主要步骤（1）尺度空间的极值检测1.1高斯滤波1.2高斯差分1.3局部极值（2）关键点的精确定位（3）关键点主方向分配（4）关键点描述子的生成二、Python代码实践1.测试环境2.测试代码3.测试结果三、算法小结前言

递归算法的设计重在两点：1.确定递归出口，即递归终止条件2.设计递归公式典型的递归问题有：1.斐波那契数列公式：F(n)=F(n-1)+F(n-2)(n>=2)递归出口：n=2时，F(1)=1,F(0)=1兔子产子问题，计算第n个月，出生的兔子对数，本质上就是一个斐波那契数列。2.求数的阶乘公式：F(n)=n*F(n-1)(n>=2)递归出口：F(1)=13.求数列的最小公倍数和最大公约数比如：a

语言实现引言原因进程调度的指标进程调度的时机进程调度的方式进程调度的策略/算法算法详解先来先服务（FCFS）调度算法短作业优先（SJF）调度算法时间片轮转（RR）调度算法高响应比优先（HRRF）调度算法多级反馈队列（MFFP）调度算法最高优先级优先调度算法小结引言原因需要进程调度的理由很简单

学习了插入排序、选择排序、交换排序与快速排序后，对这几种排序方法做个小结。参考书籍：《C++大学教程第七版》P.J.Deitel《C++语言程序设计》（第4版）郑莉1、插入排序思想：每一步将一个待排元素按其关键字的大小插入到已排序序列的适当位置，直到待排序元素插入为止。时间复杂度：O（）代码：#includeusingnamespacestd;//插入排序,按升序排列templatevoidins

目录LIS(N^2)LIS(NlogN)LCS(N^2)LCS(NlogN）因为学习LCS和LIS已经有一段时间了，当时的代码和文件都丢的差不多了，下面的模板和代码都是全新手打，难免有一些小错误。有时间再改进吧。LIS——O(N^2)算法，简单的取每个数和前面的数进行比对，例如加入6，和前面逐一比较，并取前面小于6的数的下标最大值，它的下标就代表了序列到6为止LIS的长度。32415621step

如果让回归树无限制生长，会过拟合决策树到随机森林决策树分类案例工具库导入读取数据特征工程处理特征(属性)和目标特征处理/特征工程构建决策树分类器可视化决策树可视化方法1可视化方法2可视化方法3-推荐决策树算法小结决策树优点决策树算法的缺点

开发工具与关键技术:数据结构与算法作者：杨泽平撰写时间：2020、5、6数据结构是计算机存储、组织数据的方式。数据结构主要研究对象是数据逻辑结构（逻辑结构又包括，线性结构、树形结构、图形结构）、数据物理结构、数据存储结构，我们常用的数据结构有：数组、栈、队列、链表、树、图、锥、散列表，建立合适的数据结构，设计好的算法，可以提高程序执行效率，所以，数据结构和算法在程序设计里起到重要的作用。一个高效率

基本排序方法有：插入排序——直接插入排序、折半插入排序、2-路插入排序、希尔排序交换排序——冒泡排序、快速排序选择排序——简单选择排序、堆排序、锦标赛排序归并排序——基数排序——关系：直接插入排序---优化--->希尔排序；折半插入排序---优化--->2-路插入排序；冒泡排序---优化-->快速排序；简单选择排序---优化-->堆排序、锦标赛排序；计数排序、桶排序与基数排序感觉像哈希，补充：拓扑

GMM是网上到处可见且用得最多的背景建模算法，论文上很多相关概率公式，又看了很多博客对于GMM的解释，直到现在还总是觉得很难理解其中的真谛，从各方面整理一下目前自己所理解的内容，如果有理解偏差，欢迎指正。Mog2用的是自适应的高斯混合模型（AdaptiveGMM，GaussianMixtureModel），在OpenCV中开源了的几种背景提取算法MOG，MOG2，GMG的测试程序结果中，MOG2确

FastGradientSignAttack（FGSM）算法小结对抗攻击引发了机器学习一系列的思考，训练出来的model是否拥有强大的泛化能力？模型的准确率是否真实？

散列算法（单向散列，不可逆）MD5（MessageDigestAlgorithm5）SHA（SecureHashAlgorithm）对称加密（加密解密使用同一密钥，速度快）DES3DESAES非对称加密（公钥加密，私钥解密，可以签名，更安全）RSAECC转载于:https://www.cnblogs.com/gdufs/p/6962276.html

常用排序算法小记排序算法很多地方都会用到，近期又重新看了一遍算法，并自己简单地实现了一遍，特此记录下来，为以后复习留点材料。废话不多说，下面逐一看看经典的排序算法：1.选择排序选择排序的基本思想是遍历数组的过程中，以i代表当前需要排序的序号，则需要在剩余的[i…n-1]中找出其中的最小值，然后将找到的最小值与i指向的值进行交换。因为每一趟确定元素的过程中都会有一个选择最大值的子流程，所以人们形象地

机器学习的问题更多的对算法模型的优化，特征工程也属于对算法模型的优化，这一点在后面均有体现。说明：本文是对部分机器学习的算法模型的思想进行抽取，不会出现详细的推导。先看一下要掌握的算法有哪些，我个人觉得部分算法有点偏，不过应该是在某个领域里有应用而且效果很好，否则不会成为必掌握的算法。线性回归1、线性函数的表示：f(x)=θ0x0+θ1x1+⋯+θnxn向量形式：f(x)=θ⃗TX⃗其中：θ⃗=(

1.manachermanacher是一个求出以每一个字符为回文中心的回文半径的算法。其中，我们用r[i]表示以第i位为回文中心的回文半径。鉴于回文串如果为偶数长度就不存在回文中心，我们就在每两个字符之间插入一个在原字符串里不会出现的字符：eg.abccba——>#a#b#c#c#b#a#显而易见的是，插入的字符不会影响原字符串的回文性质。那么我们就考虑如何处理r数组。考虑我们已经处理了i-1位，

原文链接：http://xcoder.in/2014/09/17/theme-color-extract/所谓主题色提取，就是对于一张图片，近似地提取出一个调色板，使得调色板里面的颜色能组成这张图片的主色调。以上定义为我个人胡诌的。大家不要太把我的东西当成严谨的文章来看，很多东西什么的都是我用我自己的理解去做，并没有做多少考证。解析中都会以Node.js来写一些小Demo。引子写该文章主要是为了对

简单排序算法小结及实现(Theimplementationofthreeeasysortalgorithm)三种简单排序算法分别的冒泡法,选择排序法和插入法.三种排序算法的最差运行效率都要达到O(n*n

18种和“距离(distance)”、“相似度(similarity)”相关的量的小结在计算机人工智能领域，距离(distance)、相似度(similarity)是经常出现的基本概念，它们在自然语言处理、计算机视觉等子领域有重要的应用，而这些概念又大多源于数学领域的度量(metric)、测度(measure)等概念。这里拮取其中18种做下小结备忘，也借机熟悉markdown的数学公式语法。常见的

参考博客：类欧几里得算法小结例题：HDU6275Mod,XorandEverything题目描述Youaregivenanintegern.Youarerequiredtocalculate(nmod1

九大排序算法小结前面分别实现了几大排序算法的代码，但并未进行解析现在就从算法的时间复杂度，空间复杂度进行谈起下面这幅图是网上考培得，但很清晰，但少了一个计数排序先进行一个宏观认识：各种排序的稳定性，

欧拉回路欧拉回路是指在一个图G中，从起点s出发，不重复地经过所有边后又返回到起点s的一条路径。同样还有关于欧拉道路的定义，不过起点和终点不一定重合，但都是不重复地经过图中的每一条边。判断一个图中是否存在欧拉回路（道路）通过以下条件来判断：（1）如果图G是一个无向图，那么度数为奇数的点不能超过两个，且这两个点其中一个作为起点，另一个作为终点。如果度数均为偶数，那么所有点均可以作为起点或终点。（2）如

冒泡算法1：for(inti=0;iarr[j]){temp=arr[i];arr[i]=arr[j];arr[j]=temp;}}}冒泡算法2：for(inti=0;iarr[j]){temp=arr[j];arr[j]=arr[j-1];arr[j-1]=temp;}}}改进型冒泡算法1：BOOLflag=true;//设置标志，如果有一次遍历没有发生交换（flag==flase）,说明排序已

异或运算相关整理了一些与异或（xor）有关的题目及算法Whatisxor？对于两个整数\(a\)和\(b\)，记数\(x\)的第\(i\)位为\(x_i\)，则\[(a\xor\b)_i=\begin{cases}0&a_i=b_i\\1&a_i\neqb_i\end{cases}\]在c++中，^代表xor运算，即\(a\xor\b=a\text^b\)异或有什么用呢强制在线出毒瘤题异或有什么性

1.KNN算法小结这是一个分类的算法基于输入实例的学习，是一种懒惰学习方式，不需要进行任何训练，可用于人脸检测，手写数字识别等有一个非常形象的图：算法描述：为了判断未知实例的类别，以所有已知类别的实例作为参照选择参数

常见排序算法时间和复杂度如下图冒泡排序冒泡排序核心代码对于数组a[n]for(inti=0;istr[j]){swap(str,i,j);}}}改进：即使当发现数组已经有序是跳出循环，使用方法就是在设置一个flag，发现第二层的for循环一次都没有进行交换就是表明数组已经是有序的。时间复杂度o(n^2);插入排序插入排序有3种，直接插入排序，二分插入排序，希尔插入排序（1）直接插入核心代码publ

1.常用的CTR方法常用的ctr预测的算法包括LR（LogisticRegression），FM(FactorizationMachines)，GBDT等等。像LR和GBDT，SparkMllib都提供了相应的实现，另外台湾大学的Liblinear也有一个Spark版本的LR算法的实现。Mllib的LR是基于LBFGS的实现，而Liblinear是基于TRON的实现。实际当中我们测试过这两个算法，

背景介绍：贪婪算法可以说是离我们生活最近的一种算法，人总是贪婪的嘛，所以这种算法的设计是很符合人性的。之所以这么说，是因为人们会在生活中有意无意的使用贪婪算法来解决问题。最常见的就是找零钱了，每个人都没学过该怎么找零钱，但在所有面额的钱都充足时，每个人都会找出同样组合来凑够需要的钱。其实这里面就是贪婪算法在起作用。设计思路：贪婪法的设计思路可以从两方面来理解，即直观上和数学上。从直观上理解贪婪算法

遗传算法的基本原理和方法一、编码编码：把一个问题的可行解从其解空间转换到遗传算法的搜索空间的转换方法。解码（译码）：遗传算法解空间向问题空间的转换。二进制编码的缺点是汉明悬崖（HammingCliff），就是在某些相邻整数的二进制代码之间有很大的汉明距离，使得遗传算法的交叉和突变都难以跨越。格雷码（GrayCode）：在相邻整数之间汉明距离都为1。（较好）有意义的积木块编码规则：所定编码应当易于生

参考blogblogblog:rqyrqyrqy,租酥雨,FuyukiFuyukiFuyuki前置知识匈牙利算法求解二分图最大匹配正题众所周知,带花树是用来求解一般图最大匹配的算法.那么为啥匈牙利算法不行呢?(废话,不然为啥要有这个算法?)(转自rqyrqyrqy)原因是：我们在二分图中，如果dfsdfsdfs找增广路时经过某个点找不到，那么我们可以证明这一轮中这个点的确是无用的（也即，这一轮里所

Base64算法小结（Java）一、Base64定义Base64是一种基于64个字符的编码算法，根据RFC2045的定义：Base6内容传送编码是一种以任意8位字节序列组合的描述形式，这样形式不易被人直接识别

不同环境的调度算法目标不同，因此需要针对不同环境来讨论调度算法。1.批处理系统批处理系统没有太多的用户操作，在该系统中，调度算法目标是保证吞吐量和周转时间（从提交到终止的时间）。1.1先来先服务first-comefirst-serverd（FCFS）非抢占式的调度算法，按照请求的顺序进行调度。有利于长作业，但不利于短作业，因为短作业必须一直等待前面的长作业执行完毕才能执行，而长作业又需要执行很长

目录1LDA概念2二分类求解w2.1解一2.2解二3多类LDA原理4LDA算法流程5LDA算法小结1LDA概念线性分类器最简单的就是LDA，它可以看做是简化版的SVM。

一、PCA（主成分分析）二、LDA（线性判别分析）1、二类LDA原理2、多类LDA原理3、LDA算法流程4、LDA算法小结三、LDA和PCA区别一、PCA（主成分分析）PCA是一种无监督的数据降维方法降维是对数据高维度特征的一种预处理方法

各种算法直接上代码，主要想提下排序算法的稳定性的概念：通俗地讲就是能保证排序前2个相等的数其在序列的前后位置顺序和排序后它们两个的前后位置顺序相同。在简单形式化一下，如果Ai=Aj,Ai原来在位置前，排序后Ai还是要在Aj位置前。一般情况下：选择排序、快速排序、希尔排序、堆排序不是稳定的排序算法，而冒泡排序、插入排序、归并排序和基数排序是稳定的排序算法。需要注意的是，排序算法是否为稳定的是由具体算

在开始之前，先看一组去雾的效果图。1.关于去雾的意义及算法去雾在视频监控、航拍、遥感、自动/辅助驾驶等需要在室外复杂、恶劣天气下运行的视觉系统，都可能需要运用到这一技术。目前去雾算法主要有两个思路，一个是基于图像增强的图像去雾处理方法，另一个是基于物理成像模型的图像去雾处理方法。基于图像增强的去雾算法的典型代表就是（全局/局部）直方图和Retinex算法。而基于物理成像模型的图像去雾算法的典型代表

匈牙利算法匈牙利算法主要应用于找二分图最大匹配，通过找增广路实现以下为伪代码voiddfs(intnow){for(遍历当前点可以连的边）{intto=当前能到达的点if（没访问过to）to打访问标记；if（to没有匹配||to现在的匹配能找到其他节点匹配）匹配to，nowreturntrue；}找不到，returnfalse；}下面上codeintmx[maxn],my[maxn][2];boo

垃圾回收机制垃圾回收算法标记阶段：引用计数算法标记阶段：可达性分析算法对象的finalization机制MAT与JProfiler的GCRoots溯源清除阶段：标记-清除算法清除阶段：复制算法清除阶段：标记-压缩算法算法小结分代收集算法增量收集算法分区算法垃圾回收相关概念

题意：求区间数字出现次数的mex，带修改莫队算法小结问题：n个数，q次询问[l,r]内不重复数字个数。思路：由于区间数字种数不具有区间加和性质，故无法直接用线段数来处理。

Floyd算法小结ByWine932013.111.Floyd算法简介Floyd算法利用动态规划思想可以求出任意2点间的最短路径,时间复杂度为O(n^3),对于稠密图,效率要高于执行|V|次Dijkstra

Prim算法2.Kruscal算法2.1树的存储结构之双亲表示法2.2树与等价问题：集合的树型结构表示：查找某个元素属于哪一个子集，合并两个非空子集；等价类划分2.3求UDN的最小生成树之Kruscal算法小结

学到的算法小结：掌握的非常熟悉的算法：简单的动态规划：包括思考问题的方式和角度，能从简单的问题中提取出动态规划的状态转移方程，关于矩阵内部运算的DP问题比较熟悉，对常见的动态规

冒泡排序选择排序插入排序归并排序快速排序快排的JAVA实现快排的C实现堆排序希尔排序眼看着就要实习，为了巩固基础，回顾并总结排序算法。参考自：http://www.nowcoder.com/courses/1/1/1冒泡排序时间复杂度o(n2)。下面以一个例子来看什么是冒泡排序。例：第一次取区间[0,7]，通过比较第i个和第i+1个的大小，如果第i+1个数字小于第i个，则互换。这样位置7就是最大的

为什么80%的码农都做不了架构师？>>>序本文简单介绍下敏感词或者脏词检测算法。经典AC算法经典的AC算法由三部分构成，goto表，fail表和output表，共包含四种具体的算法，分别是计算三张查找表的算法以及AC算法本身。goto表是由模式集合P中的所有模式构成的状态转移自动机。(goto表就是一棵trie树)failure表作用是在goto表中匹配失败后状态跳转的依据，这点与KMP中next

地形高度算法小结地形一般是用网格再从高度图里读取每个顶点的高度来生成。若进一步，想实现摄像机在地形上行走的效果，就需要算出地形上任意一点的高度。

c++中对应的容器1、普通的数组对于数值型数组，包括int、long、float、double对于字符串，可以用字符型数组2、STL中的vector3、STL中的string关于容量的方法：size与length等价；max_size返回字符串的最大长度，与系统有关；capacity返回数组容量，string应该是用动态数组来实现，这个容量就是当前数组的最大容量；resize方法改变的是lengt

在介绍自动信道选择算法之前，先介绍一下相关的术语及名词解释。缩写、术语解释ACSAutoChannelSelection，自动信道选择。ACSDAutoChannelSelectionDaemon，自动信道选择守护进程。APCSAccessPointChannelSelection，AP信道选择。CNSCompositeNoiseScore，综合噪声评分。CCAClearChannelAssess

前段时间研究了下印象笔记的扫描宝，发现它将手机拍下的照片都能处理成白板背景，而且处理的很干净，出于好奇并学习，自己琢磨出了个简易的去底色算法，虽然不能跟印象笔记的相比，但是效果也还阔以，供自己学习了，有兴趣的朋友欢迎指教。文中测试图分别如下：图1图2图3图4法一：伽马变换主要思想：调整色阶，明暗图像求加；voidls::gamma2Add(cv::Mat&src,cv::Mat&dst){Mati

主流无线芯片厂商的自动信道选择算法小结文章目录主流无线芯片厂商的自动信道选择算法小结1、MTK芯片自动信道选择算法1.1MTK的自动信道选择实现了以下3种算法：2、RealTek芯片自动信道选择算法3、

pala提出的问题:十本不同的书放在书架上。现重新摆放，使每本书都不在原来放的位置。有几种摆法？这个问题推广一下，就是错排问题:n个有序的元素应有n！种不同的排列。如若一个排列式的所有的元素都不在原来的位置上，则称这个排列为错排。HDOJRPG的错排ProblemDescription今年暑假杭电ACM集训队第一次组成女生队,其中有一队叫RPG,但做为集训队成员之一的野骆驼竟然不知道RPG三个人具

目录：集成学习概念个体学习器概念boostingbagging结合策略(平均法，投票法，学习法)随机森林思想随机森林的推广优缺点sklearn参数应用场景1、集成学习概念集成学习(Ensemblelearing)是使用一系列学习器进行学习，并使用某种规则把各个学习结果进行整合从而获得比单个学习器效果更好的一种机器学习方法。对于训练数据，我们通过若干个个体学习器，通过一定的聚合策略，就可以形成一个强

选自《跟着迪哥学python》决策树其实就是和传统的if-else差不多了，就是有点象二分法分类树了。但先看下熵的概念：熵指物体内部的混乱程度，怎么理解混乱程度呢？可以分别想象两个场景：第一个场景是，当你来到义乌小商品批发市场，市场里有很多商品，看得人眼花缭乱，这么多商品，好像哪个都想买，但是又比较纠结买哪个，因为可以选择的商品实在太多。根据熵的定义，熵值越高，混乱程度越高。这个杂货市场够混乱吧，