- 博客(38)
- 资源 (4)
- 收藏
- 关注
RSS订阅原创 [java] 二叉树的后序遍历(递归与非递归实现)
后序遍历递归定义： 先左子树，后右子树，再根节点。后序遍历的难点在于：需要判断上次访问的节点是位于左子树，还是右子树。若是位于左子树，则需跳过根节点，先进入右子树，再回头访问根节点；若是位于右子树，则直接访问根节点。直接看代码，代码中有详细的注释。 public void behindOrder(Tree n){ if(n!= null){ behindOr
2017-08-29 15:16:51
3911
转载 十一、从头到尾解析Hash表算法
十一、从头到尾解析Hash 表算法作者：July、wuliming、pkuoliver 出处：http://blog.csdn.net/v_JULY_v。 说明：本文分为三部分内容， 第一部分为一道百度面试题Top K算法的详解；第二部分为关于Hash表算法的详细阐述；第三部分为打造一个最快的Hash表算法。----------------------------
2017-08-29 14:26:04
370
原创 《Towards Good Practices for Very Deep Two-Stream ConvNets》阅读笔记
《Towards Good Practices for Very Deep Two-Stream ConvNets》阅读笔记作者信息：Limin Wang, Yuanjun Xiong, Zhe Wang, Yu Qiao,摘要深度卷积神经网络在静止图像的目标识别取得了巨大的成功，但是在视频的行为识别领域，深度学习提升的效果并不是很显著，主要的原因有两点：相对于图像识别，视频的行为识别所使用的卷积
2017-08-28 11:19:59
3066
6
原创 Linux如何查看进程、杀死进程、启动进程等常用命令
ps 命令用于查看当前正在运行的进程。 grep 是搜索 例如： ps -ef | grep java 表示查看所有进程里 CMD 是 java 的进程信息 ps -aux | grep java -aux 显示所有状态 pskill 命令用于终止进程 例如： kill -9 [PID] -9 表示强迫进程立即停止 通常用 ps 查看进程 PID ，用 kill 命令终止进程
2017-08-28 09:11:50
3510
原创 [java]二叉树构建、遍历、深度、平衡性
package tree;/** * 2017-3-15 * 剑指ｏffer-Ｐ５５ * @author victorlee * */public class ConstructTree{ public Tree construct(int[] pre,int[] in){ if(pre.length ==0 || in.length == 0)
2017-08-27 19:27:32
424
原创 [java]归并排序
package sort_book_datastruction;import java.util.Arrays;public class MergeSort { /** * 归并排序 * 简介:将两个（或两个以上）有序表合并成一个新的有序表 即把待排序序列分为若干个子序列，每个子序列是有序的。然后再把有序子序列合并为整体有序序列 * 时间复杂度为O(
2017-08-27 13:55:15
299
原创 [java]选择排序
//选择排序(08/26)，个人写 public void selectsort(int[] array){ if(array==null||array.length==0) return; for(int i=0;i<array.length;i++){ for(int j=i+1;j<array.length
2017-08-26 22:54:05
322
原创 [java]冒泡排序的常规、改进以及递归实现
package sort_book_datastruction;import java.util.Arrays;/** * 冒泡排序； * @author Administrator * */public class BubbleSort { public void bubbleSort(int[] array){ for(int i = 1;i<array.le
2017-08-26 20:04:54
1094
原创 [java]插入排序及折半插入排序
package sort_book_datastruction;import java.util.Arrays;/** * 插入排序：主要是将待排序的元素插入到已经排好序的列表中，从而编程长度加1的有序表； * 具体步骤：例如第i个元素是待排序的元素，则前i-1个元素是已经非递减排列的序列，将第i个元素插入到前面已经排好的序列中， * 该元素从第i-1个元素进行比较，如果大于第i-1个元素，
2017-08-26 16:34:32
316
原创 java 希尔排序
package sort_book_datastruction;import java.util.Arrays;/** * 2017/4/1 * 希尔排序：是插入排序的一种，又称为缩小增量的插入排序或者分段排序 * 基本思想：将整个待排序序列分割成若干个待排序子序列； * 对这些子序列分别进行排序，不断缩小增量，构成子序列，再排序； * 当整个序列基本有序时，再对
2017-08-26 16:27:39
340
原创 内部排序分类及稳定性
内部排序分类及稳定性插入排序 直接插入希尔排序选择排序 简单选择堆排序交换排序 冒泡排序快速排序归并排序基数排序稳定性：待排序记录序列中，存在多个具有相同关键字的记录，若经过排序，这些记录的相对次序保持不变，则称为稳定排序。稳定排序有： 冒泡排序，插入排序，归并排序，基数排序( 冒插归基\color {red} {冒插归基})不稳定排序： 选择排序，快速排序，希尔排序，堆排序
2017-08-26 15:29:53
1324
转载 Python匿名函数
文章导读:以前自己一直没搞明白Python中的匿名函数，现在拿这个问题基本上搞明白了，拿自己的理解整成一篇文章，附带大量例子，让其更加好理解。在编程语言中,函数的应用:1. 代码块重复，这时候必须考虑用到函数，降低程序的冗余度2. 代码块复杂，这时候可以考虑用到函数，降低程序的可读性在Python,有两种函数，一种是def定义，一种是lambda函数#假如要求两个数
2017-08-25 09:50:06
461
原创 Python正则表达式
#encoding:utf-8'''python正则表达式：一个特殊的字符序列作用：方便查找一个字符串是否与某种模式匹配re模块使python语言拥有全部的正则表达式功能'''import re'''re.rematch(pattern,string,flag=0)pattern:匹配的正则表达式string:要匹配的字符串flag:标志位，用于控制正则表达式匹配的方式，如区分大小写
2017-08-24 22:14:59
365
转载 Python正则表达式
接下来准备用糗百做一个爬虫的小例子。但是在这之前，先详细的整理一下Python中的正则表达式的相关内容。正则表达式在python爬虫中的作用就像是老师点名时用的花名册一样，是必不可少的神兵利器。以下内容转自CNBLOG：http://www.cnblogs.com/huxi/archive/2010/07/04/1771073.html整理时没有注意，实在抱歉。
2017-08-24 21:57:25
363
原创 Python strip函数和split函数
#encoding:utf-8'''s.strip(rm)s为字符串，rm为要删除的序列rm为空时，删除首尾空白符这里rm删除序列，只要边上的字符在删除序列之内，就删除掉'''s='hello world's1=s.strip('held')print s,'\n',s1'''输出：hello world o wor''''''二、spilt函数分割函数，将字符串分
2017-08-24 19:55:07
526
转载 JAVA堆栈图解
转自：http://www.iteye.com/topic/6345301.寄存器：最快的存储区, 由编译器根据需求进行分配,我们在程序中无法控制.2. 栈：存放基本类型的变量数据和对象的引用，但对象本身不存放在栈中，而是存放在堆（new 出来的对象）或者常量池中(对象可能在常量池里)（字符串常量对象存放在常量池中。）3. 堆：存放所有new出来的对象。4. 静态域：存放静态成员（
2017-08-23 22:07:54
27520
12
原创 Python raw_input()和input()区分
Python input() 函数Python 内置函数 Python 内置函数 python input() 相等于 eval(raw_input(prompt)) ，用来获取控制台的输入。raw_input() 将所有输入作为字符串看待，返回字符串类型。input() 在对待纯数字输入时具有自己的特性，它返回所输入的数字的类型（ int, float ）。注意：input() 和 raw
2017-08-22 23:00:49
510
转载 iDT算法
转发请注明出处：http://blog.csdn.net/wzmsltw/article/details/53023363iDT算法是行为识别领域中非常经典的一种算法，在深度学习应用于该领域前也是效果最好的算法。由INRIA的IEAR实验室于2013年发表于ICCV。目前基于深度学习的行为识别算法效果已经超过了iDT算法，但与iDT的结果做ensemble总还是能获得一些提升。所以这几年好多论
2017-08-22 20:38:38
3104
1
转载 Video Analysis相关领域介绍之Action Recognition(行为识别)
这篇文章投稿在极视角公众号，微信链接随着深度学习技术的发展，以及计算能力的进步（GPU等），现在基于视频的研究领域越来越受到重视。视频与图片最大的不同在于视频还包含了时序上的信息，此外需要的计算量通常也大很多。目前主要在做视频中动作定位相关的工作，为了开拓思路，读了不少视频分析相关领域的文章，所以打算写几篇博客，对视频分析相关的几个领域做一个简要的介绍。这篇主要介绍Action Rec
2017-08-22 15:51:40
929
转载 行为识别笔记：improved dense trajectories算法（iDT算法）
转发请注明出处：http://blog.csdn.net/wzmsltw/article/details/53023363iDT算法是行为识别领域中非常经典的一种算法，在深度学习应用于该领域前也是效果最好的算法。由INRIA的IEAR实验室于2013年发表于ICCV。目前基于深度学习的行为识别算法效果已经超过了iDT算法，但与iDT的结果做ensemble总还是能获得一些提升。所以这几年好多论
2017-08-22 15:49:52
949
转载 行为识别数据集汇总
工欲善其事，必先利其器http://www.cs.utexas.edu/~chaoyeh/web_action_data/dataset_list.html，此链接内容更全，可惜整理完后发现的。1. The KTH Dataset(2004)KTH数据集于2004 年的发布,是计算机视觉领域的一个里程碑。此后，许多新的数据库陆续发布。数据库包括在 4个不同场景下 25 个人完成
2017-08-21 11:11:30
1903
原创 RDO、SAD、SATD、λ相关概念
率失真优化概述： 率失真优化(Rate D isto r t i on Op t i m ized)策略是在率失真理论[3 ]的基础上提出的一种代价函数方案, RDO 的主要思想是, 在计算代价函数时, 同时考虑码率和失真度两方面因素的制约, 在保证低失真度的同时保证低码率, 这样更加有利于视频流的传输。 H. 264在运动搜索、 参考帧择优、 模式决策三个方面运用了不同的RDO 代价函数, 也
2017-08-19 10:32:14
1133
转载 H264码率设置
一、什么是视频码率？ 视频码率是视频数据（视频色彩量、亮度量、像素量）每秒输出的位数。一般用的单位是kbps。 二、设置视频码率的必要性 在视频会议应用中，视频质量和网络带宽占用是矛盾的，通常情况下视频流占用的带宽越高则视频质量也越高；如要求高质量的视频效果，那么需要的网络带宽也越大；解决这一矛盾的钥匙当然是视频编解码技术。评判一种视频编解码技术的
2017-08-15 22:51:44
724
转载 增强学习、增量学习、迁移学习——概念性认知
一、增强学习/强化学习（Reinforcement Learning） 我们总是给定一个样本x，然后给或者不给label y。之后对样本进行拟合、分类、聚类或者降维等操作。然而对于很多序列决策或者控制问题，很难有这么规则的样本。比如，四足机器人的控制问题，刚开始都不知道应该让其动那条腿，在移动过程中，也不知道怎么让机器人自动找到合适的前进方向。另外如要设计一个下象棋的AI，每走一
2017-08-08 17:37:37
961
转载 Deep Learning-TensorFlow (13) CNN卷积神经网络_ GoogLeNet 之 Inception(V1-V4)
环境：Win8.1 TensorFlow1.0.1软件：Anaconda3 （集成Python3及开发环境）TensorFlow安装：pip install tensorflow (CPU版) pip install tensorflow-gpu (GPU版)TFLearn安装：pip install tflearn参考：1. Inception
2017-08-08 15:58:12
658
转载 深入浅出——网络模型中Inception的作用与结构全解析
一 论文下载 本文涉及到的网络模型的相关论文以及下载地址： [v1] Going Deeper with Convolutions, 6.67% test error http://arxiv.org/abs/1409.4842[v2] Batch Normalization: Accelerating Deep Network Training by Reduci
2017-08-08 15:33:02
1578
转载 理解dropout
理解dropout注意：图片都在github上放着，如果刷不开的话，可以考虑翻墙。转载请注明：http://blog.csdn.net/stdcoutzyx/article/details/49022443开篇明义，dropout是指在深度学习网络的训练过程中，对于神经网络单元，按照一定的概率将其暂时从网络中丢弃。注意是暂时，对于随机梯度下降来说，由于是随机丢弃，故而每一个mini-b
2017-08-08 15:22:12
668
原创 CVPR2017论文分类汇总
Machine Learning 1Spotlight 1-1AExclusivity-Consistency Regularized Multi-View Subspace ClusteringXiaojie Guo, Xiaobo Wang, Zhen Lei, Changqing Zhang, Stan Z. LiBorrowing Treasures From the Wealth
2017-08-08 11:30:13
32825
1
转载 正则化方法：L1和L2 regularization、数据集扩增、dropout
本文是《Neural networks and deep learning》概览 中第三章的一部分，讲机器学习/深度学习算法中常用的正则化方法。（本文会不断补充）正则化方法：防止过拟合，提高泛化能力在训练数据不够多时，或者overtraining时，常常会导致overfitting（过拟合）。其直观的表现如下图所示，随着训练过程的进行，模型复杂度增加，在training data上
2017-08-08 11:06:38
412
转载 L0，L1范数详解
机器学习中的范数规则化之（一）L0、L1与L2范数zouxy09@qq.comhttp://blog.csdn.net/zouxy09 今天我们聊聊机器学习中出现的非常频繁的问题：过拟合与规则化。我们先简单的来理解下常用的L0、L1、L2和核范数规则化。最后聊下规则化项参数的选择问题。这里因为篇幅比较庞大，为了不吓到大家，我将这个五个部分分成两篇博文。知识有限，以下都
2017-08-08 10:52:49
26436
3
转载 CNN的训练图像与测试图像不一致的多尺度问题
1. 传统检测和定位方法 对于检测和定位问题，最自然（也是最常用的方法）就是采用滑窗对每一个图像块进行检测，从而确定目标物体的位置。以上解决分类、检测和定位的方法有一个共同的地方，就是需要一个滑窗对整幅图像进行密集采样，然后处理每一个采样得到的图像块。传统的处理这些图像块的方法是一个接一个处理。但是，CNN有更便捷的做法。2. CNN检测和定位方法2.1 密集采样（滑窗）
2017-08-08 10:11:37
2923
1
转载 特征选择综述
转载：http://www.cnblogs.com/heaad/archive/2011/01/02/1924088.html1 综述(1) 什么是特征选择特征选择 ( Feature Selection )也称特征子集选择( Feature Subset Selection , FSS ) ，或属性选择( Attribute Selection ) ，是指从全部特征中选取一个特征子集，使构造出来的
2017-08-08 09:52:46
505
转载 稀疏编码Sparse coding
Deep Learning（深度学习）学习笔记整理系列zouxy09@qq.comhttp://blog.csdn.net/zouxy09作者：Zouxyversion 1.0 2013-04-08声明：1）该Deep Learning的学习系列是整理自网上很大牛和机器学习专家所无私奉献的资料的。具体引用的资料请看参考文献。具体的版本声明也参考原文献。2）本文仅供学
2017-08-08 08:59:14
2454
原创 Python 常见文件格式 .py .pyc .pyw .pyo .pyd 之间的主要区别
Python（[ˈpaɪθən]）是一种面向对象、解释型计算机程序设计语言。Python语法简洁、清晰，具有丰富和强大的类库。Python源代码遵循GPL(GNU General Public License)协议，由Guido van Rossum于1989年底发明，第一个公开发行版发行于1991年。Python常被称为胶水语言，能把用其他语言编写的各模块（尤其是C/C++）轻松地联结在一起。常见
2017-08-05 11:41:31
13434
1
原创 OpenCv基本操作
# -*- coding: utf-8 -*-"""Created on Thu Jul 27 09:11:24 2017@author: user"""import numpy as npimport cv2def test_imread(): img=cv2.imread('C:\Users\user\Desktop\CVTE_lk\cat.jpg') cv2.imsh
2017-08-02 19:31:49
450
原创 python GUI
python2.7使用图形用户界面，进行简单的交互操作。# -*- coding: utf-8 -*-"""Created on Wed Aug 02 09:56:35 2017@author: user"""#import Tkinterimport Tkinterimport tkMessageBox#def show():# tkMessageBox.showinfo(titl
2017-08-02 10:49:56
420
转载 Bag of Features (BOF)图像检索算法
1.首先，我们用surf算法生成图像库中每幅图的特征点及描述符。2.再用k-means算法对图像库中的特征点进行训练，生成类心。3.生成每幅图像的BOF，具体方法为：判断图像的每个特征点与哪个类心最近，最近则放入该类心，最后将生成一列频数表，即初步的无权BOF。4.通过tf-idf对频数表加上权重，生成最终的bof。（因为每个类心对图像的影响不同。比如超市里条形码中的第一位总是6，它对
2017-08-01 16:18:15
682
转载 GAN基本原理
生成式对抗网络（GAN）是近年来大热的深度学习模型。最近正好有空看了这方面的一些论文，跑了一个GAN的代码，于是写了这篇文章来介绍一下GAN。本文主要分为三个部分：介绍原始的GAN的原理 同样非常重要的DCGAN的原理 如何在Tensorflow跑DCGAN的代码，生成如题图所示的动漫头像，附送数据集哦 :-)一、GAN原理介绍说到GAN第一篇要看的paper当然是Ian Goodfello
2017-08-01 14:42:49
3042
1
thinking-in-swiftui&SwiftUI 与 Combine编程
2023-08-24
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人