期末总结

本学期通过线上课程学习了数据结构的九大核心模块:线性表、栈和队列等,并通过撰写博客加深理解。虽然进度中规中矩,但在学习过程中逐步克服了对算法代码的模糊感。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

经过了一学期的学习,对于本学期数据结构的的知识有了不错的认识与学习。

其大致分为九大块,其中有线性表、栈和队列、串、递归、数组和广义表、树和二叉树、图、查找、内排序。我们通过云班课的方式进行学习,通过发表博文的途径来巩固所学到的知识,并且让自己的积累看得见。

对于这一学期对这门课的学习,我对自己的评价是,只能算是中规中矩,没有谈得上是完美,也谈不上是落后进度,但肯定是落后于那些对该门课学习趋于完美的人。归根到底来还是因为自己没有把时间合理安排好,只能尽力补救。

在学习的初级阶段,对于算法的代码总是有种模模糊糊的感觉,理解不了这种情况一直持续到学习的中期,但是继续学习下去之后,我发现我对算法代码的理解不是那么模糊了,开始逐渐清晰,这或许就是老师所说的积累看得见吧,我相信这种感觉会在我复习前面所学知识的时候给予我很大的帮助。

之所以称这次为小结,因为这次总结只是发表一些自己的感受,没有提及到对于学习内容的总结,没有涉及到各种算法,但是我会在复习或者考试结束后来一个大总结的,以此作为我学习的一个里程碑。

基于数据挖掘的音乐推荐系统设计与实现 需要一个代码说明,不需要论文 采用python语言,django框架,mysql数据库开发 编程环境:pycharm,mysql8.0 系统分为前台+后台模式开发 网站前台: 用户注册, 登录 搜索音乐,音乐欣赏(可以在线进行播放) 用户登陆时选择相关感兴趣的音乐风格 音乐收藏 音乐推荐算法:(重点) 本课题需要大量用户行为(如播放记录、收藏列表)、音乐特征(如音频特征、歌曲元数据)等数据 (1)根据用户之间相似性或关联性,给一个用户推荐与其相似或有关联的其他用户所感兴趣的音乐; (2)根据音乐之间的相似性或关联性,给一个用户推荐与其感兴趣的音乐相似或有关联的其他音乐。 基于用户的推荐和基于物品的推荐 其中基于用户的推荐是基于用户的相似度找出相似相似用户,然后向目标用户推荐其相似用户喜欢的东西(和你类似的人也喜欢**东西); 而基于物品的推荐是基于物品的相似度找出相似的物品做推荐(喜欢该音乐的人还喜欢了**音乐); 管理员 管理员信息管理 注册用户管理,审核 音乐爬虫(爬虫方式爬取网站音乐数据) 音乐信息管理(上传歌曲MP3,以便前台播放) 音乐收藏管理 用户 用户资料修改 我的音乐收藏 完整前后端源码,部署后可正常运行! 环境说明 开发语言:python后端 python版本:3.7 数据库:mysql 5.7+ 数据库工具:Navicat11+ 开发软件:pycharm
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值