VEGIOS的博客

C++中虚函数与多态的关系

VEGIOS — Fri, 24 Sep 2021 22:42:05 +0800

C++中虚函数 1. 虚函数、虚函数表、类类的成员函数不占用内存空间引入virtual后为什么从1变成4？当一个/多个虚函数加入类之后，编译器向类中插入一个看不见的成员变量——即虚函数表指针Vptr（4个字节）占用类对象内存空间，虚函数表Vtpl的生成：类中存在至少一个虚函数，会在类中自动生成一个虚函数表虚函数表指针被赋值的时机 Vptr赋值的语句 Vptr指向类Vtbl 类对象在内存中的布局虚函数的工作原理和多态性的体现父类中存在虚函数A，子类中也有一个同名虚函数A，当通过父类

2021-09-23

VEGIOS — Thu, 23 Sep 2021 19:23:46 +0800

ADSL为非对称数字用户环路，是一种新的数据传输方式。它因为上行和下行带宽不对称，因此称为非对称数字用户线环路。采用频分复用技术把普通的电话线分成了电话、上行和下行3个相对独立的信道，从而避免了相互之间的干扰。即使边打电话边上网，也不会发生上网速率和通话质量下降的情况。在电信服务提供商端，需要将每条开通ADSL业务的电话线路连接在数字用户线路访问多路复用器(DSLAM)上。而在用户端，用户需要使用一个ADSL终端(调制解调器)来连接电话线路。主机甲与主机乙之间已建立一个TCP连接，主机甲向主机..

一种工业机器人控制器的实验安全性分析

VEGIOS — Sun, 25 Oct 2020 21:05:07 +0800

攻击模型网络攻击即使机器人没有直接接触到互联网，工业机器人控制器也可以连接到工厂局域网，或连接到(易受攻击的)远程服务设施。用于获取网络访问的技术和策略超出了本工作的范围。然而，攻击者通常利用各种入口点来危害连接到工厂网络的计算机，甚至求助于用于转移针对内部设备的攻击的离线方法(例如，USB盘)。关于APN 一些工业机器人嵌入专有的远程访问设备，例如由供应商用于远程监控和维护。这样的设备是工业路由器，通常被称为供应商特定的术语，如“服务盒”。工业路由器与远程路由器之间的远程服务可以通过互联网、通过VP

论文阅读之用于车辆入侵检测的指纹电子控制单元

VEGIOS — Thu, 22 Oct 2020 22:44:57 +0800

用于车辆入侵检测的指纹电子控制单元基于异常的入侵检测系统（IDS），称为基于时钟的IDS（CIDS）。它测量并利用定期的车载消息间隔来为ECU指纹识别。方法推论得出的指纹用于使用递归最小二乘（RLS）算法来构建ECU时钟行为的基线。基于此基准，CIDS使用累积总和（CUSUM）来检测识别错误中的任何异常变化-明确的入侵迹象。这可以快速识别车载网络入侵，误报率低至0.055％针对性 1）车载消息没有在其发送器上携带信息，因此人们无法分辨它们是否来自真正的发送器； 2）缺少发送器信息，使得最新的ID

广度优先搜索

VEGIOS — Mon, 21 Sep 2020 09:51:04 +0800

广度优先搜索广度优先搜索（Breadth First Search）也叫宽度优先搜索，是指从图中的某个结点出发，沿着和这个点相连的边向前走，去寻找和这个点距离为 1 的所有其他点。只有当和起始点距离为 1 的所有点都被搜索完毕，才开始搜索和起始点距离为 2 的点。当所有和起始点距离为 2 的点都被搜索完了，才开始搜索和起始点距离为 3 的点，如此类推。我们用结点上的数字表示结点的 ID，用虚线表示遍历前进的方向，用结点边上的数字表示该结点在广度优先搜索中被访问的顺序。从这个图中，你有没有发现，广度优先搜

SVM之非线性分类

VEGIOS — Fri, 11 Sep 2020 15:42:19 +0800

SVM 的英文叫 Support Vector Machine，中文名为支持向量机。它是常见的一种分类方法，在机器学习中，SVM 是有监督的学习模型。什么是有监督的学习模型呢？它指的是我们需要事先对数据打上分类标签，这样机器就知道这个数据属于哪个分类。同样无监督学习，就是数据没有被打上分类标签，这可能是因为我们不具备先验的知识，或者打标签的成本很高。所以我们需要机器代我们部分完成这个工作，比如将数据进行聚类，方便后续人工对每个类进行分析。SVM 作为有监督的学习模型，通常可以帮我们模式识别、分类以及回归分析

决策树之CART 算法

VEGIOS — Thu, 10 Sep 2020 11:05:58 +0800

我们可以把决策树分为 ID3 算法、C4.5 算法和 CART 算法。今天我来带你学习 CART 算法。CART 算法，英文全称叫做 Classification And Regression Tree，中文叫做分类回归树。ID3 和 C4.5 算法可以生成二叉树或多叉树，而 CART 只支持二叉树。同时 CART 决策树比较特殊，既可以作分类树，又可以作回归树。什么是分类树，什么是回归树呢？我用下面的训练数据举个例子，你能看到不同职业的人，他们的年龄不同，学习时间也不同。如果我构造了一棵决策树，想要基于

决策树

VEGIOS — Thu, 10 Sep 2020 10:35:51 +0800

决策树那点事一棵典型的决策树。我们在做决策树的时候，会经历两个阶段：构造和剪枝。构造就是生成一棵完整的决策树。简单来说，构造的过程就是选择什么属性作为节点的过程，那么在构造过程中，会存在三种节点：根节点：就是树的最顶端，最开始的那个节点。在上图中，“天气”就是一个根节点；内部节点：就是树中间的那些节点，比如说“温度”、“湿度”、“刮风”；叶节点：就是树最底部的节点，也就是决策结果。节点之间存在父子关系。比如根节点会有子节点，子节点会有子子节点，但是到了叶节点就停止了，叶节点不存在子节点。那么在构造过程

拉格朗日求解最优化问题——KKT条件

VEGIOS — Wed, 01 Jul 2020 11:51:38 +0800

拉格朗日乘子法————等式约束 KKT条件——不等式约束不等式约束条件KKT

代码雨黑客帝国

VEGIOS — Sat, 16 May 2020 23:16:11 +0800

闲来无事，搞一个自己玩一下第一步建一个 .txt 第二步，粘贴下面代码