vernice的专栏

Voronoi图广泛应用在几何学、地理学、晶体学、信息系统等学科之中。Voronoi图是由图中各个相邻点连线的中垂线组成的连续多边形组成。图中的各个点归属于该点最邻近的多边形，入下图所示：Voronoi图相应的C语言实现代码如下：#include #include #include #define N_SITES 150double site[N_SITES][

为加深对各种基础排序算法的理解，我基于Thomas H. Cormen等《算法导论》中的伪代码，用Python实现了冒泡排序、选择排序、插入排序、快速排序、归并排序、二分法查找算法。具体算法如下：冒泡排序：def bubbleSort(alist): for passnum in range(0, len(alist) - 1, 1): for i in

首先需要理解如下概念：多项式级的复杂度：O(1), O(n),O(n^2),O(lg(n)),O(nlg(n))非多项式级的复杂度：O(2^n),O(n!)P问题：可以在多项式时间内找到解决该问题的算法NP问题：可以在多项式的时间里验证该问题的一个解NPC问题：是一个NP问题，并且所有的NP问题都可以约化到该问题NP-hard问题：不一定是一个NP问题，

METIS是由Karypis Lab开发的一个具有强大功能的图切分软件包。准确来说，METIS是一个串行图切分的软件包，Karypis Lab还提供了并行版的图切分软件包parMETIS和支持超图和电路划分的hMETIS。METIS的算法设计主要基于多层次递归二分切分法、多层次K路切分法以及多约束划分机制。用户使用METIS软件包时，可以根据需要选择相应的切分方式。METIS主要的特性

K-means是一种经典unsuper的聚类算法。其算法描述如下：输入：聚类个数-k，N个数据对象输出：每个数据对象所属的聚类label（满足方差最小）从N个数据对象中挑选出k个质心。计算N个数据对象距离不同质心的距离，并将N个数据对象划分到与之距离最小的质心，形成新的k个聚类。重新计算步骤2中获取新的k个聚类的质心，计算方法为求取聚类中所有数据对象的均值。重复2-3步

使用k-means算法对数据进行聚类之后，通常需要估计一下

对于map数据结构掌握不熟悉，导致了使用insert()来更新map中的数值。在调试过程中，花了很多时间查找错误。对于case of tie情况没有提前预测到，导致花费了很长时间改此错。c++ 的list数据结构在声明的时候，不需要大写首字母List，正确的应该是list。

这几篇文章分析的LDA比较透彻：http://www.cnblogs.com/hebin/archive/2013/04/25/3043575.htmlhttp://m.blog.youkuaiyun.com/blog/lansatiankongxxc/8875634http://m.blog.youkuaiyun.com/blog/lansatiankongxxc/8875660

<br />最近接触了OAuth协议，挺有意思的。<br /> <br />OAuth协议的根本目的是为了安全。即第三方不需要获取用户的用户名和密码就可以申请获得该用户资源的授权。<br />OAuth有三大特点：<br />1、安全。显而易见——不需用户名和密码就可以获得服务。<br />2、开放。所有的OAuth服务提供商和应用开发者都可以自由使用。<br />3、简易。容易理解和使用。<br /> <br />说说OAuth的工作原理，自己理解的。<br />这里有两个服务，服务A和服务B。应用程序编

两种比较树是否相同的Python代码实现如下所示：代码1：class Node: _value = "" _left = None _right = None def hasLeftChild(self): if (self._left != None): return True else: return False def hasRightChild