- 博客(51)
- 收藏
- 关注
RSS订阅原创 力扣刷题DAY18（解决二叉树的各种问题）
本文探讨了二叉树问题的不同遍历方法及其应用场景。对于翻转二叉树（226题），可采用递归前序或后序遍历；对称二叉树判断需使用后序遍历以收集子树信息；计算完全二叉树节点数（222题）可采用递归后序或层序遍历；平衡二叉树检测则必须使用后序遍历来获取子树高度差。文章通过具体代码示例展示了不同遍历方式（前序、中序、后序、层次）的适用条件，重点分析了中序遍历不适用于翻转二叉树的原因，以及后序遍历在处理需要子树信息的二叉树问题时的必要性。
2025-05-28 14:02:30
311
原创 力扣刷题DAY17（二叉树+层序遍历）
本文探讨了二叉树的层序遍历及其变体应用。层序遍历采用队列实现，符合广度优先搜索(BFS)逻辑，时间复杂度O(n)。具体应用包括：1.标准层序遍历(102题)，逐层输出节点值；2.右视图遍历(199题)，记录每层最右节点；3.最大深度计算(104题)，通过递归或层序遍历实现；4.最小深度计算(111题)，遇到首个叶子节点即返回。所有方法空间复杂度均为O(n)，适用于不同场景下的二叉树遍历需求。
2025-05-27 15:49:15
325
原创 力扣刷题DAY16（二叉树+迭代遍历）
本文介绍了二叉树的三种遍历方法（前序、中序、后序）的非递归实现。前序遍历采用中左右的顺序，使用栈处理节点时需注意右孩子先入栈；后序遍历通过调整前序顺序（中右左）再反转结果得到左右中的顺序；中序遍历需要先处理完左子树才能访问中间节点。三种方法时间复杂度均为O(n)，空间复杂度O(n)。关键注意点包括空树判断、节点访问顺序以及栈的正确使用方式。每种遍历都给出了标准C++实现代码和复杂度分析。
2025-05-24 16:31:59
473
原创 力扣刷题DAY15（二叉树+递归遍历）
本文介绍了二叉树三种递归遍历的实现方法：前序、后序和中序遍历。递归遍历的核心是确定递归函数的参数、终止条件和单层逻辑。前序遍历顺序为"中左右"，后序为"左右中"，中序为"左中右"。关键注意事项是传递结果容器时必须使用引用(&)，否则递归过程中会复制容器导致结果丢失。三种遍历方式的时间复杂度均为O(n)，空间复杂度为O(n)，因为递归调用会使用系统栈空间。文中提供了每种遍历的完整C++实现代码。
2025-05-24 14:51:37
311
原创 数学基础（贝叶斯、最小二乘法）
文章摘要：本文首先介绍了贝叶斯公式，随后详细探讨了最小二乘法的几何原理。通过两点确定一条直线的方法，将方程组改写为向量形式，并讨论了误差对解的影响。文章指出，最小二乘法通过最小化误差模长来估计最大似然，并解释了优化样本点到直线距离平方和的原因。此外，文章还提到了相关系数r的概念，用于衡量线性关系的优良度，并指出r的绝对值越接近1，表示线性关系越强。最后，文章说明了即使点的数量增加，最小二乘法仍可应用于拟合直线，且相关系数r本质上是两个向量夹角的余弦。
2025-05-21 14:09:06
140
原创 力扣刷题DAY14（二叉树+递归解决各种问题）
本文介绍了四个与二叉树相关的算法问题及其解决方案。首先，二叉树的最大深度通过递归计算左右子树的深度，时间复杂度为O(n)。其次，相同二叉树通过递归比较两个树的结构和节点值，时间复杂度为O(min(n,m))。第三，对称二叉树通过递归比较左右子树的对称性，时间复杂度为O(n)。最后，平衡二叉树通过递归计算子树高度并判断是否平衡，时间复杂度为O(n)。所有算法的空间复杂度均为O(n)，最坏情况下递归栈空间为O(n)。
2025-05-20 20:47:15
250
原创 力扣刷题DAY12（动态规划-区间DP）
想一想，要计算 f[i][j]，必须先把 f[i+1][⋅] 算出来，那么只有 i 从大到小枚举才能做到。而对于j来说，要计算 f[i][j]，必须先把 f[⋅][j-1] 算出来，那么只有 j 从小到大枚举才能做到。此外，j在i右边，所以在第二层循环的时候，j从i+1开始。跟最长公共子序列的优化很相似，要保存一些特殊的值传递到下一层循环。对于一个子序列而言，如果它是回文子序列，并且长度大于 2，那么。回文子序列本质就是：该字符串与自己的逆序串求最长公共子序列。
2025-04-12 14:43:16
908
原创 机器学习01-支持向量机（SVM）（未完）
T是倒置，训练数据是n维，omega也是n维。划分二维的是一条直线，三维的是一个平面，大于三维就称为超平面。机器学习要做什么？通过训练数据，在这个线性模型的限定下把omega和b找出来。
2025-04-09 20:32:24
320
原创 跟着StatQuest学知识08-RNN与LSTM
不使用相同的反馈环连接，通过很久以前的事情和昨天的事情进行预测。当我们循环的次数越来越多的时候，这个巨大的数字会进入某些梯度，当我们循环的次数越来越多的时候，这个非常的数字会进入某些梯度，来对明天预测，一条用于长期记忆，另一条用于短期记忆。为什么通过LSTM能解决梯度爆炸和梯度消失的问题？右边模块：将短期记忆和输入结合（权重×数值），左边模块：确定这个潜在记忆中的权重。，导致寻找最佳参数困难。，导致寻找最佳参数困难。，会出现梯度爆炸问题。，会出现梯度消失问题。
2025-03-29 14:51:47
719
原创 基于OpenCV+MediaPipe手部追踪
开源计算机视觉（Library）图像/视频的（读取、裁剪、滤波、色彩转换等）特征检测（边缘、角点等）摄像头标定、目标跟踪等负责视频流的捕获（图像格式转换（最终结果的渲染显示（cv2.imshow：由Google开发的提供预训练的（如手部关键点、人脸网格、姿态估计等）专注于实时感知任务（低延迟、移动端优化）调用模型实现输出关键点坐标，并通过mpDraw可视化。
2025-03-28 19:55:08
1539
原创 力扣刷题DAY6（滑动窗口/中等+栈/简单、中等）
(用 cnt[c]-- 和 cnt[c]++ 直接调整窗口，避免窗口每次移动都重新统计字符频率。
2025-03-06 15:47:12
502
原创 库学习03-os库（持续更新）
os.walk(source_path) 会生成一个遍历器 walk，它用于循环遍历 source_path 目录及其所有子目录中的所有文件。os.path.join函数是 Python 标准库中 os 模块提供的一个非常有用的函数，用来。它的作用是将多个路径部分拼接成一个完整的路径，且能够根据不同操作系统自动使用正确的路径分隔符。os.walk() 是 Python 的一个标准库函数，用于。它会遍历指定路径（source_path）及其所有子目录，并生成一个包含。
2025-02-14 11:51:28
344
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人