pymqq的专栏

思想：记录比较过程中遇到的最小值和最大值，我们并不是将每一个输入元素与当前的最小值和最大值进行比较（这样做的代价是每个元素需要2次比较），而是成对地处理元素。先将一对输入元素互相比较，然后把较小者与当前最小值比较，把较大者与当前最大值比较，因此每两个元素需要3次比较。【摘自《算法导论》原书第2版 P109】

原网页：http://blog.youkuaiyun.com/freeboy1015/article/details/7544835编程之美最后一题“挖雷游戏的概率”没附答案,有一则脚注云“此题适合MATLAB用户解答”, 颇感有趣. 题目说, 一局16×16的扫雷游戏刚开始, 只翻开了两格,分别显示数字1和2, 如下图所示(只画出了3×5的局部示意图). 设地雷总数从10逐渐增加到240, 请分别作

千呼万唤始出来，在跳票了快一个月之后，虽然明知道书里还有不少错误没改过来（附了一整页的勘误），但是感觉已经不能等下一版了。赶快去书店买回来，吃完饭躺床上舒舒服服地看。大致翻看之后，总体感觉是书中的内容没有“脱离群众”，很多都是我们平时生活、工作中经常能遇到的。题目不见得难，基本上给一本《算法导论》和足够的时间，大多数人都能解决其中的问题。但注意副标题--“微软技术面试心得”，这就给这本书定下一个基

void svm_predict_values(const svm_model *model, const svm_node*x, double* dec_values){if(model->param.svm_type == ONE_CLASS ||  model->param.svm_type == EPSILON_SVR||  model->param.svm_type == N

为什么完全平方数有奇数个因数？ 解一： 设平方数A=(p1)^a1×(p2)^a2×…×(pn)^an, 其中p1,p2,…,pn是互不相等的质数，所以a1,a2,…,an都是偶数。 从而：a1+1,a2+1,…,an+1都是奇数， 于是平方数A的正约数（即因数）个数(a1+1)(a2+1)……(an+1)是奇数。解二：这个问题不需要用高深的理论来解决，因

Freeman链码原文地址：Freeman链码作者：uleen假设简单图像：f =    1    1    0    1    1    1    1    1    1    1    1    1    1    1    1    0    1    1    1    1    0    1    1    1    1求其

最大类间方差法（otsu）的原理：      阈值将原图象分成前景，背景两个图象。      前景：用n1,csum,   m1来表示在当前阈值下的前景的点数，质量矩，平均灰度      后景：用n2, sum-csum,m2来表示在当前阈值下的背景的点数，质量矩，平均灰度      当取最佳阈值时，背景应该与前景差别最大，关键在于如何选择衡量差别的标准      而在ot

int mean(int x,int y){   return(x&y)+((x^y)>>1);}解释：x&y是取相同的位与，这个的结果是x和y相同位的和的一半，x^y是取x和y的不同位，右移相当于除以2，所以这个函数的功能是取两个数x和y的平均值。比如：mean(729.271) = __500_;

学习问题在HMM模型中，已知隐藏状态的集合S，观察值的集合O，以及一个观察序列（o1,o2,...,on），求使得该观察序列出现的可能性最大的模型参数（包括初始状态概率矩阵π，状态转移矩阵A，发射矩阵B）。这正好就是EM算法要求解的问题：已知一系列的观察值X，在隐含变量Y未知的情况下求最佳参数θ*，使得：algorithm）" />在中文词性标注里，根据为训练语料，我们观察到了一系列的

插入排序：#include using namespace std;int main(){   intNum=50;   inti,j,key;   int*A=newint[Num];   for(j=0;jNum;j++)       A[j]=rand()0;   for(j=1;jNum;j++)   {       key=A[j];  

证明定理：喝醉的酒鬼总能找到回家的路，喝醉的小鸟则可能永远也回不了家。假设有一条水平直线，从某个位置出发，每次有 50% 的概率向左走1米，有50%的概率向右走1米。按照这种方式无限地随机游走下去，最终能回到出发点的概率是多少？答案是100% 。在一维随机游走过程中，只要时间足够长，我们最终总能回到出发点。现在考虑一个喝醉的酒鬼，他在街道上随机游走。假设整个城市的街道呈网格状分布，酒鬼每走到

N x M的网格说的是顶点是NxM

1、只要采用统计语言模型，分词效果都差不多。P462、在机器翻译中，一般来讲，颗粒度大翻译效果好。P463、网页搜索中，小的颗粒度比大的颗粒度要好。P47

原文地址：三个神奇的分数作者：浮云散1/49 化成小数后等于 0.0204081632 …，把小数点后的数字两位两位断开，前五个数依次是2、4、8、16、32，每个数正好都是前一个数的两倍。100/9899 等于 0.01010203050813213455 … ，两位两位断开后，每一个数正好都是前两个数之和（也即Fibonacci 数列）。而 100/9801 则等于 0.0102030

在一张纸上并排画 11 个小方格。叫你的好朋友背对着你（确保你看不到他在纸上写什么），在前两个方格中随便填两个 1 到 10之间的数。从第三个方格开始，在每个方格里填入前两个方格里的数之和。让你的朋友一直算出第 10个方格里的数。你便能轻易预测出下一个数是多少。 在一张纸上并排画 11 个小方格。叫你的好朋友背对着你（确保你看不到他在纸上写什么），在前两个方格中随便填两个

最终结果是：381654729；首先，偶数位上一定是偶数，因为只有偶数才可以被偶数整除；编程实现如下： #include usingnamespace std;void main(){  int a[9];  int j, num;  a[4] =5;  cout"所求的九位数为："endl;  for(a[0] = 1; a[0] a[0] += 2)  { 

【转1】今晚看到算法引论关于二分搜索的相关问题，想起了当年看编程珠玑的“无处不在的二分搜索”那章，记得作者说过能完全写对二分搜索的程序员寥寥无几，当时自己也写了下，确实不容易写，主要的难点在于写对，大致的框架可能大家都非常熟悉，但是里面的下标怎么确定是正确的呢？不对的下标很有可能造成死循环。不过，算法引论所推崇的数学归纳法的思想还是很普适的，反应在程序上就是先写n=1的情况，再写归纳阶段的

题目1：两个二进制数的异或结果两个二进制数异或结果 是 这两个二进制数差的绝对值，即表达为如下：a^b = |a-b| （按位相减）解答过程：     二进制数a与b异或，即a和b两个数按位进行，如果对应位相同，即为0（这个时候相当于对应位算术相减），如果不相同，即为1（这个时候相当于对应位算术相减的绝对值）。由于二进制每个位只有两种状态，要么是0，要么是1，则按位异或操作可以表达为