fb_941219的博客

为直线上的两个点, 求红色的点到直线的距离。红色的点为鼠标位置, 蓝色的点。将问题进行一下转化：如下图所示。

Hidden Markov Model, 马尔科夫模型.最后利用维特比算法求解最优状态。

变分法求解的是泛函极值问题，变分法将泛函求极值问题通过欧拉-拉格朗日方程（满足欧拉-拉格朗日方程是泛函具有极值的必要非充分条件）转换为微分方程的求解。

两种解法的思路1584-连接所有点的最小费用示例 1：1.Kruskal算法并查集的路径压缩：Kruskal算法思路：Kruskal 算法以边为单元，时间(m log(m))主要取决于边数，比较适合于稀疏图.2.Prim算法prim 算法其实就是 BFS 思想。注意优先队列的 cmp ,有点反直觉啊。......

属于信息论基本概念。wiki如何理解信息熵，这个视频做得真的很棒！信息量：x=log2Nx = log_2Nx=log2​N， NNN 为等可能事件数量。例如，信息量为3，则原始等可能事件数为 23=82^3=823=8.信号量是信息熵的一个特例：事件是等可能发生的。这篇文章中给出了定义:定义：熵, 用来度量信息的不确定程度。解释： 熵越大，信息量越大。不确定程度越低，熵越小，比如“明天太阳从东方升起”这句话的熵为0，因为这个句话没有带有任何信息，它描述的是一个确定无疑的事情。例子也很直观：例子：假设有随