LilyZJ的博客

常见算法题字符串的排列字符串的排列基本思路：首先求出所有可能出现在第一个位置的字符，然后逐个与后面的字符交换；固定第一个字符，然后求后面的全排列。（采用递归，将字符串分为两部分，第一个字符与后面的字符）void permutation(char* str, char* pBegin){ if(str==nullptr || pBegin==nullptr) return; if(*p...

leetcode思路总结1. Two Sum题目描述：解法一：解法二：1. Two Sum题目描述：给定一个整数数组nums以及一个数target，求和为target的两个数在数组中的下标。约定对于给定的target有且仅有一组解。解法一：采用哈希表(unordered_map)。依次扫描数组，并判断target-nums[i] 是否存在哈希表中，若存在，则找到了这两个数；否则，将(nu...

笔试知识点总结数据结构图二叉树数据结构图无向图可能的顶点度数组合（边数满足 0<=e<=n(n−1)/20<=e<=n(n-1)/20<=e<=n(n−1)/2, 而总度数=2e）因此：（1）总度数一定为偶数（2）0<=总度数<=n(n-1)二叉树二叉树的结点总数：n=n0+n1+n2n=n_0+n_1+n_2n=n0​+n1​...

机器学习（二）第5章 神经网络感知机与多层前馈神经网络反向传播算法第5章 神经网络神经元感知机多层前馈神经网络BP算法感知机与多层前馈神经网络感知机由两层神经元组成，但只有输出神经元进行激活函数处理，即只拥有一层功能神经元，感知机只能处理线性可分问题，且若线性可分，则感知机的学习过程一定会收敛。为了解决非线性可分问题，需要使用多层功能神经元。反向传播算法缓解BP网络的过拟合...

机器学习第2章 模型评估与选择第2章 模型评估与选择错误率（error rate）精度（accuracy）训练误差/经验误差（training error）泛化误差（generalization error）过拟合（overfitting）：将训练集自身的特点当作样本的一般性质学习到了，导致泛化性能下降。欠拟合（underfitting）：未能学好样本的一般性质。...

机器学习分类监督无监督学习分类监督回归问题（输出是连续性数值）：线性回归分类问题（输出是类别型）：逻辑回归文本分类：朴素贝叶斯决策树随机森林（集成多个决策树）SVM神经网络无监督学习聚类分析：K-means降维（降噪、数据可视化）：PCA一个样本可能属于多个类：GMM抽取主题特征：LDA...

机器学习知识点总结SVMSVM二分类模型：特征空间上间隔最大的线性分类器学习目标：在n维数据空间中找到一个超平面学习策略：最大化间隔分类超平面：f(x)=wTx+bf(x)=w^Tx+bf(x)=wTx+b, f(x)f(x)f(x)小于0对应于y=−1y=-1y=−1的数据点，f(x)f(x)f(x)大于0对应于y=1y=1y=1的数据点，f(x)=0f(x)=0f(x)=0对应于超...

Sharpening Spatial Filters一阶微分之前说到图像平滑/图像模糊使通过减少图像亮度剧烈变化的部分，可以采用像素值平均 (或加权平均)，类似于积分。而锐化则强调亮度的转变，可以通过空间域像素的微分实现。微分算子的响应强度与该点出亮度不连续的程度成正比。因此，图像微分会增强边缘与其他不连续的成分 (如噪声)，而不强调亮度缓慢变化的区域。平滑通常被称作低通滤波，而锐化又被称为高通...

图像预处理技术与图像增强1、灰度化/颜色空间变换灰度化颜色空间变换2、几何变换3、图像增强空间域法：点运算算法邻域去噪算法频率域法一般的预处理流程为：灰度化–>几何变换–>图像增强 (图像处理之预处理方法)1、灰度化/颜色空间变换灰度化分量法；最大值法；平均值法；加权平均法颜色空间变换设备相关的颜色空间：RGB和CMYK。(预处理的意义)设备无关的颜色空间：CIE XY...

文章目录1、给定0-1矩阵，求连通域- 基于行程的标记- 基于轮廓的标记1、给定0-1矩阵，求连通域- 基于行程的标记- 基于轮廓的标记

C++关键字辨析1、new/delete、malloc/free2、delete 与 delete[]3、C++的多态性（virtual）与虚函数4、引用与常引用（const int &）5、重载(overload)与重写(或称覆盖，overried)6、initialization list 与 assignment7、类型安全8、内存分配方式1、new/delete、malloc/f...

https://www.guokr.com/article/61878/