[oj.leetcode] 跟leecode的博客旧文说再见

本文分享了作者使用LeetCode进行算法训练的经历,包括完成全部算法题目、代码重构及单元测试的过程。作者反思了博客内容的质量,并决定未来将更多关注实用技术和框架。

在我目前的博客中,数量最多的就是leecode问题的解答。这些归在leetcode标签之下的文章,其中的绝大部分,基本就是简单一说思路,然后贴代码。

比如这种


它们的共同特征就是结构较简单,讲解也不多,贴的代码行数能占整个篇幅的七八成。这种文章写起来很快,leecode标签下最多时候有45篇。

虽然这样一来,博客的文章数上升很快,但不客气地说,这种有“注水”嫌疑的发文,已经背离了我维护这个博客的初衷。我曾经将博客地址自荐给同学,结果几分钟后他就回复了,说我这个博客简直就是为某公司面试作准备的啊。当时真是囧翻了。

另外一方面,从反响来看,阅读次数最多的文章,是两篇关于网页前端持续集成的。这说明相比于有些枯燥的单纯算法题,大家更愿意阅读实际个工作中可能遇到的工具,框架库等,当然如果有可运行的demo包就更好了。

----------------------------------------------------------------------------------

所以,我决定从现在开始,对这个博客作如下改变:

1. 删掉leecode下所有“注水”的文章,仅仅保留一些我个人觉得算法比较有趣,值得较多讲解的文章。

2. 以后我会多发一些有质量的文章,而不会在意文章数目的多寡。


注:

有关oj.leecode.com,我在2013年开始注意到leetcode这个网站,之后断断续续利用oj.leecode作算法题练习。

- 2014年9月底之前,我已经把网站上algorithm下的所有题目都做完了,实现语言上,cpp实现了2/3,java实现了1/2,其中有不少是cpp和java都有实现,另外还有几道python的实现。

- 2015年2月以来,我又给这些实现代码做了大规模重构,并加上了单元测试。我觉得,重构代码和写单元测试的过程,其实是对代码加深理解的过程。这对于编程能力的提高,甚至有更大的价值。、

- 2015年年初开始,oj.leetcode在沉寂了一年多以后,又开始发布新的算法题了。这部分新题我做的还不多,有时间会继续做完,当然都会配备单元测试。

所有代码实现以及单元测试可在我的github找到,主要目录结构如下:

leecode/src                     题目解法的cpp实现

               /cpp_unittest    相应题目cpp解法的单元测试,基于googletest,用make编译

               /java                   题目解法的java实现

              /java_unittest    相应题目java解法的单元测试,基于junit, 用EMMA做了代码覆盖率检测,并用Ant集成

              /py                       题目解法的python实现,用unittest 模块写了main函数,直接运行等于启动单元测试

我相信,这些经过重构优化并且带有足够强大单元测试的代码,才算时有质量的代码,才值得呈现给大家。

【轴承故障诊断】基于融合鱼鹰和柯西变异的麻雀优化算法OCSSA-VMD-CNN-BILSTM轴承诊断研究【西储大学数据】(Matlab代码实现)内容概要:本文提出了一种基于融合鱼鹰和柯西变异的麻雀优化算法(OCSSA)优化变分模态分解(VMD)参数,并结合卷积神经网络(CNN)与双向长短期记忆网络(BiLSTM)的轴承故障诊断模型。该方法利用西储大学公开的轴承数据集进行验证,通过OCSSA算法优化VMD的分解层数K和惩罚因子α,有效提升信号分解精度,抑制模态混叠;随后利用CNN提取故障特征的空间信息,BiLSTM捕捉时间序列的动态特征,最终实现高精度的轴承故障分类。整个诊断流程充分结合了信号预处理、智能优化与深度学习的优势,显著提升了复杂工况下轴承故障诊断的准确性与鲁棒性。; 适合人群:具备一定信号处理、机器学习及MATLAB编程基础的研究生、科研人员及从事工业设备故障诊断的工程技术人员。; 使用场景及目标:①应用于旋转机械设备的智能运维与故障预警系统;②为轴承等关键部件的早期故障识别提供高精度诊断方案;③推动智能优化算法与深度学习在工业信号处理领域的融合研究。; 阅读建议:建议读者结合MATLAB代码实现,深入理解OCSSA优化机制、VMD参数选择策略以及CNN-BiLSTM网络结构的设计逻辑,通过复现实验掌握完整诊断流程,并可进一步尝试迁移至其他设备的故障诊断任务中进行验证与优化。
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