abc8350712的博客

问题描述: 12个高矮不同的人，排成两排，每排必须是从矮到高排列，而且第二排比对应的第一排的人高，问排列方式有多少种？#include <iostream> #include <vector> #include <cstring> using namespace std;int coun; void twoSeries(int n,int rLim,vector<int> people) {

// // Created by moon on 9/7/17. // #include using namespace std; class Date{ private: int Day,Month,Year; public: Date(int InputDay,int InputMonth,int InputYear):Day(InputDay),Month(InputMo

这题主要是换个思路会简单很多。不用ＢＦＳ而用ＤＦＳclass Solution(object): def ladderLength(self, beginWord, endWord, wordList): wordList.add(endWord) queue = collections.deque([[beginWord, 1]]) whil

上面是Fast-RCNN的基本流程输入有两部分：1）原图。2）Selective Search Fast-RCNN相比RCNN的优点就在于，只经过一次的前向传播，共享Feature Map，大大加快了速度。 对于各个Region Proposal，我的理解是，从Feature Map里找到相应的区域，再把该输入值投放到ROI Pooling当中，生成一样大小的Feature Vector。最后利

最关键的是要重右上角开始比较！ class Solution { public: bool Find(int target, vector<vector<int> > array) { int a = 0; int b = array.size()-1; while(b>=0&&a<array[0].size()){ i

SPP-net:输入整张图片，特征从共享feature map上提取，所以大大加快了速度

极小值极大值的适用条件：零和，完全信息 假设有两个人在对弈，分别为Max和Min 所谓的极大极小，即Max要极大化自己的分数，而Min则要极小化Max的分数（注意棋局的分数是相对于Max而言） 如下是极大极小的自下而上的推导过程 蓝色线Min选择的分支，红色线为蓝色线选择的分支。上图得到的最终结果为Max应在0层选择右分支，得到的最低结果为-7但是该方法存在一些无须访问的节点，因此引入剪

下面是Scramble　Stringr的代码class Solution(object): def isScramble(self, s1, s2): """ :type s1: str :type s2: str :rtype: bool """ if(s1==s2):

数组里最后加了一个零，所以下标为0－N.从1－N开始遍历，如果数值大，则为了求递增数组，如果数值小，则开始返回遍历求最大值 例如取1－N的某个中间值i,如果大的话，那么就不做计算直接往后，如果遇到小值的话，那么就计算前面递增序列的最大值，再往后遍历的话，MAX的最大值取决于I值最小（木桶原理）。（大概就是这种思想）class Solution { public: int largestRe

y为类别，x为特征向量 p(y|x)=p(xy)/p(x)=p(x|y)p(y)/p(x) 事实上转化为p(x|y)p(y)的求解 p(y)很简单只要求对应类别在训练数据中的比即可 至于p(x|y)的话 朴素贝叶斯有一个假设，即X中的各个特征之间是相互独立的。故而 p(x|y)=各个p(xi|y)的叠乘 对于单个p(xi|y)的概率求解，其实就是求出在C类当中，第I个特征值为xi的概率

所谓归并排序，其实就是将一个数组分成等分两个相等的数组，然后对这两个数组都做同样的排序操作，再将两个数组结合起。实际是一个递归的过程 那么这个结合是怎么样的操作？ 举例左数组为经过排序操作等于【3，4】，右数组等于【1，2】，那么 这个数组本应是【3，4，1，2】，如何使之变成【1，2，3，4】呢？ 事实上，这是两个有序的数组，我们只须不断地比较两个数组各自的第一个，取出最小的加入新数组，直到

完美匹配：假设有N个男人和N个女人，如果男人和女人匹配结成一对，是为完美匹配 不稳定匹配： 假设有两对夫妇while(存在一个男人m且还有他未求婚的妇人） { w=m未求婚过的最喜欢的女人 if(w是自由身) { 将(w,m)设置为约会状态 } else //已经和其他男人约会了 { m*=w当前约会的女人

以下是Leetcode discussion上别人的Python代码class Solution: def ladderLength(self, beginWord, endWord, wordDict): #front back初始化 front, back=set([beginWord]), set([endWord]) length=2

论文内容 一、 候选字符提取 1. MSER提取，二值化 2. 算出Distance Map 3. 求出所有SSP（以每个像素为中心的3*3窗口内，若中心点是最大值，则表示是SSP点） 4. 对每个连通分量，计算5维特征 5. 用4中学到的5维特征训练SVM分类器（三类，单字符，多字符，背景） 二、 文本线形成 1. 每三个字符拟合一条直线（三个，拟合误差小） 2. 所有直线进行

class edge { public: edge(node* prev, const shape3d& shape, vector_type vtype) : shape_(shape), vtype_(vtype), data_({vec_t(shape.size())}), grad_({ vec_t(sha