cug_coffee的博客

cc 固定位数输出

leetcode 300 连续增长子序列的个数，典型的动态规划 #include <iostream> #include <cstdio> #include <algorithm> #include <string> int lengthOfLIS(std::vector<int>& nums) { int len = nums.size(); int res = len; std::vector<int> seq

直接上代码了。 最典型的动态规划，写出动态规划的方程就好。 这里分两种情况， 0号位选取时，0号位不选取时，len<=3时特殊处理。 f[i] = f[i-2] > f[i-3] ? f[i-2]+a[i] : f[i-3]+a[i]; #include <iostream> #include <cstdio> #include <algorithm> #include <string> #include <vector> int

在类的继承里面，会涉及到虚函数的问题，我现在先贴一下正确的代码如下。 #ifndef _TEST_CLASS_H #define _TEST_CLASS_H class Base { public: virtual ~Base(); virtual void Print(); }; class Derive : public Base { public: virtual ~Derive(); virtual void Print(); }; #endif //TEST_CLASS

这里就直接贴上代码了，基本高效实现。 template<class T> class MemoryPool { public: T* Malloc() { if (free_element_ == last_element_) { return nullptr; } T* result = reinterpret_cast<T *>(free_element_); free_element_ = free_element_->n

这里就直接贴上代码了，获取某一段程序运行的时间。 #include <iostream> #include <cstdio> #include <cstdlib> #include <algorithm> #include <string> #include <sys/time.h> #include <unistd.h> #define USDIFF(new, old) (1000000 * (int64_t)((new

这里就直接上代码了，非常简单的一个代码了，动态规划 #include <iostream> #include <cstdio> // using namespace std; int main() { int arr[] = {-1, 5, -4, 7, 3, -2, -1, 4, -6}; int len = sizeof(arr)/sizeof(int); int sum_val = 0; int start_index = 0; int end_index

这里直接上代码了 #include <iostream> #include <cstdio> #include <algorithm> #include <string> #include <memory> #include <mutex> class Singleton{ public: typedef std::shared_ptr<Singleton> Ptr; ~Singleton(){

将字符串转为dictionary data_str = ''' {'start_time': '0', 'end_time': '70', 'text': '明天天气'} ''' 对于上面的字符串，可以直接用 info_map = eval(data_str) print('start:%s, end:%s' % (info_map['start_time'], info_map['end_ti...

之前一直觉得python的多线程有点问题，今天搞了一下多线程的事情；直接上代码了。 #-*- coding:utf8 -*- #!/usr/bin/env python import os import sys import subprocess import json import string import re import time from threading import Threa...

高斯混合模型，首先说的那就是高斯分布， f(x)=12πσexp⁡(−(x−μ)22σ2)=N(x,σ,μ2) f(x)=\frac{1}{\sqrt{{2\pi}}\sigma}\exp(-\frac{(x-\mu)^2}{2\sigma^2})=N(x,\sigma,\mu^2) f(x)=2π​σ1​exp(−2σ2(x−μ)2​)=N(x,σ,μ2) 对应的均值方差是μ\muμ，σ2\si...

现在简单写写最大似然估计。 最大似然估计是一个概率估计问题，譬如已知一个数据空间XXX，数据XXX中的每一个样本都有n为特征。有样本整体x=[x1,x2,x3,x4,.....,xn]x=[x_1,x_2,x_3,x_4,.....,x_n]x=[x1​,x2​,x3​,x4​,.....,xn​]。同时了有这样的先验知识，知道数据空间XXX里面所有的样本，都符合一个的概率密度函数(prob de...

一直都有这个问题的说，或许其实并没有自己想象的那么难处理的说； 对应的python2 python3都有相应的解决办法。 已知有文件 明天天气 现在需要进行单字切分，得到文件 明 天 天 气 python2 与 python3 都有相应的解决办法，现在直接贴代码了 python2 #!/usr/bin/env python #coding:utf-8 import os import sy...

这里就直接贴上代码了。 digraph G { node [shape = circle] 0 -> 1 [ label = sil ] 0 -> 2 [ label = w ] 1 -> 1 [ label = sil ] 1 -> 2 [ label = w ] 2 -> 2 [ label = w ] 2 -> 3 [ labe...

现在写写一般的构图逻辑，这里会介绍ci-phone的，同时也会介绍cd-phone的构图逻辑。 一般介绍 ci-phone构图 cd-phone构图 下面先介绍下技术背景，主要应用在解码过程中，也就是语音识别；譬如唤醒、命令词都可以应用。对于一个词的发音序列 word : phn1 phn2 phn3 word: A B C D E ... Z 其中A就是词头，Z就是词尾。 先介绍ci-p...

c++中一次读取整个文件的内容的方法： 读取至char*的情况 std::ifstream t; int length; t.open("file.txt"); // open input file t.seekg(0, std::ios::end); // go to the end length = t.tellg(); // report ...

简单回顾一下今天所看的内容： gmm-hmm pdf： 概率密度函数，在这里可以由gmm来估计，同样也可以用dnn来估计。 gmm： 高斯混合模型，单高斯函数，多高斯函数。 能拟合任何函数，这里会涉及到均值方差等变量 语音有短时平稳的特性，可以用高斯混合模型来估计；从而就会有概率密度函数。 hmm：隐马尔科夫模型，双马尔科夫链的过程。关键在于理解状态。 首先需要的说的马尔科夫链。当与时间无关时，...

这里贴一个网页： https://www.cnblogs.com/wjgaas/p/4523779.html 简单的说： Posterior probability ∝ Likelihood × Prior probability 从语音识别的角度来看这个问题，那么就是，解码的过程就是求取后验概率的过程。 ref_W = argmax_w(p(O|W) * P(W)/P(O)) 已知观察...

这里记录一下语音识别中的拓扑的问题。 三因子状态的topo Chain-model的topo Ctc的topo 三因子状态的topo <Topology> <TopologyEntry> <ForPhones> 1 2 3 4 5 6 7 8 </ForPhones> <State> 0 <PdfClass> 0 <...

dot图的规则跟语法，先来看一个最简单的例子。 digraph g { label=test 深圳 -> 南山 [ label = "process"] 南山 -> 科技园 南山 -> 金融公司 { rank=same 科技园 金融公司 } } 转成png的linux命令行是 dot -Tpng ./test.dot -o test.png 参考文献，见如下网页，非...