赛的名次都比较靠前,但粗心问题都让我每次丢不少分。如第四次的模拟赛,粗心就让我丢了110分。(我太菜了)

      第一次模拟赛:TYB之边路打野TYB之电竞队选名字TYB之鞋子大冒险跳跃的TYB

      第二次模拟赛:LZJ的圣剑,然而其他题不会。(师兄说这份题打打暴力分就很强了。。)

      第三次模拟赛:道路游戏瓜瓜的时空旅行,还有一题网络流最小割。

      第四次模拟赛:都很简单然而我粗心丢分,第一题是bfs暴搜,第二题是区间gcd(我用set做,跑得比std还快),第三题是求三个n排列中有多少个无序(x,y)的相对位置相同,第四题是暴搜剪枝+大样例特判(正解带权toset然而我不会)。

      说完了模拟赛,我们再来总结一下复习过的算法。

      1.强联通分量(新学习,点双连通分量的求解,割点的求解)

      2.矩阵乘法解决走k步路,状态转移DP问题

      3.状态压缩解决完全背包问题。

      4.并查集加点求解集合分块问题

      5.二分解决最短路最长,以及取决两个关键字的答案

      6.网络流的最小割,最大流,最小费用最大流的模型及其应用

      7.链表处理先后顺序问题

      8.排序解决离线问题。(1,2

      9.倍增解决快速修改与快速求解问题(各为logn)

      10.最短路的拓展

      11.splay(只会模版)

      这个博主很优秀。

      除了这些复习的,还有新学习的算法,如:

      1.差分约束系统。

      2.莫队算法。

      3.AC自动机。

      4.分块

      5.卡特兰数,求逆元的exgcd和欧拉定理(费马小定理)

      6.dfs序维护子树

      7.set。

      8.2-sat。

      9.字典树

      有些算法没有写博客,所以在这里就不一一多说,后面做到相关的题再进行补充。

      在这段时间,我可以说我的能力提升了一个层次,但是进步的空间,与师兄的距离还是很大,所以少不了的就是继续刷题。

      我希望在比赛过程中不要气馁,浅题不马虎,深题不让步,振奋精神,修养生息,打好暴力,进入Day3.

      



      


基于数据挖掘的音乐推荐系统设计与实现 需要一个代码说明,不需要论文 采用python语言,django框架,mysql数据库开发 编程环境:pycharm,mysql8.0 系统分为前台+后台模式开发 网站前台: 用户注册, 登录 搜索音乐,音乐欣赏(可以在线进行播放) 用户登陆时选择相关感兴趣的音乐风格 音乐收藏 音乐推荐算法:(重点) 本课题需要大量用户行为(如播放记录、收藏列表)、音乐特征(如音频特征、歌曲元数据)等数据 (1)根据用户之间相似性或关联性,给一个用户推荐与其相似或有关联的其他用户所感兴趣的音乐; (2)根据音乐之间的相似性或关联性,给一个用户推荐与其感兴趣的音乐相似或有关联的其他音乐。 基于用户的推荐和基于物品的推荐 其中基于用户的推荐是基于用户的相似度找出相似相似用户,然后向目标用户推荐其相似用户喜欢的东西(和你类似的人也喜欢**东西); 而基于物品的推荐是基于物品的相似度找出相似的物品做推荐(喜欢该音乐的人还喜欢了**音乐); 管理员 管理员信息管理 注册用户管理,审核 音乐爬虫(爬虫方式爬取网站音乐数据) 音乐信息管理(上传歌曲MP3,以便前台播放) 音乐收藏管理 用户 用户资料修改 我的音乐收藏 完整前后端源码,部署后可正常运行! 环境说明 开发语言:python后端 python版本:3.7 数据库:mysql 5.7+ 数据库工具:Navicat11+ 开发软件:pycharm
MPU6050是一款广泛应用在无人机、机器人和运动设备中的六轴姿态传感器,它集成了三轴陀螺仪和三轴加速度计。这款传感器能够实时监测并提供设备的角速度和线性加速度数据,对于理解物体的动态运动状态至关重要。在Arduino平台上,通过特定的库文件可以方便地与MPU6050进行通信,获取并解析传感器数据。 `MPU6050.cpp`和`MPU6050.h`是Arduino库的关键组成部分。`MPU6050.h`是头文件,包含了定义传感器接口和函数声明。它定义了类`MPU6050`,该类包含了初始化传感器、读取数据等方法。例如,`begin()`函数用于设置传感器的工作模式和I2C地址,`getAcceleration()`和`getGyroscope()`则分别用于获取加速度和角速度数据。 在Arduino项目中,首先需要包含`MPU6050.h`头文件,然后创建`MPU6050`对象,并调用`begin()`函数初始化传感器。之后,可以通过循环调用`getAcceleration()`和`getGyroscope()`来不断更新传感器读数。为了处理这些原始数据,通常还需要进行校准和滤波,以消除噪声和漂移。 I2C通信协议是MPU6050与Arduino交互的基础,它是一种低引脚数的串行通信协议,允许多个设备共享一对数据线。Arduino板上的Wire库提供了I2C通信的底层支持,使得用户无需深入了解通信细节,就能方便地与MPU6050交互。 MPU6050传感器的数据包括加速度(X、Y、Z轴)和角速度(同样为X、Y、Z轴)。加速度数据可以用来计算物体的静态位置和动态运动,而角速度数据则能反映物体转动的速度。结合这两个数据,可以进一步计算出物体的姿态(如角度和角速度变化)。 在嵌入式开发领域,特别是使用STM32微控制器时,也可以找到类似的库来驱动MPU6050。STM32通常具有更强大的处理能力和更多的GPIO口,可以实现更复杂的控制算法。然而,基本的传感器操作流程和数据处理原理与Arduino平台相似。 在实际应用中,除了基本的传感器读取,还可能涉及到温度补偿、低功耗模式设置、DMP(数字运动处理器)功能的利用等高级特性。DMP可以帮助处理传感器数据,实现更高级的运动估计,减轻主控制器的计算负担。 MPU6050是一个强大的六轴传感器,广泛应用于各种需要实时运动追踪的项目中。通过 Arduino 或 STM32 的库文件,开发者可以轻松地与传感器交互,获取并处理数据,实现各种创新应用。博客和其他开源资源是学习和解决问题的重要途径,通过这些资源,开发者可以获得关于MPU6050的详细信息和实践指南
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值