algorithm
文章平均质量分 87
LIUHUANUCAS
信息管理与信息系统--计算机
展开
-
最大子数组问题 Maximum Subarray
Maximum Subarray: algorithm这个问题我们先看下问题的描述:问题描述Find the contiguous subarray within an array (containing at least one number) which has the largest sum. For example, given the array [−2,1,−3,4,−原创 2016-05-02 15:41:44 · 16342 阅读 · 2 评论 -
快速排序partition的写法
1.本科时候,严老师的那本书上给的写法int partition(int A[],int left,int right){ if(left >= right) return left; int x = A[left]; while(left < right){//left should be less than right. left is原创 2016-09-23 08:50:55 · 1443 阅读 · 3 评论 -
lower_bound & upper_bound
1.lower_boundlower_bound(T A[],int first,int last,const T &v)输入的元素:A[first,last)A[first,last),不包含最后last所指的元素。 目标:有序数组当中查找一个元素,如果这个元素存在则返回这个元素第一次出现的位置,否则返回这个元素该插入的位置,也就是在这个位置插入之后,数组还是有序的。 如果存在,那么就原创 2016-09-24 11:40:13 · 345 阅读 · 0 评论 -
冒泡排序及其改进
1.冒泡排序是一种非常简单的排序算法。冒泡排序的思想是,进行nn轮排序,每一轮当中把最大的元素或者最小的元素放到末尾的位置上,每一轮比较相邻的两个元素,然后,如果是逆序那么进行交换,可以看出来时间复杂度为O(n2)O(n^2) 第一轮冒泡会把最大的元素放到最后的位置上, 第二轮冒泡会把第二大的元素放到倒数第二的位置上, ⋯\cdots⋯\cdots ⋯\cdots⋯\cdots 第n−1n原创 2016-09-27 17:15:00 · 310 阅读 · 0 评论 -
Small Codes and Large Image Databases for Recognition
0.论文介绍:对GIST特征进行哈希,然后通过hashcode进行检索和分类。作者介绍了基于机器学习的几种方法:BoostSSC,和RBM,通过实验,可以看出来,做这提出来的方法在LabelMe和webImages两个数据集上相比于LSH获得了较好的结果。1.BoostSSC把原空间的数据,嵌入到hamming空间中,原始数据之间的距离使用带有权重的hamming距离来替代。 图像可以使用MM维的原创 2016-10-26 11:11:54 · 486 阅读 · 0 评论 -
Bag-of-colors for Improved Image Search
1.论文介绍这篇文章通过使用图像的颜色特征(全局和局部),并结合这SIFT特征,实现BoW,作者认为颜色特征可以作为SIFT特征的补充,达到超出传统方法的效果。2.Bag of ColorColor特征的生成过程 颜色空间:作者基于前面人的工作,借用了CIE-Lab颜色特征。这个颜色空间更接近于欧式空间。颜色字典 颜色字典是通过聚类来实现的,对于每一个图像的颜色特征分量,L,a,b分别进行量化,原创 2016-11-16 16:24:59 · 916 阅读 · 0 评论 -
二分查找及其扩展
之前所说的lower_bound和upper_bound其实就是二分查找的一种扩展形式,在SGI STL里面,二分查找算法实际调用的事lower_bound。所以lower_bound和upper_bound还是非常重要的。主要用到的是二分查找的思想。原创 2016-11-17 19:46:13 · 505 阅读 · 0 评论 -
python 堆和优先队列的使用
1.heapqpython里面的堆是通过在列表中维护堆的性质实现的。这一点与C++中heap一系列的算法类似,底层是通过堆vector的维护获取堆的性质。 python堆的部分API,其他API查阅文档python_heap_API和 heapq的源代码import heapq#向堆中插入元素,heapq会维护列表heap中的元素保持堆的性质heapq.heappush(heap, item原创 2016-11-21 21:39:00 · 46210 阅读 · 1 评论 -
On the burstiness of visual elements
1.论文介绍这篇文章主要解决了,图像检索过程当中的突发(Burstiness)问题。在BoW模型当中,一个视觉元素在同一个图片中多次出现可能会降低匹配的质量。2.图像检索的框架局部特征和特征与视觉中心的对应 作者通过使用Hessian-afine 检测子来计算SIFT特征。作者在数据集Flickr上通过k-means方法学习到20k大小的视觉词典。对于新的特征,使用欧氏距离来获得这个特征属于的视觉原创 2016-11-23 16:57:26 · 1284 阅读 · 0 评论