<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[Wilson_Lin_01的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/Wilson_Lin_01</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; Wilson_Lin_01]]></copyright><item><title><![CDATA[（力扣记录）98. 验证二叉搜索树]]></title><link>https://blog.youkuaiyun.com/Wilson_Lin_01/article/details/136125502</link><guid>https://blog.youkuaiyun.com/Wilson_Lin_01/article/details/136125502</guid><author>Wilson_Lin_01</author><pubDate>Fri, 16 Feb 2024 05:23:08 +0800</pubDate><description><![CDATA[数据结构：树🌲
时间复杂度：O(n)
空间复杂度：O(n)
代码实现]]></description><category></category></item><item><title><![CDATA[（力扣记录）1448. 统计二叉树中好节点的数目]]></title><link>https://blog.youkuaiyun.com/Wilson_Lin_01/article/details/136125498</link><guid>https://blog.youkuaiyun.com/Wilson_Lin_01/article/details/136125498</guid><author>Wilson_Lin_01</author><pubDate>Fri, 16 Feb 2024 05:20:56 +0800</pubDate><description><![CDATA[数据结构：树🌲
时间复杂度：O(n)
空间复杂度：O(n)
代码实现]]></description><category></category></item><item><title><![CDATA[（力扣记录）199.二叉树的右视图]]></title><link>https://blog.youkuaiyun.com/Wilson_Lin_01/article/details/136125495</link><guid>https://blog.youkuaiyun.com/Wilson_Lin_01/article/details/136125495</guid><author>Wilson_Lin_01</author><pubDate>Fri, 16 Feb 2024 05:17:28 +0800</pubDate><description><![CDATA[数据结构：树🌲
时间复杂度：O(n)
空间复杂度：O(n)
代码实现]]></description><category></category></item><item><title><![CDATA[（力扣记录）102. 二叉树的层序遍历]]></title><link>https://blog.youkuaiyun.com/Wilson_Lin_01/article/details/136125493</link><guid>https://blog.youkuaiyun.com/Wilson_Lin_01/article/details/136125493</guid><author>Wilson_Lin_01</author><pubDate>Fri, 16 Feb 2024 05:15:45 +0800</pubDate><description><![CDATA[数据结构：树🌲
时间复杂度：O(n)
空间复杂度：O(n)
代码实现]]></description><category></category></item><item><title><![CDATA[（力扣记录）235. 二叉搜索树的最近公共祖先]]></title><link>https://blog.youkuaiyun.com/Wilson_Lin_01/article/details/136125488</link><guid>https://blog.youkuaiyun.com/Wilson_Lin_01/article/details/136125488</guid><author>Wilson_Lin_01</author><pubDate>Fri, 16 Feb 2024 05:13:16 +0800</pubDate><description><![CDATA[数据结构：树🌲

时间复杂度：O(n)
空间复杂度：O(1)]]></description><category></category></item><item><title><![CDATA[（力扣记录）62. 不同路径]]></title><link>https://blog.youkuaiyun.com/Wilson_Lin_01/article/details/136117721</link><guid>https://blog.youkuaiyun.com/Wilson_Lin_01/article/details/136117721</guid><author>Wilson_Lin_01</author><pubDate>Thu, 15 Feb 2024 02:16:07 +0800</pubDate><description><![CDATA[数据结构/算法：二维动态规划

时间复杂度：O(mn)

空间复杂度：O(n)

代码实现]]></description><category></category></item><item><title><![CDATA[基于GPT一键完成数据分析全流程的AI Agent: Streamline Analyst]]></title><link>https://blog.youkuaiyun.com/Wilson_Lin_01/article/details/136105253</link><guid>https://blog.youkuaiyun.com/Wilson_Lin_01/article/details/136105253</guid><author>Wilson_Lin_01</author><pubDate>Thu, 15 Feb 2024 00:55:35 +0800</pubDate><description><![CDATA[Streamline Analyst 🪄是一个开源的基于GPT-4这样的大语言模型的应用，目标简化数据分析中从数据清洗到模型测试的全部流程。分类预测、聚类、回归、数据集可视化、数据预处理、编码、特征选择、目标属性判断、可视化、最佳模型选择等等任务都不在话下。用户需要做的只有选择数据文件选择分析模式，剩下的工作就可以让AI来接管了。所有处理后的数据和训练的模型都可下载。]]></description><category></category></item><item><title><![CDATA[（力扣记录）5. 最长回文子串]]></title><link>https://blog.youkuaiyun.com/Wilson_Lin_01/article/details/135743235</link><guid>https://blog.youkuaiyun.com/Wilson_Lin_01/article/details/135743235</guid><author>Wilson_Lin_01</author><pubDate>Mon, 22 Jan 2024 11:08:36 +0800</pubDate><description><![CDATA[数据结构/算法：动态规划

时间复杂度：O(n^2)

空间复杂度：O(1)

代码实现：]]></description><category></category></item><item><title><![CDATA[（力扣记录）739. 每日温度]]></title><link>https://blog.youkuaiyun.com/Wilson_Lin_01/article/details/135725326</link><guid>https://blog.youkuaiyun.com/Wilson_Lin_01/article/details/135725326</guid><author>Wilson_Lin_01</author><pubDate>Sun, 21 Jan 2024 06:50:23 +0800</pubDate><description><![CDATA[数据结构：栈

时间复杂度：O(n)

空间复杂度：O(n)

代码实现：]]></description><category></category></item><item><title><![CDATA[（力扣记录）23. 合并K个升序链表]]></title><link>https://blog.youkuaiyun.com/Wilson_Lin_01/article/details/135709723</link><guid>https://blog.youkuaiyun.com/Wilson_Lin_01/article/details/135709723</guid><author>Wilson_Lin_01</author><pubDate>Sat, 20 Jan 2024 01:36:09 +0800</pubDate><description><![CDATA[数据类型：链表

时间复杂度：O(NK logK),N为链表长度

空间复杂度：O(K)

代码实现]]></description><category></category></item><item><title><![CDATA[Cobalt: 我愿称之为IDEA最美配色☕️]]></title><link>https://blog.youkuaiyun.com/Wilson_Lin_01/article/details/135697847</link><guid>https://blog.youkuaiyun.com/Wilson_Lin_01/article/details/135697847</guid><author>Wilson_Lin_01</author><pubDate>Fri, 19 Jan 2024 15:02:12 +0800</pubDate><description><![CDATA[Cobalt是为IntelliJ IDEA和Java语言优化的一个配色主题，以现代和科技感的蓝色为主体。题主相信哪怕是一个简单的主题配色，都是可以给开发者们带来更有生产力、更舒适的创作心境。希望你会喜欢！

另外Cobalt这个名字取自“钴蓝色”，常用于艺术和宝石深蓝色，同时象征着深度和稳定性，咱就是说希望代码都稳稳的。下载配色文件，再从IntelliJ IDEA的设置中导入即可。另外推荐字体是JetBrains Mono

下载地址...]]></description><category></category></item><item><title><![CDATA[（力扣记录）84. 柱状图中最大的矩形]]></title><link>https://blog.youkuaiyun.com/Wilson_Lin_01/article/details/135671540</link><guid>https://blog.youkuaiyun.com/Wilson_Lin_01/article/details/135671540</guid><author>Wilson_Lin_01</author><pubDate>Thu, 18 Jan 2024 12:56:51 +0800</pubDate><description><![CDATA[数据结构类型：栈

时间复杂度：O(N)

空间复杂度：O(N)

代码实现]]></description><category></category></item><item><title><![CDATA[（力扣记录）295. 数据流的中位数]]></title><link>https://blog.youkuaiyun.com/Wilson_Lin_01/article/details/135639247</link><guid>https://blog.youkuaiyun.com/Wilson_Lin_01/article/details/135639247</guid><author>Wilson_Lin_01</author><pubDate>Wed, 17 Jan 2024 03:09:44 +0800</pubDate><description><![CDATA[数据结构：Heap

时间复杂度：O(1) 获取中位数 ；O(logN) 插入新值

空间复杂度：O(N)]]></description><category></category></item><item><title><![CDATA[（力扣记录）42.接雨水]]></title><link>https://blog.youkuaiyun.com/Wilson_Lin_01/article/details/135615753</link><guid>https://blog.youkuaiyun.com/Wilson_Lin_01/article/details/135615753</guid><author>Wilson_Lin_01</author><pubDate>Tue, 16 Jan 2024 09:10:19 +0800</pubDate><description><![CDATA[数据结构：数组

时间复杂度：O(N)

空间复杂度：O(N)]]></description><category></category></item><item><title><![CDATA[（力扣记录）39. 组合总和]]></title><link>https://blog.youkuaiyun.com/Wilson_Lin_01/article/details/135592049</link><guid>https://blog.youkuaiyun.com/Wilson_Lin_01/article/details/135592049</guid><author>Wilson_Lin_01</author><pubDate>Mon, 15 Jan 2024 05:19:39 +0800</pubDate><description><![CDATA[数据结构/算法：回溯

时间复杂度：O(2^(target))]]></description><category></category></item><item><title><![CDATA[（力扣记录）146. LRU 缓存]]></title><link>https://blog.youkuaiyun.com/Wilson_Lin_01/article/details/135578698</link><guid>https://blog.youkuaiyun.com/Wilson_Lin_01/article/details/135578698</guid><author>Wilson_Lin_01</author><pubDate>Sun, 14 Jan 2024 02:14:47 +0800</pubDate><description><![CDATA[数据类型：链表

时间复杂度：O(1)

空间复杂度：O(N)]]></description><category></category></item><item><title><![CDATA[【附完整项目代码】从一个社交分享平台入门MERN全栈开发]]></title><link>https://blog.youkuaiyun.com/Wilson_Lin_01/article/details/135542657</link><guid>https://blog.youkuaiyun.com/Wilson_Lin_01/article/details/135542657</guid><author>Wilson_Lin_01</author><pubDate>Fri, 12 Jan 2024 11:53:05 +0800</pubDate><description><![CDATA[基于MERN 的高性能航拍博客分享平台：创建、编辑自己的博客；评论和点赞所有的博客；谷歌账户授权登录和常规的用户注册和登录认证；加入Aho-Corasick算法实现敏感词过滤；采用对IP限流组件对系统进行保护，避免突增流量和攻击的隐患；通过分页和数据库索引优化查询耗时；引入CI/CD和测试工具。“MERN”是MongoDB、Express、React，和NodeJS四个技术栈的合并简称，目前是北美最常用的全栈解决方案之一。作为计算机专业的学生和从业人员，在MERN / MEAN (JavaScript)]]></description><category></category></item><item><title><![CDATA[C语言数字图像处理（十）：Otus算法，移动平均和区域生长算法]]></title><link>https://blog.youkuaiyun.com/Wilson_Lin_01/article/details/134781382</link><guid>https://blog.youkuaiyun.com/Wilson_Lin_01/article/details/134781382</guid><author>Wilson_Lin_01</author><pubDate>Mon, 04 Dec 2023 13:45:54 +0800</pubDate><description><![CDATA[从结果来看，Otus算法的分割效果比之前的全局阈值算法要好很多。 Otsu算法衡量最优分割阈值的标准是类间方差最大，当类间方差最大时为最优。 但该算法对噪声和目标尺寸非常敏感，需要进行降噪处理才能取得可观的效果。移动平均法是一种可变阈值处理方法。这种方法以之字形线性扫描整个图像，目的是减少图像中光照的偏差。这解决了全局阈值无法处理的光强变化问题。通常来说，当对象和图像的尺寸相对较小或较薄时，如被斑点遮挡的文本图像或正弦波形的亮度，该算法效果较好。区域生长法是一种将像素或子区域根据预定义的标准聚集成更大区域的]]></description><category></category></item><item><title><![CDATA[C语言数字图像处理（九）：阈值处理和边缘检测]]></title><link>https://blog.youkuaiyun.com/Wilson_Lin_01/article/details/134707829</link><guid>https://blog.youkuaiyun.com/Wilson_Lin_01/article/details/134707829</guid><author>Wilson_Lin_01</author><pubDate>Thu, 30 Nov 2023 12:32:42 +0800</pubDate><description><![CDATA[Roberts 算法使用局部差分算子来查找边缘。 当图像中的边缘接近+45度或-45度时，该算法效果更好。 Roberts算子对边缘的定位精度较高。 从处理结果来看，Roberts 算法对噪声比较敏感，因此适合于边缘比较明显、噪声较少的图像分割。Prewitt算子采用3×3的模板来计算区域内的像素值，因此其边缘检测结果在水平和垂直方向上都比Robert算子明显。 Prewitt算子对噪声有一定的抑制作用。 抑制噪声的原理是像素平均，但Prewitt算子在定位边缘方面不如Roberts算子，而且可能会产生宽度]]></description><category></category></item><item><title><![CDATA[【SearchGPT】复刻GPT实时网页搜索&浏览功能]]></title><link>https://blog.youkuaiyun.com/Wilson_Lin_01/article/details/134625618</link><guid>https://blog.youkuaiyun.com/Wilson_Lin_01/article/details/134625618</guid><author>Wilson_Lin_01</author><pubDate>Sun, 26 Nov 2023 14:14:36 +0800</pubDate><description><![CDATA[GPT4的知识库涉及领域丰富、涵盖范围广泛，但是一直有一定的实效滞后，例如最新的GPT4知识更新截止于2023年4月。为了跨越这个限制，今年OpenAI相继为GPT-Plus的用户开放了接入网页搜索的插件。自此，GPT可以根据具体问题的需要来联网获取最新信息，增强模型对实时数据检索的相关性和实效性。这篇文章就是对GPT内置的这个功能的一个实现，并且比网页端 GPT 自带的网络浏览功能更加迅速。你也可以把它视为一个对new Bing 和 Bard 的最小化的后端实现，一种搜索搜索引擎和AI问答的高度结合。]]></description><category></category></item></channel></rss>