<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[nan9909的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/nan9909</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; nan9909]]></copyright><item><title><![CDATA[python环境配置]]></title><link>https://blog.youkuaiyun.com/nan9909/article/details/146529773</link><guid>https://blog.youkuaiyun.com/nan9909/article/details/146529773</guid><author>nan9909</author><pubDate>Wed, 26 Mar 2025 14:48:19 +0800</pubDate><description><![CDATA[【代码】python环境配置。]]></description><category></category></item><item><title><![CDATA[数字图像处理-图像压缩]]></title><link>https://blog.youkuaiyun.com/nan9909/article/details/132072371</link><guid>https://blog.youkuaiyun.com/nan9909/article/details/132072371</guid><author>nan9909</author><pubDate>Thu, 07 Sep 2023 12:20:09 +0800</pubDate><description><![CDATA[图像压缩]]></description><category></category></item><item><title><![CDATA[数字图像处理-形态学图像处理]]></title><link>https://blog.youkuaiyun.com/nan9909/article/details/132072391</link><guid>https://blog.youkuaiyun.com/nan9909/article/details/132072391</guid><author>nan9909</author><pubDate>Thu, 07 Sep 2023 12:19:30 +0800</pubDate><description><![CDATA[数字图像处理中的形态学操作是一组用于处理二值图像（通常是黑白图像）的数学操作，旨在改变图像中物体的形状和结构。形态学操作通常用于图像分割、去噪、特征提取和形状分析等应用中。]]></description><category></category></item><item><title><![CDATA[机器学习-基础]]></title><link>https://blog.youkuaiyun.com/nan9909/article/details/132642104</link><guid>https://blog.youkuaiyun.com/nan9909/article/details/132642104</guid><author>nan9909</author><pubDate>Thu, 07 Sep 2023 12:19:01 +0800</pubDate><description><![CDATA[机器学习致力于研究和开发使计算机系统能够从数据中学习并不断改进其性能的算法和技术。机器学习的核心思想是让计算机系统通过数据而不是显式编程来进行学习和决策，从而能够自动识别模式、做出预测、优化任务，以及解决各种复杂问题。]]></description><category></category></item><item><title><![CDATA[机器学习-k-近邻算法]]></title><link>https://blog.youkuaiyun.com/nan9909/article/details/132642112</link><guid>https://blog.youkuaiyun.com/nan9909/article/details/132642112</guid><author>nan9909</author><pubDate>Thu, 07 Sep 2023 12:18:28 +0800</pubDate><description><![CDATA[KNN算法记录]]></description><category></category></item><item><title><![CDATA[数字图像处理-彩色图像处理]]></title><link>https://blog.youkuaiyun.com/nan9909/article/details/131361819</link><guid>https://blog.youkuaiyun.com/nan9909/article/details/131361819</guid><author>nan9909</author><pubDate>Wed, 02 Aug 2023 21:58:31 +0800</pubDate><description><![CDATA[彩色图像模型介绍以及部分处理方法]]></description><category></category></item><item><title><![CDATA[数字图像处理-图像复原与重建]]></title><link>https://blog.youkuaiyun.com/nan9909/article/details/131343788</link><guid>https://blog.youkuaiyun.com/nan9909/article/details/131343788</guid><author>nan9909</author><pubDate>Fri, 23 Jun 2023 23:49:06 +0800</pubDate><description><![CDATA[数字图像处理-第五章]]></description><category></category></item><item><title><![CDATA[数字图像处理-基础]]></title><link>https://blog.youkuaiyun.com/nan9909/article/details/130720322</link><guid>https://blog.youkuaiyun.com/nan9909/article/details/130720322</guid><author>nan9909</author><pubDate>Wed, 17 May 2023 10:57:47 +0800</pubDate><description><![CDATA[数字图像处理-基础还是按照以往的阅读方式，先分析整章的框架，再逐点分析。本章从人类视觉系统剖析；光、电磁波的成像特点；数字图像的生成；图像基本操作；像素间基本关系以及本书的数学工具几方面进行展开。即图像的来源、获取方式与处理方式的介绍。根据光线沿直线传播的原理以及凸透镜折射原理，物体对光的反射通过晶状体在视网膜上呈现倒立缩小的图像。人眼的光感受器有两类：锥状体和杆状体。锥状体对颜色敏感；杆状体没有色彩感觉，对低照明度敏感。彩色光源的质量有三种：发光强度，光通量和亮度。发光强度是从光源流出的能量总量。光通量用]]></description><category></category></item><item><title><![CDATA[数字图像处理-绪论]]></title><link>https://blog.youkuaiyun.com/nan9909/article/details/130547891</link><guid>https://blog.youkuaiyun.com/nan9909/article/details/130547891</guid><author>nan9909</author><pubDate>Sun, 07 May 2023 21:20:08 +0800</pubDate><description><![CDATA[本专栏为对《数字图像处理》（作者：冈萨雷斯）一书学习与总结归纳，用于记录书中内容，以及个人理解。若有所误解与不足处，还望斧正。一幅图像通常把它定义为一个二维函数f(x,y)，其中x和y是空间（平面）坐标。任何一对空间坐标(x,y)处的幅值f称为图像在该点处的强度或者灰度。当x,y和灰度值f是有限的离散数值时，称该图像为数字图像。数字图像处理是指借助于数字计算机来处理数字图像。从图像处理到计算机视觉这个连续的统一体有三种典型的计算处理，即低级、中级和高级处理。]]></description><category></category></item><item><title><![CDATA[数据结构与算法题目集-3-1-顺序表-顺序表操作集]]></title><link>https://blog.youkuaiyun.com/nan9909/article/details/118943407</link><guid>https://blog.youkuaiyun.com/nan9909/article/details/118943407</guid><author>nan9909</author><pubDate>Tue, 20 Jul 2021 20:04:26 +0800</pubDate><description><![CDATA[文章目录函数接口定义：裁判测试程序样例：输入样例：输出样例：结果
函数接口定义：
List MakeEmpty(); 
Position Find( List L, ElementType X );
bool Insert( List L, ElementType X, Position P );
bool Delete( List L, Position P );

其中List结构定义如下：
typedef int Position;
typedef struct LNode *List;
struct]]></description><category></category></item><item><title><![CDATA[数据结构与算法题目集-字符串减法]]></title><link>https://blog.youkuaiyun.com/nan9909/article/details/118943302</link><guid>https://blog.youkuaiyun.com/nan9909/article/details/118943302</guid><author>nan9909</author><pubDate>Tue, 20 Jul 2021 19:59:01 +0800</pubDate><description><![CDATA[文章目录@[toc]题目输入格式：输出格式：输入样例：输出样例：算法暴力算法算法2
题目
本题要求你计算A−B。不过麻烦的是，A和B都是字符串 —— 即从字符串A中把字符串B所包含的字符全删掉，剩下的字符组成的就是字符串A−B。
输入格式：
输入在2行中先后给出字符串A和B。两字符串的长度都不超过104，并且保证每个字符串都是由可见的ASCII码和空白字符组成，最后以换行符结束。
输出格式：
在一行中打印出A−B的结果字符串。
输入样例：
I love GPLT!  It's a fun game!
aei]]></description><category></category></item><item><title><![CDATA[数据结构与算法题目集-最大子列和]]></title><link>https://blog.youkuaiyun.com/nan9909/article/details/118915930</link><guid>https://blog.youkuaiyun.com/nan9909/article/details/118915930</guid><author>nan9909</author><pubDate>Mon, 19 Jul 2021 22:24:07 +0800</pubDate><description><![CDATA[文章目录@[toc]题目：输入格式:输出格式:输入样例:输出样例:算法暴力算法分而治之无名算法
题目：
给定K个整数组成的序列{ N1, N2, …, NK }，“连续子列”被定义为{ Ni, Ni+1, …, Nj }，其中 1≤i≤j≤K。“最大子列和”则被定义为所有连续子列元素的和中最大者。例如给定序列{ -2, 11, -4, 13, -5, -2 }，其连续子列{ 11, -4, 13 }有最大的和20。现要求你编写程序，计算给定整数序列的最大子列和。
输入格式:
输入第1行给出正整数K (≤10]]></description><category></category></item><item><title><![CDATA[数据结构与算法题目集-3-2-链表-单链表逆转]]></title><link>https://blog.youkuaiyun.com/nan9909/article/details/118882818</link><guid>https://blog.youkuaiyun.com/nan9909/article/details/118882818</guid><author>nan9909</author><pubDate>Sun, 18 Jul 2021 20:47:24 +0800</pubDate><description><![CDATA[文章目录@[toc]题目：函数接口定义：裁判测试程序样例：输入样例：输出样例：[分析]：[踩到的坑]：思路及最终结果：后记：
题目：
本题要求实现一个函数，将给定的单链表逆转。
函数接口定义：
List Reverse( List L );

其中List结构定义如下：
typedef struct Node *PtrToNode;
struct Node {
    ElementType Data; /* 存储结点数据 */
    PtrToNode   Next; /* 指向下一个结点的指针 */
]]></description><category></category></item><item><title><![CDATA[编译原理-递归下降分析各集合推导及代码实现]]></title><link>https://blog.youkuaiyun.com/nan9909/article/details/109539890</link><guid>https://blog.youkuaiyun.com/nan9909/article/details/109539890</guid><author>nan9909</author><pubDate>Fri, 06 Nov 2020 22:01:44 +0800</pubDate><description><![CDATA[文章目录首符集(FIRST)定义尾符集(FOLLOW)定义搜索符(SELECT)示例：示例一：算术表达式：首符集尾符集搜索集代码：示例二：算术表达式：首符集尾符集搜索集代码：
首符集(FIRST)
定义
一个文法的符号串α的开始符号集合FIRST(α)FIRST(\alpha)FIRST(α)是：
FIRST(α)={α∣α⇒∗α…，α∈VT}
FIRST(\alpha)=\{\alpha|\alpha\Rightarrow * \alpha…，\alpha\in V_{T}\}
FIRST(α)={α∣α]]></description><category></category></item><item><title><![CDATA[音频特征提取及恢复消融实验]]></title><link>https://blog.youkuaiyun.com/nan9909/article/details/109410988</link><guid>https://blog.youkuaiyun.com/nan9909/article/details/109410988</guid><author>nan9909</author><pubDate>Sun, 01 Nov 2020 08:01:47 +0800</pubDate><description><![CDATA[由于好奇音频提取特征再重构音频过程中各部分数据的‘样子’，故而对开源代码提取其对音频的处理过程以及重构过程，经测试发现其仅保留了文本内容的发声特征而遗失了说话者的特征（即能够了解音频的内容而无法分辨说话者）。
通过更换对音频的处理方式以及修改FFT窗口大小等参数进行消融实验发现如下参数及处理过程对音频的提取及还原效果最好。
import numpy,wave
import numpy as np
import torch
import librosa
import librosa.display
impor]]></description><category></category></item><item><title><![CDATA[音频特征学习记录]]></title><link>https://blog.youkuaiyun.com/nan9909/article/details/109231733</link><guid>https://blog.youkuaiyun.com/nan9909/article/details/109231733</guid><author>nan9909</author><pubDate>Thu, 22 Oct 2020 22:05:51 +0800</pubDate><description><![CDATA[文章目录音频特征提取介绍：离散傅里叶变换（Discrete Fourier Transform）快速傅里叶变换（Fast Fourier Transform）短时傅里叶变换(Short Time Fourier Transform)附录：
音频特征提取介绍：
音频通常是把一个实际信号看作是根据时间变化的电压值。 这是从时域的角度来观察信号。 而傅立叶定律指出，任意波形在时域中都可以由若干个正弦波和余弦波的加权和来表示。 例如，有两个正弦波，其中一个的频率是另一个的3倍。 将两个正弦波相加，就得到了一个不同的]]></description><category></category></item><item><title><![CDATA[pytorch相关代码-笔记]]></title><link>https://blog.youkuaiyun.com/nan9909/article/details/109187578</link><guid>https://blog.youkuaiyun.com/nan9909/article/details/109187578</guid><author>nan9909</author><pubDate>Tue, 20 Oct 2020 19:37:00 +0800</pubDate><description><![CDATA[1.pytorch 模型初始化
import torch
if __name__ == '__main__':
    model=Endoder()
	model.apply(weights_init)
    
def weights_init(layer):			#权重初始化，此方法为批操作，亦可放于模型细节构建中
    if hasattr(layer, 'weight'):
        if len(layer.weight.shape) &gt; 1:
            torch.]]></description><category></category></item><item><title><![CDATA[算法整理（1）]]></title><link>https://blog.youkuaiyun.com/nan9909/article/details/108996888</link><guid>https://blog.youkuaiyun.com/nan9909/article/details/108996888</guid><author>nan9909</author><pubDate>Sat, 10 Oct 2020 14:46:20 +0800</pubDate><description><![CDATA[最大公约数：


辗转相除法： 两个正整数a,b(a&gt;b), 它们的最大公约数 = a除以b的余数c和较小数b之间的最大公约数。
更相减损术： 两个正整数a,b(a&gt;b), 它们的最大公约数 = a-b的差值c和较小数b之间的最大公约数。


int GCD(int a, int b)	//辗转相除法
{
		int min = a;
        int max = b;
        if ( a &gt;= b ){
            min = b;
            m]]></description><category></category></item><item><title><![CDATA[teamviewer访问校园网]]></title><link>https://blog.youkuaiyun.com/nan9909/article/details/104169346</link><guid>https://blog.youkuaiyun.com/nan9909/article/details/104169346</guid><author>nan9909</author><pubDate>Tue, 04 Feb 2020 15:14:41 +0800</pubDate><description><![CDATA[本文将介绍一种通过teamviewer的vpn功能实现外网访问内网的操作，简单来说，就是通过teamviewer的vpn实现外网访问内网的代理，再通过Proxifier辅助实现全局代理，即可实现外网访问内网的操作。这样的方法相对于proxychains4、端口转发等操作来说更方便，这里不做过多阐述。
首先我们要有一部内网中的电脑，并且安装好teamviewer。
一、安装teamviewer的vp...]]></description><category></category></item><item><title><![CDATA[卷积网络基础概要]]></title><link>https://blog.youkuaiyun.com/nan9909/article/details/103399079</link><guid>https://blog.youkuaiyun.com/nan9909/article/details/103399079</guid><author>nan9909</author><pubDate>Thu, 05 Dec 2019 09:59:17 +0800</pubDate><description><![CDATA[文章目录前言卷积层池化层全连接层注：
前言
之前曾讲到过分类问题，回归问题等等。但是都是简要概括，只讲了数据有无标签等等，关于如何对数据进行处理以及提取数据中的信息的基础知识将在本博客中介绍。而卷积神经网络是深度学习的代表算法之一，通常用于提取数据的表征信息。最早提出于二十世纪八九十年代，后由于硬件设备算力的提升，卷积网络得到快速发展，并被应用于计算机视觉与自然语言处理等领域。
卷积层
卷积运算的...]]></description><category></category></item></channel></rss>