![](https://img-blog.csdnimg.cn/20201014180756923.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
笔记
文章平均质量分 77
卫公费马
失去很多,得到一些
展开
-
简单易懂,单调栈和队列
”明月如霜,好风如水,清景无限 “文远已经很久没更新了,中秋补一篇吧。最常见的两种数据结构,栈和队列,也就是先进后出和先进先出。从这一点来看,似乎这两个数据结构挺简单的,但难点在于何时使用它,也就是识别出什么时候该用这样的数据结构。壹* stack基础的基础操作:如果用数组模拟栈的话,需要数组int stk[N] , hh = -1;其中hh = -1待定,也就是初始情况下栈为空,认为stk[0]为栈的首元素。若改为0,则认为stk[1]为栈的首元素。入栈:stk[++hh] = x原创 2021-09-21 15:50:26 · 275 阅读 · 0 评论 -
背包专题详解,实用有效
”明月如霜,好风如水,清景无限 “背包问题的经典程度,不言而喻。今天文远就带大家梳理一遍。主要是01背包,完全背包,多重背包和分组背包问题。关于空间压缩可以见:空间压缩。关键点:一般用dp[i][j]表示只用前i个物品在背包空间为j的情况下物品的最大价值。壹* 01背包描述:n个物品,背包容量m,物品容量v[i],价值w[i]。物品只能选0次或者1次。状态分析很简单,即dp[i][j] = max(dp[i-1][j] , dp[i - 1][j - v[i]] + w原创 2021-09-09 16:38:45 · 302 阅读 · 0 评论 -
含泪总结,五种常见的最短路径算法
”明月如霜,好风如水,清景无限 “总结总的来说,最短路径是图论的最常见的问题。即在一副有向图(无向图是特殊的有向图,不做考虑。记图中的结点数N ,而边数为 M,边长记为W)中找到其中两点的路径最短值。壹* 基础版dijkstra复杂度 :O(n * n),分析可知遍历为n,更新为n。特点介绍:看复杂度可以知道,此算法仅仅与结点个数有关。那么当图的边数密集,是稠密图时,将会非常适合。而对于稠密图,储存方式最好是邻接矩阵。其中dijkstra算法对应的边长权值都为正数。代码关键点:原创 2021-09-05 23:37:40 · 4412 阅读 · 0 评论 -
背包问题空间压缩含义
”明月如霜,好风如水,清景无限 “时隔了不知道多少天,应该说最近都在忙于写毕设论文和相关代码。因此很久没更新了,先推荐一下关于西瓜书的两类视频:图片https://www.bilibili.com/video/BV17J411C7zZ ####一起啃书https://www.bilibili.com/video/BV1GT4y1w72C ###机器学习实战今天智能路障的鲁迅系列又更新了,心疼迅哥一秒,,,, 壹 今天说的是动态规划最常见的一个题原创 2021-08-19 18:44:51 · 415 阅读 · 0 评论 -
裂缝检测数据集爬取
”明月如霜,好风如水,清景无限 “最近,因为毕设的临近。更新的很少,不过文远下一篇资料上也差不多都找好了。前天,有位老哥因为毕设要做裂缝检测,但是没裂缝数据。所以叫文远爬一下。文远当然是选择安排了。壹百度搜图图片爬取这个我就不想多说了,毕竟网上一搜一大把,但是综合起来有个要点就是。用旧版本的百度爬取会方便一些,因为旧版百度有页码,可以翻页。但是新版百度是下拉,因此都是动态加载的。结果搜索的关键词是裂缝检测。结果后面有很多的垃圾图片(baidu fw)贰直接上网址,这个好像没有被墙:原原创 2021-04-06 00:31:46 · 2518 阅读 · 0 评论 -
心跳信号分类 ---参数调整
又到了deadline ,文远又得冲起来了。本文的重点很明显,就是模型调参。模型调参:三个方法如下:贪心调参方法;网格调参方法;贝叶斯调参方法介绍说明三个方法,具体来说。最建议的是贝叶斯调参,相对来说,耗时短,而且效果不错。然后是,贪心相对来说容易局部最优,这也挺好解释的,毕竟贪心算法就是比较容易局部最优,而网格搜索可以看作是暴力搜索的一种(dfs,bfs),最后的贝叶斯搜索则是,有点启发式算法的意味。个人实践当然,这些都只是文档的信息,文远还是,不怎么原因信的。先说结果原创 2021-03-26 01:08:55 · 429 阅读 · 2 评论 -
心跳信号分类---(中)
”明月如霜,好风如水,清景无限 “又是deadline,果然是第一生产力啊。天池心跳分类壹这篇本来的Task是数据的EDA探索。也就是对数据的熟悉,可视化,分布等等的了解。数据科学库pandas,numpy,scipy;可视化库 matplotlib,seaborn,plotly,pychearts,Boken,cufflinks等等。(这个还是有必要多练练,对应官网的例子跑一跑)可以聊一下和pandas联系紧密的cufflinks。import pandas as pdimpor原创 2021-03-20 00:25:33 · 953 阅读 · 0 评论 -
心跳信号分类---(上)
”明月如霜,好风如水,清景无限 “为了能打上卡,文远硬冲了一手,没来得及认真看程序,不过也记录一下。来分析一下baseline。壹首先是读取数据就不说了,数据的特色就是输入为序列数据,所以最好还是做一下处理,用split(’,’)来分割一下。for i in range(1000): dd.iloc[i,:] = train.values[i][1].split(',')dd再看一下输出label。再看看这个标签为1(八成有问题)的心跳序列:看起来,波动的很剧烈啊,这个心原创 2021-03-17 00:04:44 · 1384 阅读 · 0 评论 -
一篇文章解决所有的jupyter不能用的问题,保证有效
问题背景文远有的python有多个anaconda的python环境,最近因为需要keras或者tensorflow的GPU版,又开了一个。可是又想在jupyter notebook里跑,所以又装了个jupyter.然后就出现了一系列的问题。反正就是两个都不能用了。具体问题大概参考了10篇以上的博客,虽然没有解决,但是最终还是让文远找到了最彻底的方法。先放两张图,问题如下:除此之外,要还有一个持续链接断开,io_loop的错误。然后就是这里:上图的python3圆圈是实心的黑色,或者出现了类原创 2021-03-06 18:13:26 · 5444 阅读 · 0 评论 -
从贪心到低配版遗传算法
”明月如霜,好风如水,清景无限 “今天做了一个简单的leetcode题。看介绍是用贪心做。题目是:605. 种花问题假设有一个很长的花坛,一部分地块种植了花,另一部分却没有。可是,花不能种植在相邻的地块上,它们会争夺水源,两者都会死去。给你一个整数数组 flowerbed 表示花坛,由若干 0 和 1 组成,其中 0 表示没种植花,1 表示种植了花。另有一个数 n ,能否在不打破种植规则的情况下种入 n 朵花?能则返回 true ,不能则返回 false。示例 1:输入:flowerb原创 2021-02-28 00:03:49 · 530 阅读 · 0 评论 -
不平衡样本的分类实践---Credit-Card-Fraud-Detection
”明月如霜,好风如水,清景无限 “突然找到了一个Credit-Card-Fraud-Detection的数据集,就顺便简单做了一下分类问题。数据集:链接:https://pan.baidu.com/s/12rjSBqUWvCkXhINbh06M8w 提取码:0ero 壹具体的代码如下,主要还是讨论不平衡样本分类时,需要进行的处理:先是直接原数据直接用:(原数据特征已经降维过了)import pandas as pdimport numpy as np#导入数据path=r'C:\Us原创 2021-02-27 23:55:04 · 605 阅读 · 1 评论 -
自动控制原理---频域
”明月如霜,好风如水,清景无限 “还有9h就到明年了,先祝大家元旦快乐。文远也终于肝到频域了,没想到自控这么费事。公众号回复坐标纸,可以拿到频域专门画bode图的对数坐标纸,回复自控试卷貌似有18,19年的试卷和一些没用的ppt。还好之前就已经把频域校正写完了,不过看了看,发现总结篇文字过多,校正重点都在总结篇,可是重点不突出,不够形象生动。不多说,后面尽量改。频域我们最重要的掌握两个图,Nyquist & bode图。除此之外,因为方法变了,频域里的动态指标也变了,但我还是认为系统分析就是那三原创 2021-02-27 23:47:15 · 3167 阅读 · 0 评论 -
自动控制原理---复域
”明月如霜,好风如水,清景无限 “妈耶,公众号搬运,好浪费时间啊,,,好了,开始新的一章了,这章是复域,最主要的问题是画出根轨迹。那么我们需要理解一下什么是根轨迹。很好理解,根轨迹就是由根连成轨迹(由点成线),那么我们得弄清是什么方程的根?(特征方程的根/闭环传递函数的分母组成的方程,最准确的定义应该是:G(S)H(S)土1=0化简出的方程)这个轨迹是什么样的轨迹?(即绘制根轨迹的法则)这样我们就能比较轻松的画出根轨迹。如果我们再问一个问题,即我为啥要画根轨迹?那么你便是在接触根轨迹的分析或者校正了,当原创 2021-02-27 23:36:14 · 2622 阅读 · 0 评论 -
自动控制原理---时域
”明月如霜,好风如水,清景无限 “好了,开始新的专题了。带大家尽量的把自控这门课给串一遍。最开始要有一个自控的大的框架。咱们的自控还是以研究线性问题为主,在线性里研究有三种方法:时域,复域,频域。而每种方法都分为分析和校正,分析是为了研究系统的好坏,状态,确定指标。而校正则是让系统变好(让不稳定的系统稳定,让稳定系统的性能指标更好)好了,知道了这个大框架后,咋们先来讲讲时域,有些基本功需要提前说一下,方框图和信号流图的(想一下信号流图中的圈对应方框图的什么)转换和梅逊公式。然后是开环增益指的是开环原创 2021-02-27 23:26:19 · 9901 阅读 · 1 评论 -
C+常用数据结构
”明月如霜,好风如水,清景无限 “所有的容器归根到底都是内存空间的排列方式和在空间上施加各种各种不同的限制所得的。空间排列方式只有线性和链式两种方式,链式是通过记录每一个数据的地址来实现查找下一位数据的。而每一个容器所具有的特性就决定了它所适用的情况,总的来看容器常用的无非是增删改查操作,下面将从适用场景、常用操作来进行总结。文远就简单的实践一下,加深记忆。壹array (数组)#include<stdio.h>#include<iostream>#include&l原创 2021-02-27 23:11:34 · 385 阅读 · 0 评论 -
Lambda详解->C+&py
”明月如霜,好风如水,清景无限 “来总结一下,lambda表达式。C++中的会看起来更详细。总的来说可以把lambda表达式理解为一种方便的自定义函数。壹lambda的语法格式:capture mutable ->return-type{statement}[capture]:捕捉列表。捕捉列表总是出现在Lambda函数的开始处。作为编辑器判断lambda表达式的特征,这部分必须存在,不能省略。1、空。没有使用任何函数对象参数,意思只是是只用{statement}:函数体的变量。2原创 2021-02-27 23:03:46 · 1024 阅读 · 0 评论 -
Mysql基础-(1)
”明月如霜,好风如水,清景无限 “参考的视频:MOSH 大叔关于数据库的安装部分,比较推荐5.7,具体可公众号回复:sql.Windows上msi文件安装会比较舒服。壹生成基础的表格(供往后练习)注意把生成数据库代码中的utf8mb4替换为utf8,utf8mb4_0990_ai_ci替换为utf8_general_ci也就是运行,SQL Course Materials/create-databases.sql文件。 贰 下面是一些基础语句的原创 2021-02-27 22:35:29 · 184 阅读 · 0 评论 -
jupyter省缺补全
”明月如霜,好风如水,清景无限 “上次看一个老哥,发了个jupyter notebook的省缺补全有问题,我直接一脸懵逼,原来juputer notebook也可以省缺补全,当时就感觉自己血亏。壹不多说,直接装:切换到你notebook对应的环境,dos下安装。(如果你有anaconda,可以用pip安装库(讲真pip才是真方便),但不要用pip升级anconda安装的库)pip install --user jupyter_contrib_nbextensions -i https://py原创 2020-12-20 23:55:20 · 298 阅读 · 1 评论 -
爬取王者荣耀全部皮肤(好吧,只是图片)
”明月如霜,好风如水,清景无限 “话不说说,直接上。壹先进王者官网:https://pvp.qq.com/然后找到内容中心-》英雄资料:进入发现了,有全部的英雄信息:f12发现,这个很简单,每个li标签就代表一个英雄,那么点击进单独的英雄界面发现:很轻松地发现了,对应的SRC,也就是每个英雄对应皮肤的图片url。看起来,看起来相当简单啊???import requestsfrom lxml import etreeimport os import refrom bs4 i原创 2020-12-13 20:42:44 · 1024 阅读 · 3 评论 -
小伙子不讲武德,竟用Python爬取了B站上4w条马保国视频弹幕
”明月如霜,好风如水,清景无限 “文远今天看到其他公众号的b站弹幕分析,激起了一些兴趣。总的是三步:找到b站马老师专栏里播放量靠前的视频爬取视频的弹幕将弹幕持久化存储后,制作词云壹首先,找到的b站专栏的网址:url='https://api.bilibili.com/x/web-interface/web/channel/multiple/list?channel_id=3503796&sort_type=hot&page_size=30'这个是b站专门留的接口,很方便原创 2020-11-28 16:55:51 · 4434 阅读 · 10 评论 -
爬取糗事百科上的照片
”明月如霜,好风如水,清景无限 “爬取图片,是一项很常见的需求,后期文远会尝试一些反反爬策略爬取一些美妙的图片,尽请期待。壹直接分析,找到只有图片的网址:同样打开开发者模式,发现每一张图片对应一个class=“thumb”,如下图:从而找到了这样一个字段,<img src="//pic.qiushibaike.com/system/pictures/12379/123795110/medium/BWSV4O39WTP07EN5.jpg" alt="糗事#123795110" clas原创 2020-11-17 17:38:34 · 553 阅读 · 1 评论 -
pybind11报错:Unknown CMake command “pybind11_add_module“.
首先,自己下一下cmake,configure最好是vs2015然后x64,然后报错:可以直接下载的是这个记住最重要的是放在:openpose\3rdparty\pybind11不是build里的原创 2020-09-27 17:00:56 · 9582 阅读 · 1 评论 -
关于留数法在自控和现控中的应用
本文主要解释第二点,即留数法计算分解因式对应的系数:原创 2020-09-21 00:38:41 · 2263 阅读 · 0 评论 -
线代139二次型,前方高能!超哥独门绝技奉送的部分证明--4
原创 2020-09-02 22:10:27 · 262 阅读 · 0 评论 -
AB=A+B证AB=BA,杨超线代冲刺41题结论--2
具体证明如下:原创 2020-08-31 15:43:57 · 1392 阅读 · 0 评论 -
det(A+αβT)杨超线代冲刺41题的结论--1
关于杨超线代冲刺41题结论det(A+αβT)具体证明过程如下:原创 2020-08-27 11:18:12 · 1235 阅读 · 0 评论 -
Hexo init 长时间停留,npm WARN registry Unexpected warning for https://registry.npmjs.org/:npm WARN deprec
跟着codesheep一步步安装,到了hexo init 的INFO Install dependencies卡住了好久,别慌,好像就是网的问题:如果你报的警告是这个问题不大:npm WARN registry Unexpected warning for https://registry.npmjs.org/: Miscellaneous Warning ETIMEDOUT: request to https://registry.npmjs.org/hexo-server failed, rea原创 2020-07-14 15:26:51 · 4186 阅读 · 3 评论 -
机器学习预测实践后的总结,以数据量较小为典型理解交叉验证
在进行回归预测时,交叉验证时必不可少的,本次实践之前,我对交叉验证是一个模糊的状态,那么就记录一下本次实验对交叉验证的理解。此为数据集较小时的交叉验证,standar_data为标准化后的特征,具体实现的话,可以看看这篇:https://blog.csdn.net/John_ashley/article/details/106913774y_data是真实值,也就是标签Ⅰ. b=[] x_data=standar_data # x_data=pre_data[:,1原创 2020-07-13 00:46:28 · 1321 阅读 · 0 评论 -
如何同时plot两张图片,不是动态图(为了对比)
因为想要对比两张图的,所以需要同时绘出但matplotlib在遇到plt.show()函数在阻塞模式时会挂起,代码并不会继续运行,这就导致只能一张一张的显示,不方便对比。解决方法利用plot.ion()函数,调节到交互模式具体流程如下:plt.ion()#代开交互plt.figure(2, figsize=(32, 20))#画第一个图plt.plot(pre_data[:,13],pre_data[:,0],'r')plt.show()plt.figure(1, figsize=(32原创 2020-06-27 00:11:14 · 5281 阅读 · 0 评论 -
关于sklearn中的归一化,标准化以及返回inverse_transform()的详细例子,附带具体的回归预测的例子
import torchfrom sklearn import preprocessingimport numpy as npX = np.array([[ 1., -1., 2.],[ 2., 0., 0.],[ 0., 1., -1.]])print(X)# The transformation is given by::# X_std = (X - X.min(axis=0)) / (X.max(axis=0) - X.min(axis=0))# X_scal原创 2020-06-23 01:36:18 · 11273 阅读 · 0 评论 -
文件命名时加入变量(例如loss,accuracy值区别epoch)
今天想要在训练的时候区分以下model,本以为和print输出字符串+变量的方法类似print("loss:{}".format(loss))graph.write_png('small_tree_accuracy{}.png'.format(accuracy))因为想要控制格式%3d,但是失败了,graph.write_png(‘small_tree_accuracy1+{accuracy:3d}+.png’)貌似这会把变量当作字符串,,,,但是想到c语言printf的格式,我是试了以下%原创 2020-06-22 20:05:31 · 442 阅读 · 0 评论 -
关于解决matplotlib画图时,legend图例标签汉字乱码问题
Python中默认的编码格式是 ASCII 格式,在没修改编码格式时无法正确打印汉字,所以在读取中文时会报错。解决方法为只要在文件开头加入 # -- coding: UTF-8 -- 或者 #coding=utf-8 就行了这是解决print的中文乱码的问题,并且还是低版本python,实测python的matplotlib画图时,给label如果有中文会出现乱码问题,如图:我第一个输入的时汉字二氧化碳,图例的label显示不出来的,最后找到发现,解决方法:在加图例之前加上以下两行plt.rc原创 2020-06-20 15:36:29 · 3565 阅读 · 0 评论 -
女朋友让我从视频上扒拉的决策树代码给她交作业
# pylint: disable=no-memberimport torchfrom sklearn import treefrom sklearn.datasets import load_winefrom sklearn.model_selection import train_test_splitimport pandas as pdimport graphvizimport matplotlib.pyplot as pltwine1=load_wine()print(wine1原创 2020-06-19 02:00:57 · 224 阅读 · 0 评论 -
现控倒立摆系统分析
% 变量赋值m=0.1;M=1;g=10;len=0.5;A=[0 1 0 0 ;0 0 -m*g/M 0;0 0 0 1;0 0 (m+M)*g/(M*len) 0];b=[0;1/M;0;-1/(M*len)];c=[1 0 0 0];d=0;% 能控性分析M=ctrb(A,b);P=rank(M);N=size(A,1);% 能观性分析MM=ctrb(A,b);PP=rank(MM);if N==P if N==PP str="该系统能控能控";原创 2020-06-05 00:52:15 · 586 阅读 · 0 评论 -
超级详细的PSIM最小拍无波纹仿真,当作期末笔记了
因为目前临近计算机控制的考试,因此整理一下思路,方便复习。首先给一下仿真的结构图和结果:在这里插入图片描述然后代码就免了,主要是控制器传递函数的计算,然后把传递函数化为微分方程。整理一下思路,把这个问题分作 步:1.一般都是由G0(S),仿真的话,将控制对象的传递函数分为典型环节,然后RC电路实现。2.本步在控制系统结构图中为控制器,即E->U(1)PSIM中用Cblock实现,但需得到控制器输出Ud(K)差分方程,因此需要先求控制器的脉冲传函,即D(Z)=U(Z)/E(Z)。(2原创 2020-05-26 01:38:25 · 3627 阅读 · 1 评论 -
PSIM仿真+C语言(c block)实现PID控制和最小拍控制
计算机控制的作业,感觉很烦直接上图,先发结构图,资源放在后面对应的效果,有test控制对象(不同于上面的积分串惯性),此对象为两惯性模拟带延迟惯性的控制对象,对象单独仿真的图:其中PISM控制器对应的c block代码如下:static double error;static double error_1;static double I_sum;static double y_out;const double P,I,D;P=2.0;I=0.005;D=5;if(t<原创 2020-05-25 12:41:42 · 7734 阅读 · 11 评论 -
超级详细,实测有效visual studio快捷键修改
实测有效vscode快捷键修改因为VS中的快捷键是复合的Ctrl+k+u和Ctrl+k+c,还是很复杂的。本人因为matlab用的比较多,所以还是用ctrl+r和ctrl+t比较爽,但找来找去,发现都是抄的,而且还不对,写代码的注释习惯还是让我坚持弄了半个小时,终于弄清了。1.打开工具-选项-键盘2.在显示命令包含里搜索注释3.先把只前的快捷键移除ctrl+k+u或c4.点按快捷键的编辑栏,选一个你想要的快捷键5.(快捷键功能重复)当你选择的快捷键,在快捷键当前的使用对象编辑栏里有多个作用时,你就需要在原创 2020-05-18 20:13:03 · 1335 阅读 · 0 评论 -
计算机控制作业来看,带PID控制器的最小拍系统设计
%PID Controllerclear all;close all;ts=1;sys=tf(5,[1,1,0])%构建时间函数dsys=c2d(sys,ts,'zoh')%离散化[z,p,k]=zpkdata(dsys);Gz=zpk(z,p,k,ts,'variable','z^-1')syms z;z=tf('z');Phiez=(z^-1)*(1+0.7125*z^-1...原创 2020-04-19 21:48:36 · 2019 阅读 · 11 评论 -
大林算法,比较基础的,无振铃的改了对象需要手动改一下
%Delay Control with Dalin Algorithmclear all;clc;ts=1;% Plant 控制对象传函:G(z)sys1=tf([5],[0.1,0.7,1],'inputdelay',1);dsys1=c2d(sys1,ts,'zoh')[num1,den1]=tfdata(dsys1,'v');[z,p,k]=zpkdata(dsys1);...原创 2020-04-18 13:09:59 · 5074 阅读 · 4 评论 -
一看就懂,关于PID控制中yout(k)=-den(2)*y_1-den(3)*y_2+num(2)*u_1+num(3)*u_2;的理解
% clear ;% clc ;function [time,rin,yout]=PID_position(S)%设一被控对象G(s)=5/(0.5*s^2+1*s),% r ====> e ====>(Kp,Ki/s,Kd*s)====> u ====> y%用位置式PID%initts=0.001; %采样时间sys=tf...原创 2020-04-18 11:18:26 · 6698 阅读 · 10 评论