- 博客(10)
- 收藏
- 关注
RSS订阅原创 利用天邑路由器在此电脑挂载天翼云盘文件夹
摘要：本文介绍了将天翼云盘与路由器连接的方法：先在路由器界面添加天翼云盘账号并配置共享，然后通过映射网络驱动器访问云盘文件夹。文件操作会同步至天翼云盘的指定目录，但使用体验可能受限于非会员权限。
2025-06-29 10:36:57
131
原创 1 1 语言处理器 15b3f5e08fe28090a54dc657056ea5ae
汇编器（Assembler）是将汇编语言代码翻译为机器语言代码（通常是二进制的可执行代码或目标文件）的工具。在现代开发环境中，汇编器通常是编译工具链的一部分，与编译器、链接器协同工作，完成从源代码到可执行文件的转换流程。解释器逐行翻译和执行代码，无需耗时的编译过程，开发者可以快速看到结果，特别适合调试和快速迭代。解释器直接解释源代码运行，无需生成目标代码，因此只要有相应的解释器，代码可以在不同平台上运行。编译器的优点在于高效的执行速度、良好的代码保护和强大的优化能力，适合生产环境和对性能要求较高的场景。
2024-12-13 12:57:52
382
原创 [比赛题解] Codeforces Round 940 (Div 2) and CodeCraft- 949676b86e1241c7ad1e7f9102221f4f
路径上经过点集的权值线段树，在线段树的每个节点上保存区间上有关频率的哈希值。比较两条路径上点构成的可重集是否相同，就是比较不同线段树区间的哈希值。打表找规律+线段树/树状数组维护差分数组后计算答案。经过若干步合法步骤后，答案可以看作在空白的。内1的个数为奇数，统计每个二进制位上使得。用线段树方法可以找到两条路径在。路径上经过点集的权值线段树，则路径。的白棋占据，则剩余一个。内1的个数为奇数和使得。的个数，即可计算答案。内出现次数不同的最小值。的白棋占据，剩余一个。按二进制位考虑，若有。
2024-04-23 16:23:02
545
原创 [比赛题解] 牛客小白月赛91 2024.4.19
为右端点的子串，综合考虑能包含子序列ACCEPT的最近左端点、能包含子序列WA的最近左端点、子串的最小长度。不同的位之间互不影响，可按位计算答案，则每个数只需考虑1和0。预处理出从根节点到每个节点的哈希值。为右端点的符合条件的子串数量。和从每个节点到根节点的哈希值。的哈希值，如果这个哈希值和。的哈希值相等，则为回文串。后，结合逆元即可计算路径。LCA+字符串哈希做法。，用前缀和计算即可。
2024-04-20 00:50:34
869
原创 Educational Codeforces Round 164 (Rated for Div 2)
考虑一个颜色集合，最优分组法是每次选球最多的两种颜色组合，设其数量最多的颜色球为A，总球数为B，若B−A≤A，则其value为A；若B−A≥A，其value值为⌈B⌉。则可先对数组a排序，枚举所选球数的颜色i，只需知道满足前i−1种颜色构成的颜色集合总球数j对应的方案数即可计算答案，方案数的计算则可用dp解决。
2024-04-14 10:57:18
1901
1
原创 [文献阅读]An Automated Ensemble Learning Framework Using Genetic Programming for Image Classification
集成（ensemble）由多个学习器组成，能达到比单一学习器更好的泛化性能。遗传编程（genetic programming, GP）已经被应用于利用诸如bagging和boosting的不同策略来构建集成。然而，没有基于GP的集成方法专注于处理图像分类，这一在计算机视觉和机器学习中具有挑战性的任务。本文提出了一种使用GP的自动化集成学习框架（EGP）进行图像分类。
2024-04-04 19:04:14
2098
1
原创 [文献阅读]Large-Scale Meta-Heuristic Feature Selection Based on BPSO Assisted Rough Hypercuboid Approach
在构建更紧凑高效的模型中，选择重要特征是数据挖掘（data mining）领域的一项重要的数据预处理任务（data pre-processing task）。粗糙超立方体方法是一种新兴技术，可用于消除不相关和冗余特征，特别是近似数值分类（approximate numerical classification）中的不准确性问题（inexactness problem）上。通过融合基于元启发式的进化搜索技术，本文提出了一种新的数值特征全局搜索方法，这种方法基于粗糙超立方体方法和二进制粒子群优化（BPSO）
2024-03-26 11:21:49
2123
原创 [文献阅读] A Rough Hypercuboid Approach for Feature Selection in Approximation Spaces
选择相关和重要的特征是一个重要问题，尤其是对于具有大量特征的数据集。为此，我们提出了一种基于粗糙超立方体（rough hypercuboid）方法的新特征选择算法。该算法通过最大化所选特征的相关性、依赖性和重要性（relevance, dependency and significance），从数据集中选出一组特征。通过引入超立方体等效分区矩阵（hypercuboid equivalence partition matrix）的概念，提出了一种样本类别对特征依赖程度的新表示方法，用于衡量。
2024-03-16 07:49:38
550
2
原创 粗糙超立方体学习笔记 (1)
P-下近似（P-lower approximation），或称正域（positive region），是目标集合在等价类中所有子集的并集。在刚才的例子中，，这是两个等价类，且都被目标集合所包含。下近似就是中可以肯定被分类为目标集合中的完整对象集。P-上近似（P-upper approximation），是等价类中，与目标集合有非空交集的集合的并集。在例子中，，是三个等价类的并集。上近似就是中不能肯定被分类为目标集合的补集的对象集。于是集合表示负域（negative region）
2024-03-10 22:12:21
691
2
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