m0_53700832的博客

原创 好看的混淆矩阵

网上绘制的混淆矩阵都不太满意。经过本人多次实验，如下混淆矩阵最为美观，特此记录。

原创 【C/C++】BST树的后序遍历

给定一个整数数组，判断该数组是不是某二叉搜索树的后序遍历结果。如果是则返回 true，否则返回 false。假设输入的数组的任意两个数字都互不相同。输入: [1,6,3,2,5]输入: [1,3,2,6,5]

原创 【C/C++】循环移位

编写一个C++程序，接受两个整数输入 i 和 j，如果 j 的值大于 0，则将 i 循环左移 j 位；如果 j 的值小于 0，则将 i 循环右移 j 位。最后输出 i 的值。两个整数 i 和 j，以空格分隔。输出：2147467264。输入：-65535 -2。

原创 【C/C++】多项式求和

多项式的描述如下： 1 - 1/2 + 1/3 - 1/4 + 1/5 - 1/6 + ...对于每个测试实例n，要求输出多项式前n项的和。每个测试实例的输出占一行，结果保留2位小数。输入数据由2行组成，首先是一个正整数m（m。现在请你求出该多项式的前n项的和。

原创 【C/C++】奇偶位互换

接下来是C组测试数据，每组数据输入均为0，1字符串，保证串长为偶数位(串长。输入包含多组测试数据。输入的第一行是一个整数C，表示有C测试数据。给定一个长度为偶数位的0，1字符串，请编程实现串的奇偶位互换。请为每组测试数据输出奇偶位互换后的结果，每组输出占一行。

原创 【C/C++】进制转换

为每个测试实例输出转换后的数，每个输出占一行。如果R大于10，则对应的数字规则参考16进制（比如，10用A表示，等等）。输入数据包含多个测试实例，每个测试实例包含两个整数N（32位整数）和R（210）。输入一个十进制数N，将它转换成R进制数输出。

原创 【leetcode】动态规划专题

假设你正在爬楼梯。需要n阶你才能到达楼顶。每次你可以爬1或2个台阶。你有多少种不同的方法可以爬到楼顶呢？n = 22有两种方法可以爬到楼顶。1. 1 阶 + 1 阶2. 2 阶n = 33有三种方法可以爬到楼顶。1. 1 阶 + 1 阶 + 1 阶2. 1 阶 + 2 阶3. 2 阶 + 1 阶。

原创 【C++】C++面向对象练习题

现需要一个理财程序，其中包含四个类，分别为投资（Investment）、储蓄（Saving)、基金（Fund）和理财人（Person），储蓄和基金为两种具体投资，都有确定的投资金额（m_capital)，但它们年底结算（setrle）的方式不同。提示：需要两个互为重载的运算符函数，且一个函数的两个参数为Shape的引用，另一个函数的两个参数为double和Shape的引用。class LineString {//由多个点组成的线串类，由n个点组成的折线包含n-1个线段。//计算c r t的面积和。

原创 《C++语言程序设计（第5版）》（清华大学出版社，郑莉 董渊编著）习题——第2章 C++语言简单程序设计

2-32 口袋中有红、黄、蓝、白、黑5种颜色的球若干个。每次从口袋种取出3个不同颜色的球，问有多少种取法？2-30 声明一个表示时间的结构体，可以精确表示年、月、日、小时、分、秒；提示用户输入年、月、小时。2-34 有符号整数和无符号整数，在计算机内部是如何区分的？、分、秒的值，然后完整地显示出来。2-33 输出九九乘法表。

原创 【线性代数】反求矩阵A

原创 【线性代数】二次型的解与最值

原创 【线性代数】二次型总结

原创 【高等数学】区间再现公式的应用

原创 【线性代数】秩总结

原创 【线性代数】分块矩阵总结

原创 【大数据平台】基于Spark的气象数据分析

1.1.研究背景在大数据时代背景下，各行业数据的规模大幅度增加，数据类别日益复杂，给数据分析工作带来极大挑战。气象行业和人们的生活息息相关，随着信息时代的发展，大数据技术的出现为气象数据的发展带来机遇。基于此，本项目使用Spark等大数据处理工具，采用机器学习、深度学习等多种数据分析方法，并借助可视化手段将多种类型数据与复杂数据进行解读与概括，探究大数据技术在气象数据中的应用，给受众传递更有价值的信息，进而有助于提升社会整体生产效率，推动市场经济的有效发展。1.2.研究方案一、选用合适的数据集。历史天气数据

原创 【深度学习】基于pytorch的FER2013人脸表情图像识别(ResNet/VGG/DenseNet)

本次实验的基本要求部分，我构建了ResNet分类模型18层，在FER2013数据集上达到了65%左右的分类精度；改进方面，我增加了ResNet-20/34/50进行分类并分析了结果及原因；优化方面，我是用了DenseNet-121和VGG-19与ResNet进行对比实验，并加入多种网络优化与正则化方法，最终DenseNet-121达到了最高的分类精度（接近74%），这也验证了DenseNet可以视为ResNet的改进版本。所有实验均在MindSpore与pytorch双平台完成。

原创 【机器学习】Can We Predict Australian Rainfall?建立LSTM模型预测澳大利亚平均降雨量

重要性分数，衡量了特征在模型中的提升决策树构建中的价值：一个属性越多的被用来在模型中构建决策树，它的重要性就相对越高。所要求的特征内在顺序的限制，并且经过独热编码后，特征变成稀疏的了，这有两个好处：解决了分类器不好处理属性数据的问题；Ordinal Encoding是最简单的一种思路，对于一个具有m个类别的特征 ，我们将其对应地映射到 [0，m−1] 的整数。LabelEncoder() 用于标签编码，而数据的标签一般只有一维，所以其编码的数据维度应为 (n_samples,)。可以使用前面的时间步（

原创 【数据可视化】Plotly Express绘图库使用

与Plotly生态系统的集成：Plotly Express是Plotly图表生态系统的一部分，与其他Plotly库和工具无缝集成。matplotlib也提供了多种图表类型，但在某些类型的图表上，Plotly Express的绘制和配置更为简单和直观。通过使用Plotly Express，您可以使用少量的代码创建具有丰富交互性和专业外观的各种图表。整合Plotly图表生态系统：Plotly Express是Plotly图表生态系统的一部分，可以与其他Plotly库和工具进行无缝集成。

原创 【数据可视化】红楼梦文本分析挖掘及可视化

【代码】【数据可视化】红楼梦文本分析挖掘及可视化。

原创 【深度学习】基于华为MindSpore和pytorch的卷积神经网络LeNet5实现MNIST手写识别

共享权重（Shared Weights）：在卷积过程中，每个卷积核所对应的窗口会以一定的步长在输入矩阵（图像）上不断滑动并进行卷积操作，最后，每个卷积核会生成一个对应的feature map（也就是卷积核的输出），一个feature map中的每一个单元都是由相同的权重（也就是对应的卷积核内的数值）计算得到的，这就是共享权重。请基于pytorch和mindspore平台，利用MNIST数据集，选择一个典型卷积模型，构建一个自己的卷积模型，以分类的准确度和混淆矩阵为衡量指标，分析两个模型的分类精度。

原创 【深度学习】基于MindSpore和pytorch的Softmax回归及前馈神经网络

由于在自定义数据集类中定义了随机访问函数和获取数据集大小函数，因此当需要随机访问数据集中某条数据或获取数据集大小时，使用自定义数据集类生成的数据集可以快速完成这些操作，而通过自定义数据集生成函数的方式生成的数据集需要对数据逐条遍历方可完成这些操作。此外若仔细观察各模型的混淆矩阵可以发现，将正确标签为9的误判为4、将正确标签为5的误判为3、正确标签为2的误判为8这几种误分类情况较为普遍，这是这些数字的手写体较为相近，容易混淆的缘故。可在MNIST数据集的官网下载数据集，解压到当前代码目录下。

原创 【深度学习】基于华为MindSpore的手写体图像识别实验

在MNIST文件夹下建立train和test两个文件夹，train中存放train-labels-idx1-ubyte和train-images-idx3-ubyte文件，test中存放t10k-labels-idx1-ubyte和t10k-images-idx3-ubyte文件。同时，因为全连接网络只能接收固定维度的输入数据，所以，要对数据集进行预处理，以符合网络的输入维度要求。利用mindspore.nn的cell模块搭建全连接网络，包含输入层，隐藏层，输出层。传入数据，并开始训练模型。

原创 【网络安全】Windows系统安全实验

单击“打开”按钮，在弹出的窗口中，根据计算机准备配置成的安全级别，选择一个安全模板将其导入。打开控制面板，选择“管理工具”，双击“本地安全策略”，依次打开“本地策略”—“安全选项”，在右侧找到“网络访问：可远程访问的注册表路径”和“网络访问：可远程访问的注册表路径和子路径”，双击打开，将路径删除。（2）单击工具栏上的“控制台”，在弹出的菜单中选择“添加/删除管理单元”，单击“添加”，在弹出的窗口中分别选择“安全模板”、“安全配置和分析”，单击“添加”按钮后，关闭窗口，并单击“确定”按钮。

原创 【高等数学】二次曲面直观几何形态展示

二次曲面

原创 【操作系统】操作系统原理复习

三、设某单面磁盘共有28000个扇区，采用CSCAN(循环扫描)磁盘调度策略，磁盘的旋转速度为每分钟6000转，每个磁道有100个扇区，相临磁道间的移动时间为1ms.若在某时刻，磁头位于100号磁道处，并沿着磁道号增大的方向移动,磁道号的请求队列为150，40，230，120，78，28，90，190，对请求队列中的每个磁道需读取1个随机分布的扇区，则读完这些扇区点共需要多少时间?四、设一系统中有三类资源，所有可用资源个数为（9，8，9）。时刻25时页面0，1，2，3分别装入到物理页框2，4，1，3中。

原创 【数据结构】顺序表和单链表

中的虚函数的作用主要是实现了多态的机制，基类定义虚函数，子类可以重写该函数；当子类重新定义了父类的虚函数后，当父类的指针指向子类对象的地址时，父类指针根据赋给它的不同子类指针，动态的调用子类的该函数，而不是父类的函数，且这样的函数调用发生在运行阶段，而不是发生在编译阶段，称为动态联编。单链表结构中，一个结点包含数据域和指针域两个部分，一个链表由若干个结点依次链接构成，其中第一个结点为头结点，最后一个结点的直接后继为。、删除操作的参数从下标变为元素值，并支持删除多个相同元素值的节点，顺序表和链表都需要实现。

原创 【数据结构】三种算法的同步演示

需要一个最小堆，每次选出一个端点在生成树中，另一个端点不在生成树的权值最小的边，它正好在最小堆的堆顶，将其从堆中退出，加入生成树中。函数中，首先初始化窗口，输出结点总数和边总数，并输出每两个结点及连接这两个结点的边的权值，接着创建结点，显示图形，之后提示用户选择算法并输入初始结点，待用户输入后逐步显示构造过程。其主要思想是按路径长度的递增次序，逐步产生最短路径，首先求出长度最短的一条最短路径，然后参照它求出长度次短的一条最短路径，以此类推，直到从顶点。，而第二组的顶点对应的距离值这样确定：若图中有边。

原创 【数据结构】英汉翻译小词典

是最核心的部分，它的值决定了树的组织形状；、任意输入单词，判断该单词是否在词典中，输出查找结果，同时输入单词匹配过程中对比的中间关键字；在接收顺序输入序列时，先输入最中间数据，再访问左侧数据，再访问右侧数据，并以此递归。的使用，接收顺序输入序列时，采用折半思想，先问左侧数据，再访问右侧数据，以此递归。码，如果不做此设置，读取文件的中文将是乱码，无法正常显示。的识别问题，可以在应用程序中做全局的设置，使得应用程序支持。的大小的一半，分别在左侧和右侧序列进行插入。，则查找成功，返回该元素在线性表中的位置。

原创 【数据结构】表达式的后缀表示

括在一对圆括号中的子表达式必须先计算，因此，圆括号可视为特殊的运算符，具有最高优先级别。位置开始判断字符，如果是数字，那就要判断后面是否是数字，如果是就不断扫描组成一个整数，最终组成一个整数，然后输出这个数；、如果是右括号，把栈顶的元素取出，如果不是左括号，把取出的运算符输出，接着取栈顶的元素，直到栈中取出的符号是左括号；、扫描完成后，判断栈是否为空，若不为空，把符栈顶的元素取出并输出，直到栈空为止。在转换过程中，要求作必要的语法检查，例如圆括号是否配对，单词是否合法等。、如果是左括号，直接进栈；

原创 【数据结构】基于前序、中序、后序序列构造二叉树

二、在中序遍历序列中找到前序序列的根结点，则该结点左侧为左子树的中序遍历序列，右侧为右子树的中序遍历序列；二、在中序遍历序列中找到前序序列的根结点，则该结点左侧为左子树的中序遍历序列，右侧为右子树的中序遍历序列；、检测输入的前序，中序，后续序列的有效性，例如当用户输入错误的序列时，程序应该有错误提示；中，接着寻找根在中序序列中的位置，如果没有找到根节点，则终止检查函数，返回。中，接着寻找根在中序序列中的位置，如果没有找到根节点，则终止检查函数，返回。中序序列，遍历整个字符串，第一个即为根结点，保存在。

原创 【计算机组成原理】单周期MIPS CPU的设计

掌握控制器设计的基本原理，能够利用硬布线控制器的设计原理在Logisim平台中设计实现MIPS单周期CPU。

原创 【离散数学】关于粗糙集的讨论

为了处理经典属性约简算法带来的弊端，众多学者对该算法进行了优化，提出了不同的约简算法，比如不完备信息决策信息表属性约简算法、不相容信息决策信息表属性约简算法、连续型属性决策信息表约简算法、基于属性重要度的属性约简算法等等。属性约简方法是粗糙集理论深入研究的内容之一，属性约简方法简单来说就是，数据知识库中的属性并不是同等重要的，在数据知识库分类能力不变的情况下，删除数据中不相关或不重要的分类，但这并不影响原来的知识系统分类，使原有的系统得到简化，属性约简方法更有利于对粗糙集中的数据进行分析与处理。

原创 【并行计算】遗传算法的并行实现

遗传算法的每一次进化过程中的，各个体之间的操作大多可以并列进行，因此，一个非常自然的想法就是将遗传算法并行化，以提高计算速度。原来的代码完成的是，每个工作进程传一个本地随机个体出去，然后接收一个外来个体，替换一个随机的个体，简称随机——随机，现在需要将其改为：随机送出去一个——已经送出的那个被送来的替换。串行遗传算法的主要流程如下图所示。在每一次进化过程中，总是找出种群中的最优解与最差解，并将最优解保存，将本次最差解用上次保存的最优解替换，这样保证了各次进化的最优解的适应度不会降低，从而增快收敛的速度。

原创 【计算机视觉】实例感知图像着色 Instance-aware Image Colorization

然后汇报了三个大型数据集的定量评估结果，并将他们的结果与最先进的着色方法进行了比较（5.2节），展示了几个具有挑战性的图像的样本着色结果（5.3节），并进行了三项消融研究（5.4节），展示了为老黑白照片上色的效果（5.6节）以及方法失败的案例（5.7节）。作者将他们的模型与现有最高水平的比较。这个数据集主要从复杂的日常场景中截取，图像包括91类目标，328000影像和2500000个标签，虽然比ImageNet和SUN的类别少，但是每一类的图像多，这有利于获得更多的每类中位于某种特定场景的能力。

原创 【GIS】高分辨率遥感影像智能解译

然而与遥感卫星强大的数据获取能力形成鲜明对比的是，目前对遥感信息的自动化处理能力仍较为低下，有关如何实现从遥感大数据到服务于国计民生的实用地学知识的转化的研究尚未成熟，其背后的关键技术“遥感影像的智能理解”仍旧是全世界范围内遥感领域共同面对的科学问题。高分辨率遥感作为一个快速获取大面积地物覆盖信息的方式，将在国民经济中发挥越来越重要的作用，本文以高分辨率遥感影像的智能理解为切入点，介绍了遥感影像解译的发展历程与现状，着重论述了基于深度神经网络的遥感影像场景分类、目标识别和语义分割领域的研究进展。

原创 【大数据管理】Java实现字典树TireTree

其次，从根节点到某一节点路径上经过的字符连接起来，为该节点对应的字符串；初始时当前结点cur为根结点，如果cur节点的子节点们不存在该字符，就直接将该子节点插入；如果是叶子节点，则一直往上搜索到被使用过的节点就停止搜索，因为从这个结点开始的所有结点都是为了索引要删除的这个单词，所以要把这些仅为了所以该单词的结点全部删除。如果要删除单词，先向下搜索到此字符串的最后一个子节点，如果字符串不存在则无需删除；指针指向这个单词的最后一个字符节点，如果这个节点还不是表示一个单词结尾，则把。）的思想，使用一个队列。

原创 【大数据管理】Java实现布谷鸟过滤器（CF）

最简单的布谷鸟哈希结构是一维数组结构，会有两个hash算法将新来的元素映射到数组的两个位置，如果两个位置中有一个位置为空，那么就可以将元素直接放进去；但是如果这个位置也被别的元素占据，它就会再将受害者的角色转嫁给的元素，然后这个新的受害者还会重复这个过程直到所有的元素都找到了自己的位置为止。布谷鸟过滤器和布谷鸟哈希结构一样，它也是一维数组，但是不同于布谷鸟哈希的是，布谷鸟哈希会存储整个元素，而布谷鸟过滤器中只会存储元素的指纹信息（几个。，如果超过这个次数仍没有找到插入位置，就认为过滤器已满，插入失败。

原创 【大数据管理】Java实现布隆过滤器（BF）

Bloom过滤器原理比较简单，类似一个hash set，用来判断某个元素（key）是否在某个集合中。和一般的hash set不同的是，这个算法无需存储key的值，对于每个key，只需要k个比特位，每个存储一个标志，用来判断key是否在集合中。4. 判断某个key是否在集合时，用k个hash函数计算出k个散列值，并查询数组中对应的比特位，如果所有的比特位都是1，认为在集合中。3. 某个key加入集合时，用k个hash函数计算出k个散列值，并把数组中对应的比特位置为1。3.必须手动实现，不能调现有库。

原创 【软件工程】用例图、状态图与活动图

货物本身的状态包括代购购入，国外快递中，海关清关中，国内快递中，到货。唯一不确定的是，海关清关，放行则进入国内快递，也有可能被没收，所以货物状态图结束可能有两处，一处是海关直接没收，一处是消费者签收。组委会人员，负责接受各种投稿，负责找审稿人，负责看审稿人的评价，综合后决定稿件的去留。一开始消费者表示要买，代购者去商店买，送快递点，国际快递遇到国内某口岸，海关留置检验，国内快递接手，到消费者手里。第三步，如果投诉所涉及的单位不是燃气处管理的下属单位，燃气处投诉专管员将把该投诉转给市城建办。