- 博客(46)
- 收藏
- 关注
RSS订阅原创 面试八股文--框架篇（SSM）
（1）RedisRedis是一个开源的(open source)、内存中的数据结构存储系统，它支持多种数据结构，如字符串、哈希表、列表、集合、有符号整数和浮点数等，并提供了多种操作数据结构的命令。Redis基于内存的key-value结构数据库（2）Redis数据类型- 字符串 string ：SET key value，GET key- 哈希 hash：HSET key filed value，HGET key filed- 列表 list：LPUSH key value， RPOP key。
2025-03-27 22:56:59
1005
原创 面试八股文--数据库基础知识总结(3)MySQL优化
索引（index）是帮助MySQL高效获取数据的数据结构。面试八股文--数据库基础知识总结(2) MySQL_dbms-优快云博客聚簇索引：将数据存储与索引放到一块，索引结构的叶子节点保存了行数据（必须要、且只有一个！一般就是主键非聚簇索引（二级索引）：将数据与索引分开存储，索引结构的叶子节点关联的是对应的主键（可以有多个）先通过二级索引找到对应的主键，再通过聚簇索引找到对应的数据，这个过程就是回表查询。是指查询使用了索引，并且需要返回的列在该索引中已经全部能找到。（触发了回表查询就不是覆盖索引了）
2025-03-04 22:48:37
727
原创 算法刷题--最短路径算法
输入：一个带权图（有向或无向），其中每条边都有一个权重（可以是正数、负数或零）。输出：从起点到终点的最短路径，以及路径的总权重。
2025-03-03 15:47:45
270
原创 最小生成树算法（Prim和Kruskal的详细实现）
最小生成树（Minimum Spanning Tree, MST）是图论中的一个重要概念，它是指在一个加权连通图中，找到一棵包含所有顶点的生成树，使得这棵树的所有边的权重之和最小。常见的算法有普里姆算法（Prim）和克鲁斯卡尔算法（Kruskal）。举个具体的实例：各个村落会修路，每条路的成本，因此需要计划出一种方案使得成本最低。
2025-02-26 09:35:41
385
原创 面试八股文--并发编程篇
在层次分配策略下，所有的资源被分成了多个层次，一个进程得到某一次的一个资源后，它只能再申请较高一层的资源；当一个进程要释放某层的一个资源时，必须先释放所占用的较高层的资源，按这种策略，是不可能出现循环等待链的，因为那样的话，就出现了已经申请了较高层的资源，反而去申请了较低层的资源，不符合层次分配策略。Synchronized的底层是由monitor实现的，monitor是jvm级别的对象，线程获得锁需要使用对象锁关联monitor，下图展示了monitor的组成。（2）线程之间的状态是如何变化的？
2025-02-25 11:17:37
843
原创 面试八股文--数据库基础知识总结(2) MySQL
关系型数据库（Relational Database）是一种基于关系模型的数据库管理系统（DBMS），它将数据存储在表格（表）中，并通过表格之间的关系来组织和管理数据。索引是一种用于快速查询和检索数据的数据结构，其本质可以看成是一种排序好的数据结构。索引底层数据结构存在很多种类型，常见的索引结构有: B 树， B+树 和 Hash、红黑树。在 MySQL 中，无论是 Innodb 还是 MyIsam，都使用了B+树作为索引结构。
2025-02-24 21:36:45
1406
原创 面试八股文--数据库基础知识总结(1)
数据库定义语言用于定义和管理数据库的结构，包括创建、修改、删除数据库中的各种对象（如表、视图、索引、约束等）。DDL操作直接影响数据库的模式（schema）。1. CREATE（创建）- 创建数据库：CREATE DATABASE database_name;- 创建表：CREATE TABLE table_name (column1 datatype, column2 datatype, ...);
2025-02-24 17:34:22
1440
原创 二叉树的前序、中序、后序遍历（递归和非递归实现）
定义二叉树节点类# 构建二叉树# 测试遍历函数print("前序遍历:", preorder_traversal(root)) # 输出: [1, 2, 4, 5, 3]print("中序遍历:", inorder_traversal(root)) # 输出: [4, 2, 5, 1, 3]print("后序遍历:", postorder_traversal(root)) # 输出: [4, 5, 2, 3, 1]# 测试非递归。
2025-02-21 23:04:46
474
原创 中缀表达式转后缀表达式（逆波兰表达式）并进行计算
1）如果当前操作符的优先级小于等于栈顶元素，且栈非空，且栈顶不为“(” ：则将栈顶元素出栈，直到遇到“（”或者，优先级高于当前元素的栈内元素。（2）如果遇到操作符，首先判断是不是“（”，如果是，则直接放入栈中，如果是其他操作符，如“+”，“-”，“*”，“/”则需要查看栈顶元素。（3）如果遇到“）” 则直接将栈内元素出栈，直到遇到“（”，左括号出栈，但不输出到后缀表达式。的经典题目，记录一下中缀表达式转后缀表达式的算法思想，代码，以及例子。得到了后缀表达式，就可以用栈直接计算表达式的值了。
2025-02-16 21:39:05
195
原创 VScode连接远程服务器踩坑实战（新版离线vscode-server安装）
想要用VScode连接远程服务器，但远程服务器并没有连接外网，因此需要离线手动安装vscode-server但网上的方法都是旧版本的安装，没有新版本的配置。因此记录一下我都踩坑实战。
2024-10-10 17:20:30
15569
77
原创 解决报错“RuntimeError: CUDA error: device-side assert triggered ”
gatherlog。
2024-08-23 17:36:30
1299
1
原创 Anaconda+Pycharm 项目运行保姆级教程（附带视频）
最近很多小白在问如何用anaconda+pycharm运行一个深度学习项目，进行代码复现呢？于是写下这篇文章希望能浅浅起到一个指导作用。
2024-07-09 19:56:43
4181
4
原创 论文阅读--《FourierGNN：从纯图的角度重新思考多元时间序列预测》
本次介绍的文章来自NeurIPS 2023，关于多变量时间序列的预测痛点问题：当前最先进的基于图神经网络(GNN)的预测方法通常需要图网络(如GCN)和时间网络(如LSTM)来分别捕获序列间(空间)动态和序列内(时间)依赖关系。然而，两种网络的不确定兼容性给手工制作的模型设计带来了额外的负担。此外，分离的时空建模自然违背了现实世界中统一的时空相互依赖关系，这在很大程度上影响了预测效果。解决方案：从纯图角度重新思考MTS预测主要内容：首先定义了一种新的数据结构，hypervariate graph，它将每个序
2024-06-25 16:47:20
2782
2
原创 ECG-Emotion Recognition（情绪识别）-- 数据集介绍WESAD&DREAMER
WESAD是一个用于可穿戴压力和影响检测的新的公开数据集。该多模式数据集以实验室研究期间15名受试者的生理和运动数据为特征，这些数据来自手腕和胸部佩戴的设备。包括以下传感器模式：血容量脉冲、心电图、皮肤电活动、肌电图、呼吸、体温和三轴加速度。此外，该数据集通过包含三种不同的情感状态（中性、压力和娱乐），弥合了之前关于压力和情绪的实验室研究之间的差距。
2024-04-25 17:01:57
4453
10
原创 卸载torch并更新版本，torch-gpu的下载安装--亲测有效！！
以前一直抱怨实验室的cuda版本，以前是10.1，导致只能安装最低配版本的torch，也就是torch1.8.1，现在内核版本和驱动都更新了，变成了cuda11.4，以前的环境都没办法跑代码，只能重新进行卸载安装。
2024-03-19 14:34:02
5267
原创 解决报错“OSError: We couldn‘t connect to ‘https://huggingface.co‘ to load this file”
今天在于Bert进行文本情感分析时，由于要调用Bert的预训练模型，但是出现报错。原因是这个网址，国内的IP已经没办法访问了。于是想到用离线模式下载。意思是无法访问这个网址，点进这个网址，浏览器访问，依旧失败。1、搜索 bert-base-uncased。附上Bert的一个简单运行demo。2、下载所需要的文件（权重文件）都看到这里了~给个小心心❤❤呗~3、将下载的文件保存到项目下面。主要是在预训练模块处进行更改。不需要安全上网也能访问！4、更改源代码中的地址。
2024-03-12 17:15:10
8164
原创 Echarts绘制地图（超详细版！）
Echarts是一个很有用又很美观的可视化工具，最近想用Echarts绘制地图，但是网上的代码都没有绘制完全，今天分享一下我的代码要注意echarts需要引用一些js文件~
2024-01-17 10:13:13
17018
6
原创 基于窦性心律的阵发性房颤预测算法研究（3）--R峰定位和片段截取
Pan-Tompkins算法是一种基于离散小波变换的心电图（ECG）信号处理方法，用于监测并检测QRS波群的出现。该算法首先对原始ECG信号进行预处理，包括滤波、差分运算和积分运算等，然后使用一个特殊的小波滤波器来提取Q波、R波和S波的信息，并根据信号特征来检测QRS波群的位置。算法的主要流程如下图：检测出来的R峰如图所示。
2024-01-07 12:10:15
1132
3
原创 virtualbox的下载，打开.vdi文件并启动Hadoop系统
Hadoop的镜像文件系统，可以直接打开，运行hadoop生态系统，免去配置环境的烦恼~
2024-01-07 11:36:02
2068
原创 解决报错“ERROR: Could not build wheels for opencv-python”
解决python包报错“ERROR: Could not build wheels for opencv-python, which is required to install pyproject.toml-based projects”
2023-12-19 13:08:08
7133
原创 Pycharm远程连接服务器（保姆级教程！！）附JetBrains学生验证
很多小伙伴的代码需要在服务器上运行，但是每一次修改代码之后就要重新上传服务器进行运行，代码的修改也很不方便，因此要用到pycharm远程连接服务器，并进行自动上传。
2023-11-10 21:00:47
3535
原创 Collecting package metadata (current_repodata.json): failed--解决办法！
对电脑进行重启（因为之前电脑挂了VPN，网上有说挂了VPN无法访问镜像源）实在是受不了了，断开了校园网连接，切换自己的热点；确实啥也没有~不知道是清华源出了问题，还是网络无法访问，求大佬指点~anaconda以前一直用的好好的，但今天突然就开始报错。结果：安装时间极长，没有出现什么效果。删除镜像源，并恢复默认值。
2023-10-20 16:43:21
842
1
原创 《CLPVG:圆形有限穿透可见性图作为一种新的时间序列网络模型》论文阅读
时间序列在现实世界中非常流行，提取其隐藏信息是理解互联网、通信、生物、金融等各个领域许多复杂系统的关键。近年来，各种各样的机器学习方法被应用于时间序列分类，将序列直接作为训练机器学习模型的输入。由于计算机视觉和网络科学的快速发展，时间序列也被映射成图像或图形，因此可以采用卷积神经网络(CNN)和图神经网络(GNN)等深度学习算法进行时间序列分类。在本文中，我们主要研究时间序列到图的映射。可视性图(VG)被认为是第一个将时间序列映射到图的模型，它曾经是计算几何和机器人运动中的经典方法。
2023-10-11 17:02:47
670
原创 《一种基于图约束的心电分割变化点检测方法》论文阅读
心电图(ECG)信号是评估心血管疾病最常用的无创工具。对心电信号进行分割，定位其本构波，特别是r峰，是心电处理和分析的关键步骤。多年来，人们提出了几种具有不同特征的分割和QRS复杂检测算法;然而，它们的性能高度依赖于应用预处理步骤，这使得它们在门诊护理设置和远程监控系统的实时数据分析中不可靠，其中收集的数据非常嘈杂。此外，目前的心电信号形态分类繁多，计算量大，存在一些问题。在本文中，我们提出了一种新的基于图的最优变点检测(GCCD)方法，该方法可以在不使用任何预处理步骤的情况下可靠地检测峰值位置。
2023-09-19 13:18:34
216
1
原创 基于多通道心电信号的心律失常诊断的图卷积网络和互信息
心血管疾病是世界范围内死亡的主要原因之一，给社会造成了沉重的负担[1-3]。心律失常是一种心律失常，被认为是心血管疾病中非常重要的一类[4]。有不同类型的心律失常，有不同的症状，如心跳过慢或过快(窦性心动过缓(SB)和房性心动过速(AT))，以及不规则的节律缺失或扭曲的部分和间隔(室性早搏(AVC))。心房颤动(AFIB)是最常见和最危险的心律失常类型，与严重心力衰竭和中风的风险显著增加有关[5]。
2023-09-15 17:14:06
536
2
原创 DG-ECG:用于识别心电图疾病改变模式的多流深度图学习
心电图表征学习已成为心脏疾病自动检测的一个活跃研究领域。除了提取心电的时间和频域特征外，越来越多的研究将深度神经网络用于疾病改变的心电模式的识别。然而，许多深度学习模型被部署为黑盒，而没有充分探索隐藏在信号中的疾病相关信息。因此，降低了模型的有效性和可解释性，阻碍了在临床实践中的应用。为了解决这个问题，我们开发了一个新的多流心电深度图学习(DG-ECG)框架，该框架集成了多流图神经网络，从多个角度(例如，心电信号的形态和节奏)揭示疾病改变的心电模式。
2023-09-13 16:05:52
999
原创 《基于异构图注意网络的多导联心电信号心律失常自动检测》论文阅读
心律失常自动检测对心血管健康至关重要。它通常是通过测量标准多导联的心电图信号来完成的。然而，多个导联的相关性往往被忽略。此外，在现有的大多数研究中，通常需要一个广泛而复杂的特征提取过程。因此，这些挑战不仅会导致整体导联信息的丢失，而且会导致检测性能依赖于特征的质量。为了解决这些问题，本文提出了一种基于异构图注意网络的多导联心律失常检测模型。我们将多导联数据建模为异构图，整合不同信息，构建多导联数据中的导联内部和导联之间的相关性，提供合理有效的数据模型。
2023-09-07 10:10:32
435
1
原创 《Graph Neural Networks for TopologicalFeature Extraction in ECG Classification》论文阅读
心电图(ECG)是评估心血管系统功能的可靠仪器。最近，人们非常重视对心电图的精确分类。虽然心电情况有许多相似之处，但很少有人关注使用图神经网络对心电进行分类。在这项研究中，我们提供了三种不同的技术来分类心跳使用深度图神经网络来准确地分类心电信号。我们建议使用不同的方法从心电信号中提取拓扑特征，然后使用图神经网络的一个分支图同构网络对心电进行分类。在PTB Diagnostics数据集上，我们测试了这三种建议的技术。结果表明，三种方法对心律失常的分类预测准确率分别为99.38、98.76和91.93%。
2023-08-30 15:24:47
373
原创 《Fusion of edge detection and graph neural networks to classifyingelectrocardiogram signals》论文翻译
心电图信号的分析是诊断心血管疾病的关键因素之一。然而，在临床实践中，心电图的自动处理仍然受到现有算法准确性的制约。深度学习方法最近在包括预测性医疗保健在内的各种任务中取得了惊人的成功。图神经网络是一类机器学习算法，它可以通过直接从图结构数据中提取重要信息进行学习，并对未知数据进行预测。这种算法适合于挖掘复杂的图形数据，推导出有用的预测。
2023-08-22 22:58:07
228
1
原创 《ECGNN: Enhancing Abnormal Recognition in12-Lead ECG with Graph Neural Network》论文翻译
ECGNN关于十二导联心电图的论文翻译
2023-08-22 15:42:15
914
1
就业&考研数据.zip
2023-04-28
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人