qq_21336847-优快云博客

原创 Java 按深度打印二叉树

二叉树的打印程序需要用到队列来完成，在Java中使用LinkedList类即可。具体的代码如下所示：public class TreeNode { private int value; private TreeNode ltr; private TreeNode rtr; public TreeNode addNode(int value) {//给一个树加一个节点，this表示树根

2017-07-20 16:57:05 407 1

原创 java数据结构之从链表

用java实现了一个链表结构，键盘输入数字，将其依次加入链表，保证时刻升序排列。数据结构通过定义一个类来实现，具体的代码如下：import java.util.Scanner;public class LinkedListConstructor { public static void main(String[] args) { Scanner sc = new Scanner

2017-07-07 23:26:47 491

原创保留小数

java中的数值计算，当存在double，float等类型的计算时，容易出现不完全是整数的结果，当针对具体问题的时候，不一定非要使用BigDecimal类来实现计算。如下例，当要求计算除法保存一位或者两位小数的时候，可以将除数扩大100或者1000倍，使用int类型即可完成。首先输入要输入的整数个数n，然后输入n个整数。输出为n个整数中负数的个数，和所有正整数的平均值，结果保留一位小数。

2017-07-05 16:49:21 540

原创 Java字符串排序

package onlinet;import java.util.Scanner;public class StringSort { public static void main(String[] args) { Scanner sc = new Scanner(System.in); while(sc.hasNextLine()) { String s = sc.n

2017-07-05 11:21:13 586

原创个人理解Java中String与StringBuffer类的区别

Java中的String类有一个常量池，会将出现的字符串常量加入到其中，这个常量池不同与堆与栈，是属于一个静态的区域，在方法区中。String s1 = new String("abc"); 与String s2 = "abc"; 是不同的效果。前者其实是三步操作：首先：编译时知道一个字符串常量abc，如果代码第一次出现，则常量池中没有这个常量，就会在常量池中分配空间存储abc。第二步：在

2017-06-22 22:03:27 285

原创 JAVA的map集合练习

Java中的Map超类存储的是键值对对象，其具体实现子类有HashMap和TreeMap等。在本次练习中，我们利用map类的实现类HashMap实现了统计一串英文字符中每个不同字符出现的个数。实现思路如下：先将每一个字母的值初始化为0，再遍历一边键的集合，每次为键对应的值赋值的时候，先取出原有的个数，然后加一。输出时可以仅仅输出值不为0的键值对。具体的代码如下：import j

2017-06-19 21:46:50 635

原创 C语言链表插入

题目如下：输入多组（不超过 5 组）数据。每组输入数据分为三行，第一行有两个数字 n,m($0＜n,m\leq10000$)，分别表示集合 A 和集合 B 的元素个数。后两行分别表示集合 A 和集合 B。每个元素为不超出 int 范围的整数，每个元素之间有一个空格隔开。输出针对每组数据输出一行数据，表示合并后的集合，要求从小到大输出，每个元素之间有一

2017-06-08 23:06:18 641

原创 SqueezeNet论文笔记

SqueezeNet是在论文Iandola F N, Han S, Moskewicz M W, et al. SqueezeNet: AlexNet-level accuracy with 50x fewer parameters and中提出的一种不以提高分类精度为主要目的，而以减少模型参数为重点的网络模型。一般而言，卷积神经网络的层数越深，表达能力越强，总可以找到更优的参数、结构来解

2017-06-08 10:46:53 3049

原创快速选择算法

快速选择算法的目的在于可以以O(n)的时间复杂度来选择一个无序随机数组中第k小(大)的元素，它是根据快速排序算法的思想简化而来的。快速选择算法同样利用了分治回归策略，由于只需要选择出第k小(大)的元素，因此它在分治之后只需要考虑一边的元素情况。它同样利用了快速排序的分割元素集的思想，随机产生一个枢纽元(pivot)，将小于pivot的分到左边，大于pivot的分到右边，记录pivot的位置(记

2017-06-07 21:01:59 326

原创 Googlenet论文笔记

GoogLeNet结构是由Christian Szegedy等人在2015年的CVPR上提出的一种卷积神经网络结构，至今已引用3000余次。卷积神经网络(CNN)已经在今年来广泛应用于图像领域，不仅仅是图像分类，还有目标检测，图像分割等等。文中提到增加CNN的识别率的方法直观而言有两种：1增加网络深度。2增加网络的宽度，即每一层中卷积核的数目。但是显而易见的是这样做会使得参数急剧

2017-06-06 08:53:34 503

原创 Prim算法C语言实现

Prim算法是加权无向图的最小生成树算法，它要求图是连通的，并且权值必须要为正数。它从图中的任意节点开始，依次更新访问节点的集合S，以及其他节点到S的最短距离，最终，当S中包含所有图中节点时，算法结束。// Prim_algo.cpp : 定义控制台应用程序的入口点。//#include "stdafx.h"#include#include#includetypedef stru

2017-03-29 15:07:54 1004

原创 AVL树的C语言实现

这篇博客主要是实现AVL树的插入以及删除操作的C语言代码。

2017-03-27 15:08:29 627 1

t-Distributed Stochastic Neighbor Embedding (t-SNE) is a (prize-winning) technique for dimensionality reduction that is particularly well suited for the visualization of high-dimensional datasets. The technique can be implemented via Barnes-Hut approximations, allowing it to be applied on large real-world datasets. We applied it on data sets with up to 30 million examples. The technique and its variants are introduced in the following papers: L.J.P. van der Maaten. Accelerating t-SNE using Tree-Based Algorithms. Journal of Machine Learning Research 15(Oct):3221-3245, 2014. PDF [Supplemental material] L.J.P. van der Maaten and G.E. Hinton. Visualizing Non-Metric Similarities in Multiple Maps. Machine Learning 87(1):33-55, 2012. PDF L.J.P. van der Maaten. Learning a Parametric Embedding by Preserving Local Structure. In Proceedings of the Twelfth International Conference on Artificial Intelligence & Statistics (AI-STATS), JMLR W&CP 5:384-391, 2009. PDF L.J.P. van der Maaten and G.E. Hinton. Visualizing High-Dimensional Data Using t-SNE. Journal of Machine Learning Research 9(Nov):2579-2605, 2008. PDF [Supplemental material] [Talk] An accessible introduction to t-SNE and its variants is given in this Google Techtalk.

2017-05-08

一种基于参考点的非支配排序算法NSGA-III

本论文介绍了新颖的NSGA-III算法，并将其应用于高维的目标优化中，取得良好结果。

2015-10-16

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

qq_21336847的博客