djskl的专栏

本文来自：http://weihe6666.iteye.com/blog/1184554 久闻《编程珠玑》一书中提出的bitmap算法之大名，只是没有深入的去研究，今天下午有兴致研究一番，才知道其中的玄机奥秘，不亚于KMP算法之巧妙，下面就由浅入深的谈谈bitmap算法。  一、bitmap算法思想      32位机器上，一个整形，比如int a; 在内存中占32bit位，可以用对

基本公式：a⊕b = (¬a ∧ b) ∨ (a ∧¬b)，运算时，相同值异或为0，不同值异或为1 元算法则： a⊕b = b⊕a (a⊕b)⊕c = a⊕(b⊕c) c=a⊕b --> a=c⊕b / b=c⊕a 例1：在一个整数数组中，除一个数出现1次外，其他的都出现了2次，在O(n)时间复杂内找到这个数，不能使用辅助空间。 解析：根据相同为0的性质，通过两两异或可以把所有值相

/** * 本文所实现的bitmap是将整型数字存储到整型数组中，主要是为了减少原始数字集合存储所占的空间 * @author djskl * */ public class BitMap { private int[] data;//BitMap private final int BITS=32;//数组中的存储单元为32位 private final int SHIFT=5;/

1、补码原码概念 计算机中的数都以补码的形式表示 补码变原码，原码变补码都是取反加1 2、 移位操作 无符号数：左移右移都补0 有符号数： 正数：左移右移都补0，但是符号位可以被覆盖，但1移动到最高位的时候会变成负数，如果在此基础上再移一位会变成0 负数：左移补0右移补1，不断右移会变成-1，-1右移永远是-1，因为-1的二进制补码是111--32个1--111； 3、进行位移操作

原文地址：http://blog.jobbole.com/48386/ 现实生活中有很多问题，人为不好解决，但利用计算机速度快，不出错的特性，可以很方便的解决这些问题，下面简单说说我在程序设计中解决实际问题的一些常见思想，高手可以忽略掉，我也是无聊了随便写写而已。 1.枚举最优解时的情况 有很多问题初看很棘手，但经过仔细的分析，可以得出一些显然的结论。 比如下面这个问题

爱奇艺 1、int a=5;int b=7;int rst=(a++)+(b++);rst=? 解析：x++操作符相当于一个函数调用，x是函数参数，++在x之后返回值是x，++在x之前返回的的x+1。所以rst=12； 2、以中文为主的文章，以下哪种编码方式使存储空间最小？ A、GBK   B、UTF-8   C、Unicode   D、UCS-4 解析：Unicode为确定了所有字符(

首先我们来定义流的概念，一个流可以是文件，socket，pipe等等可以进行I/O操作的内核对象。不管是文件，还是套接字，还是管道，我们都可以把他们看作流。     之后我们来讨论I/O的操作，通过read，我们可以从流中读入数据；通过write，我们可以往流写入数据。现在假定一个情形，我们需要从流中读数据，但是流中还没有数据，（典型的例子为，客户端要从socket读如数据，但是服务器还没有

1、插入排序：简单，时间复杂度O(n2)，每次保证前n个元素有序然后将n+1个元素插入到前面的序列中。       可以证明：通过交换相邻元素进行排序的任何算法平均都需要O(n2)时间。所以提高插入排序的一种思路就是通过比较不相邻的元素进行排序，这就是希尔排序。 2、希尔排序：通过比较不相邻的元素来工作，各趟比较所使用的距离逐渐减小，称为增量序列。       不同增量序列对算法性能影响很大

转自：http://www.ruanyifeng.com/blog/2007/10/ascii_unicode_and_utf-8.html 今天中午，我突然想搞清楚Unicode和UTF-8之间的关系，于是就开始在网上查资料。 结果，这个问题比我想象的复杂，从午饭后一直看到晚上9点，才算初步搞清楚。 下面就是我的笔记，主要用来整理自己的思路。但是，我尽量试图写得通俗易懂，希

Trie树，又称单词查找树或键树，是一种树形结构，是一种哈希树的变种。 典型应用是用于统计和排序大量的字符串（但不仅限于字符串）， 所以经常被搜索引擎系统用于文本词频统计。   它的优点是：   利用字符串的公共前缀来节约存储空间，最大限度的减少无谓的字符串比较，查询效率比哈希表高。   比如说我们想储存3个单词，sky、skyline、skymoon。如果只是单纯的按照以前的字符数组

KMP算法曾被我戏称为看毛片算法，当时笑喷......大三那个时候硬着头皮把算法导论的kmp算法啃完，弄懂了kmp算法 的原理，甚至还写出了代码，这几天再次温习的时候，发现忘得比较彻底。我总结，学算法不能只对着书本学理论，而应该 用自己的理解去看清算法的本质，最好用文字把你的理解记录下来，这样才能做到活学活用，而且不容易忘。写这篇博客就是想把自己这几天的思路记下来。   一

一、概述 纵坐标为TPR(True Positive Rate)，横坐标为FPR(False Positive Rate)。TPR反映的分类为“正”的样本在所有"正"样本中所占的比例，FPR反映的是被错误分类为"正"的样本在所有"负"样本中的所占的比例。TPR越大，FPR越小，越好。 二、用途 2.1 参数选择 计算不同参数对应的TPR和FPR，然后以FPR为主排序，并做折线图，越靠近左上

早在1994年 SUN 的小伙 Peter Deutsch就提出了分布式计算的七大谬论，后来被 James Gosling等完善: Fallacies of Distributed Computing 1. 网络是可靠的 2. 网络延时为零 3. 带宽是无限的 4. 网络是安全的 5. 网络拓扑不会改变 6. 肯定至少有一个管理员（在值班） 7. 传输开销为零 8. 网络是同

转自：http://blog.youkuaiyun.com/this_super/article/details/6185390 java中接口Set有众多实现类，而HashSet和TreeSet是最常用的两个，这里总结TreeSet实现排序的2种方式： 1.通过TreeSet(ComparatorE> comparator) 构造方法指定TreeSet的比较器进行排序； 2.使用TreeS

转自：http://my.oschina.net/pathenon/blog/63575 问题描述：     给定一个字符串S=A1A2...An，要求找出其最长回文子串（Longest Palindromic Substring）。所谓回文子串就是S的某个子串Ai...Aj为回文。例如，对字符串S=abcdcbeba，它的回文子串有：bcdcb，cdc，beb，满足题目要求的最长回文

转自：http://www.cnblogs.com/heaad/archive/2011/01/02/1924195.html Bloom Filter是由Bloom在1970年提出的一种多哈希函数映射的快速查找算法。通常应用在一些需要快速判断某个元素是否属于集合，但是并不严格要求100%正确的场合。   一. 实例  　　为了说明Bloom Filter存在的重要意义，举

1、属性值：首先要看取值是否在正常范围内，如人的身高，如果取值为100m那肯定是异常；同时也要看数据背景，在NBA中1.3m的身高也很有可能是异常值。 2、相关性：以人的年龄和体重为例，3岁和150斤都是正常值，但若这两个值出现在一个人身上那肯定也是异常值。以车的速度为例10KM/h和120KM/h都是正常值，如果这两个是相邻两秒的速度值就不正常了。 3、基于模型的判断方法：异常值的模型拟合度

问题： 比如三对括号,其有效的排列组合方式总共