BTboay

回归分析回归分析是一种预测性的建模技术，它研究的是因变量（目标）和自变量（预测器）之间的关系。该技术通常用于预测分析，时间序列模型，特征（变量）之间的因果关系。常用回归技术回归技术的划分主要参考三个度量自变量个数因变量类型回归线形状主要的回归算法如下：Linear Regression线性回归Logistic Regression逻辑回归Polynomial Regression多项式回归Stepwise Regression逐步回归Ridge Regression岭回归

我之前写过全连接神经网络的反向传播算法(BP算法)，连接：https://blog.csdn.net/qq_41398808/article/details/90904934这篇文章是在我初学机器学习时写的文章，所以这篇文章是根据西瓜书中的推导过程进行讲述的，权重梯度的计算是针对所有参数逐个推导的，而在现实应用中是逐层递推的。求导过程涉及矩阵求导，请自行查询相关文档一：让我们换个视角...

一：双线性内插值法设原图像的height，width，channels分别为h，w，c目标图像(resize结果)的height，width，channels分别为h_r，w_r，c_r则长宽的调整比例分别为：，那么目标图像中的像素点(a, b, c)，对应原图像的像素点...

batch normalization用于卷积层后的归一化。卷积神经网络每一层的参数更新后会导致数据分布的变化，使得网络学习更加困难，损失变化也更加振荡。通过归一化后，将每一层的输出数据归一化在均值为0方差为1的高斯分布中。批次归一化的方法于z-score数据标准化的方法是一致的，计算方法如下：设数据集，数据集的均值为，数据集的标准差为对A中的所有数据进行z-score标准化，计算过程...

darknet框架的下载及配置本文不再叙述。CCTSDB：CSUST Chinese Traffic Sign Detection Benchmark 中国交通数据集由长沙理工大学综合交通运输大数据智能处理湖南省重点实验室张建明老师团队制作完成。来源于 A Real-Time Chinese Traffic Sign Detection Algorithm Based on Modified ...

test_detector函数中image **alphabet = load_alphabet();实现对data/labels下的图像数据进行读取，本文主要解读这一部分设计的内容。load_alphabet()函数在include/darknet.h中声明，在src/image.c中实现，代码如下：image **load_alphabet(){ int i, j; ...

虽然在上一篇文章中说到了相关内容，但是不够具体，本文我们把这一部分的代码单独分析，更清楚的分析源代码中的文件引用方式。先引出两个结构体，定义在include/darknet.h中：typedef struct node{ void *val; struct node *next; struct node *prev;} node;typedef struct...

上文说到darknet.c中主函数detect条件分支，即调用test_detector函数下面对test_detector函数进行逐句分析，该函数在include/darknet.h中声明，在examples/detector.c中实现，源码如下：void test_detector(char *datacfg, char *cfgfile, char *weightfile, cha...

实验环境：Ubuntu 18.4.0.1文本编辑器：Vscodeyolo官网上，调用主函数的命令如下：./darknet detect cfg/yolov3.cfg cfg/yolov3.weights data/person.jpg可以看出输入的参数分别是（他们都是以字符串形式输入的）：0：./darknet 1：detect 2：cfg/yolov3.cfg 3：c...

二值化的目的，是确定一个像素值，以像素为分界，将图像划分为前景和背景，前景的像素值取相同值，背景的像素也取相同值，从而将前景和背景的差异，在图像中最大化，或者说可以突出前景或者背景信息。二值化可以有效的降低噪声，并且可以一定程度的增强目标特征我使用一下，这篇文章的配图：https://blog.csdn.net/bigat/article/details/80889636该文是关于图像...

使用滤波模板中像素点的中值点作为目标像素，这就称为中值滤波降噪（顾名思义）Python实现过程如下：图像数据为：图像中存在典型的椒盐噪声，而中值降噪，对椒盐噪声的作用是非常有效的。导入要使用的库：import PIL.Image as Imageimport matplotlib.pyplot as pltimport numpy as np读入图片数据，并可...

均值滤波器中，模板内像素的权重都为一，其只是简单的像素加法平均而，加权均值滤波器，对模板中的像素点赋予不同的权重，求的是像素的加权平均，典型的模板，例如高斯模糊，其模板权重呈现钟型的高斯分布： 下面使用上式表示...

平滑线性滤波器的输出为滤波模板中像素的简单平均值，所以又称为均值滤波器一般滤波模板的大小m*n，m和n都是奇数，这样目标像素才能在模板的正中心以下是使用Python的实现过程，图像数据使用与《数字图像处理》——刚萨雷斯，书中相同图像数据原数据为单通道灰度图像，上图可能已经不是单通道了，所以数据集请自行寻找（CSDN上就有）要使用的库：from PIL import Im...

一：比特图像分层常见的256级灰度图片中，每个像素灰度值由8个比特组成，分别将这8个比特分离，形成8幅新的图片，称为比特图像分层。举个????：有一副四个像素（2*2）的图像，像素值分别为1，2，3，4： 这些值...

灰度级分层的两种基本形式如下：一：将感兴趣的范围内的灰度值显示为一个值，而其他灰度值显示为另一个值二：将感兴趣的范围内的灰度值变亮或变暗，而其他灰度值保持不变Python实现过程如下：使用的图像资源为：定义新图片生成函数和分层函数：def logarithm_transformation(img, func): img_data = np.array(img...

本文是对BiliBili上的一个系列视频的学习记录，非常推荐大家去B站上观看，记得三连，不要白嫖，链接：https://www.bilibili.com/video/av6731067?p=5很多时候，我不单单满足于描述单一的线性变换，在一个变换后再进行另一个变换，而这两个连续作用的线性变换，其结果可以表示为一个单一变换的结果，称为前n个独立连续线性变幻的“复合变换”。例如：对向量先做旋转...

幂律变换的基本形式为：，其中和是常数有时考虑到偏移量，上式也写为。然而，偏移量是一般显示标定问题，因而作为一个结果，通常在上式中忽略不计。与对数变换情况类似，部分值得幂律曲线将较窄范围的暗色值，映射位较宽的目标输出值，相反，对于输入高灰度级值时也成立。>1的值所生成的曲线和<1所生成的曲线的效果完全相反，当c==1时简化为了恒等变换。下面使用Python实现幂律变换：...

对数变换的通用形式为：，其中c是一个常数，由对数函数的性质可知，改变换将范围较窄的低灰度值映射为较宽范围的灰度值，相反地，对高输入灰度值也是如此。我们使用这种类型的变换来扩展图像中，暗像素的值，同时压缩更高灰度级的值。反对数变换的作用与此相反。下面用Python实现图像的对数变换：使用的图片数据为：导入要使用的第三方库：from PIL import Imagei...

顾名思义，图像反转即反转图像灰度级，可以得到等效的照片底片设一幅图片的灰度级为，则反转图像公式如下： s为目标图像的像素点的像素值，r为原图像像素点的像素值下面使用Python实现图像反转：使用的图像数据为：...

内插是使用已知数据来估计未知位置的数据的处理方法。以图像放大为例，将一张50X50像素的图片放大10倍到500X500。通过其缩放的比例，来获取原图中最接近的像素，并把该像素灰度赋值给新像素。设：原图大小为n*m像素的图片，要扩展到a*b像素的图片则纵向缩放比例为：，同理横向缩放比例为：那么未知像素点，对应的原图像的像素点，对应关系为： ...

本文是对BiliBili上的一个系列视频的学习记录，非常推荐大家去B站上观看，记得三连，不要白嫖，链接：https://www.bilibili.com/video/av6731067?p=4Unfortunately, no one can be told what the Matrix is. You have to see it for yourself. -Morpheus很遗憾，...

本文是对BiliBili上的一个系列视频的学习记录，非常推荐大家去B站上观看，记得三连，不要白嫖，链接：https://www.bilibili.com/video/av6731067/?p=2上文中说到，向量坐标中的数字，可视为对基向量的拉伸或压缩，同样也说到，可以选择不同的基向量，构建完全合理的坐标系：通过选择两个标量 ，分别用于缩放二者的其中之一，然后相加，我们会得到不同的结果，...

本文是对BiliBili上的一个系列视频的学习记录，非常推荐大家去B站上观看，记得三连，不要白嫖，链接：https://www.bilibili.com/video/av6731067/?p=2一：对于向量的三种不同观点1：计算机专业视角（不是对立的而是相通的）对于做机器学习，数据分析方面的人来说，我们常用“特征向量”，所以对于我们来说，向量是数据列表，是建模目标的特征值。2：物理...

这是VSCode的文件资源管理或者叫资源文件导航，这是一个树形结构的，我们使用QTreeWidget来实现一下，最终的结果如下：我先把代码贴出来，UI界面的编程，不可能把每一行代码都讲清楚，我只讲一些思路和需要注意的细节吧：第一个文件（fileopen.py），UI设计的文件，是QT Designer设计好的ui文件直接转换为的Python文件：# -*- codi...

首先创建一个窗口，添加一个按钮，并将.ui设计文件转化为.py的Python源代码，源代码如下：# -*- coding: utf-8 -*-# Form implementation generated from reading ui file 'NewWindow.ui'## Created by: PyQt5 UI code generator 5.13.0## WARNI...

办公类应用软件都有打开文件或文件夹的功能，如下图：让我们使用pyqt5来实现文件选择：首先使用可视化设计工具QTdesigner来创建一个应用窗口并添加一个菜单栏，添加一个菜单选项fileopen。当然大神可以直接敲代码，但是大神还会来看这个文章吗？使用指令pyuic5 -o filename.py filename.ui (filename为你命名的文件名)来将.ui设计文...

在matplotlib中一个figure可以包含多个子图，使用subplot可以实现，先看下面的实例：plt.figure(1)plt.subplot(2, 2, 1)plt.subplot(2, 2, 2)plt.subplot(2, 1, 2)plt.show()效果如下：subplot有三个参数： numRows，numCols，PlotNumnumRows代表...

一：通过矩阵研究二次方程二次型的定义：把含有n个变量的二次齐次函数或方程称为二次型，例如：二次型可以用矩阵来表示：可以表示为更一般的情况：可以表示为令：，，则上式表示为，这就是我们常见的二次型表示方式。在《Linear Algebra and Its Applications》中译本《线性代数及其应用》中，二次型的定义如下：在向量计算中常遇到的，求向...

我第一次遇到lambda函数是在一个排序语句中：如下一段代码：if __name__ == "__main__": a = [[1, 2, 3], [1, 3, 4], [1, 4, 5]] a = sorted(a, key = lambda list:list[1], reverse = True) print(a)PS C:\Users\...>...

一：Python可将函数作为变量赋值创建一个函数，将函数赋值给一个变量，如下：def test1(): print("hello world!")if __name__ == "__main__": a = test1 a() test1()test1是一个简单的打印hello world！的函数，将函数test1赋值给变量a，调用a()可以看到...

作为一个Python开发者，如果不知道什么是Python之禅，那是不可饶恕的。打开Python IDE，输入import this会出现一段文字，这就是《The Zen Of Python》：Python 3.7.3 (default, Apr 24 2019, 15:29:51) [MSC v.1915 64 bit (AMD64)] :: Anaconda, Inc. on win3...

一：FPS显示FPS值得含义就是Update函数一秒内的执行次数，通过记录一段时间内Update的调用次数，再除以这段时间（秒为单位），就计算出FPS了。该实例继续使用螺旋升天的Cube。创建用于记录和控制的变量：//记录时间段private float accum = 0;//记录Update调用次数private int frames = 0;//FPS...

目标是实现一个按钮控制的Cube，实现螺旋上升，螺旋下降，和停止。新建项目，并添加Cube，新建一个C#脚本：我们开始编辑控制脚本：private UnityEngine.Vector3 TranslateSpeed = Vector3.up * Time.deltaTime * 0;private UnityEngine.Vector3 RotateSpeed = Ve...

K近邻算法是一种典型的“懒惰学习”算法，该算法没有常规意义上的学习过程。KNN通过计算待预测数据与训练数据的相似度（距离），选取距离最近的K个训练数据，这K个数据中出现最多的标签类型，作为待预测数据的预测标签，实现过程如下：导入需要的包：import pandas as pdimport numpy as npimport random读取数据：采用的是鸢尾花数据集da...

学习向量量化与K均值算法类似，但是K均值算法是在原数据没有类别标记的情况下，是一种无监督算法，而学习向量量化算法是在数据集类别标签的这些监督信息来辅助聚类。LVQ的目标是学得一组n维原型向量，每个原型向量代表一个聚类簇。计算待分类的数据与原型向量的差异度（欧氏距离），距离最近的原型向量的标签作为该数据的分类标签。LVQ算法过程如下：生成初始的原型向量我采用的是鸢尾花数据集，该数据集...

聚类的目标是使聚类后的各个簇，具有簇内聚合，簇间分离的特点。如何度量簇之间，簇内样本之间的差异度？常用距离计算，最常用的是“闵可夫斯基距离”（Minkowski distance），其与向量范数相对应。K均值算法的优化目标是最大化：簇内样本围绕簇均值向量的紧密程度即最大化簇内样本的相似度簇均值向量的定义如下：设总样本集，划分为k个簇为，则簇的均值向量定义如下 ...

在搜索鸢尾花数据集时看到一篇基于鸢尾花数据集的文章，其中数据可视化部分做的很好，所以自己在此复现一下，原文链接如下：https://www.jianshu.com/p/52b86c774b0b一：导入需要的库%matplotlib inlineimport matplotlib.pyplot as pltimport numpy as npimport pandas as pdi...

在讨论PCA之前，先说一说什么是协方差矩阵：设是一组数据，每一个数据是有p个特征值列向量，则数据是一个的矩阵。样本均值M定义为： 对数据进行中心化： ...

一：创建3D项目二：导入飞机模型包和地形资源包三：为飞机模型添加刚体组件四：飞控脚本实现创建C#脚本，命名为FightControl.cs，并添加到飞机模型上双击文件，打开编辑器开始编写，我使用的Visual Studio，一下是原书自带项目实例的脚本文件。using UnityEngine;using System....

首先创建一个3D项目：创建一个cube对象（GameObject->3D Object->cube）：调整cube的缩放参数，旋转参数和位置参数，将cube设置为一个篮球场形状然后倒入要使用的资源文件（Assets->Import New Assets->）：为cube对象添加合适的纹理贴图，创建材质对象（Assets...

本文内容参考《Linear Algebra and Its Applications》中译本《线性代数及其应用》原书第五版一个可对角化矩阵A，A可以分解为，D为一个对角矩阵，主对角线元素是A的特征值，而P的列是各个特征值对应的特征向量，从而将A分解为了A的特征值与特征向量。但是并不是每一个矩阵都有上述的分解，所以引入奇异值分解，对于大部分矩阵，奇异值分解是存在的。奇异值分解将原矩阵分解...

本文参考自清华大学研究生公共课教材——数学系列《最优化理论与算法》（第二版）一：凸集定义：设S为n维欧式空间中中的一个集合，若对S中任意两点，联结它们的线段仍属于S，称这样的集合S是一个凸集。用代数的形式表达为：对S中任意两点，及每个实数，都有 称...

在周志华老师的《机器学习》中，线性判别这一节中说，样本点在直线上的投影为，这和线性代数中正交投影中所描述的可不大一样。首先，要明确一点，是指投影后的点到原点的距离，而不是投影后的点，原书有点误导。因为，线性判别分析要分析投影后的点的距离（类间散度，类内散度），所以不用求投影点，直接求投影后的距离就可以了。但是这并没有解答主要疑问，根据正交投影的公式，投影后距离也不是先来看一下，正...

本文参考《Linear Algebra and Its Applications》——David C.Lay, Steven R. Lay, Judi J.McDonald，中译本名为《线性代数及其应用》（原书第五版）中的相关章节。一：特征值，特征向量定义如下：A为n*n的矩阵，x为非零向量，若存在数λ使Ax=λx有非平凡解x，则称λ为A的特征值，x称为对应于λ的特征向量。例：设，...

一：坐标系设是向量空间V的一个基，则对于V中的任意一个向量x，存在唯一的一组数使得： 由于基的线性无关性，上述定理一定成立。则称，为向量x对于基B的坐标，或称为x的B-坐标.则： ...

向量范数的定义如下：若实值函数（n维向量空间向一维向量空间的映射）：满足下列条件：（1），；当且仅当；（2），，；（3），；则称为向量范数。设x为n维列向量，常用的向量范数有范数，范数，范数： 一般地，对于，范数为： ...

在图片降采样的过程中，常采用pooling(池化)方法来降采样。计算图像一个区域上的某个特定特征的平均值或最大值，这种聚合操作叫做池化。池化后的这些统计特征不仅具有低得多的维度，同时训练结果不容易过拟合。常用的池化方法： 1.均值池化：对池化区域内的像素点取均值，这种方法得到的特征数据对背景信息更敏感 2.最大池化：对池化区域的所有像素值取最大值，这种...

在卷积神经网络中，才用卷积技术实现对图片的降噪和特征提取。一般我们构建卷积神经网络都是使用成熟的框架，今天我就来自己实现一下卷积，并使用不同的卷积核来看看效果。卷积操作的原理可以由下图表示：一个3*3的卷积核，以滑动窗口的形式在图片上滑动，每滑动一次，就计算窗口中的数据的加权之和，权值就是卷积核的数据。通过这个过程将图片进行转化。准备图片数据：使用P...

一：数据集描述Name Data Type Meas. Description ---- --------- ----- ----------- Sex nominal M, F, and I (infant) Length continuous mm Lo...

自主采样：即有放回的采样在原数据集中经过m次有放回的随机采样，可以得到一个含m个样例的子数据集，使用这个子数据集进行训练，得到一个基学习器我们对上述过程重复T次，就会得到T个基学习器，我们对这T个学习器的预测结果进行结合，就能够得到一个准确率更高的预测结果。一般使用简单投票的方法进行结合，即选择T个预测结果中预测最多的类，例如10次预测，其中7个预测为正类，3个预测为反类，我们就认为最终预...

LDA线性判别分析的思想十分简单，将给定的训练样例集投影到一条直线上，我们希望投影过后，不同类的数据点尽量远离，同类数据点尽量聚合。设Xi表示i类数据的集合i∈(0,1)，μi为i类数据集合的均值向量类内散度的定义：使用方差来度量类内的离散程度，因为都是向量表示形式，所以平方和用向量乘向量的转置表示类间散度矩阵：使用均值的方差表示两种数据类之间的离散程度我们要...

我们是否可以通过计算样例分类的概率来对样例进行分类呢，即一个样例分为正例的概率为0.9，分为反例的概率为0.5，那么我们将该样例分为正例。那么我们的目标就是求P(正)和P(反)。每一个样例都是由多个属性组成的，我们根据属性的取值来计算概率，这是明显的条件概率P(正|X)，P(反|X)。X表示各个属性组成的属性向量(x1, x2, x3,......,xn)若各个属性之间是独立的，即各个...

本文参考《Python神经网络编程》的相关章节上文中我们使用神经网络实现对手写数字的识别，那我们反向的给出一个标签，即给出[1, 0, 0, 0, 0, 0, 0, 0, 0, 0]，从输出反向推导出输入，应该是什么样子呢？其实可以想象得到，逆推的结果如果将其实例化，应该是对应的数字图片，图片越清晰，越标准，说明我们的学习效果越好。对数几率函数的反函数（是叫反函数是吧）为:在上...

本文参考《Python神经网络编程》的相关章节现在很火的一个机器学习数据集就是手写数字数据集（MNIST）这个网站提供了两个CSV文件： 训练集：http://www.pjreddie.com/media/files/mnist_train.csv 测试集：http://www.pjreddie.com/media/files/mnist_test.cs...

一个神经元即一个感知机模型，由多个神经元相互连接形成的网络，即神经网络。这里我们只讨论单隐层前馈神经网络，其连接形式入下：神经网络模型的待估参数即，每个神经元的阈值，以及神经元之间的连接权重。对于该模型有如下定义：训练集：D={(x1, y1), (x2, y2), ......, (xm, ym)}，x具有d个属性值，y具有k个可能取值则我们的神经网络（单隐层前馈神经网络...

在生物神经网络中，其最小的组成单位是神经元。学过高中生物的应该都知道，多个神经元相互连接形成神经网络，一个神经元兴奋时，则向相邻的神经元发送化学物质，改变其神经元的内部电位，当点位超过一个“阈值”时，神经元兴奋。神经元的模拟图如下：Xi为第i个输入，ωi为第i个输入的连接权重，y为输出，θ为阈值。当达到阈值，即神经元兴奋时，才输出，所以y只有两种情况，有输出，没有输出，令y=1...

连续值处理：决策树处理的是离散数据，当离散数据中混杂着连续数据时，我们希望将连续数据离散化。我们可以将连续取值的值域划分为多个区间，每个区间视为一个属性取值，这样就将连续数据离散化了。例如：属性a的取值范围为0-100，我们划分为0-25， 25-50， 50-75， 75-100四个区间，作为属性a的四种取值那么，划分边界的选择就是我们需要解决的问题。我们以二分为例（化为两个子区...

在线性模型中我们认为事物的属性是具有权重的，即对事物类别判断产生的影响力，在线性模型中我们将这样的权重视为线性函数的参数，由优化方法求出，该过程也称为线性模型的“学习”过程。在线性模型中，样例的属性是连续的数值型数据，若属性是离散的呢（离散的标签，离散的数值）例如，下列西瓜数据（数据来源于，周志华的《机器学习》）：编号 色泽 根蒂 敲击 纹理 脐部 触感 好瓜0 青绿 蜷缩 浊响 ...

一：txt文件filename = 'data.txt'fp = open(filename)data = [i for i in fp.readlines()]二： csv文件import csvfilename = 'ch02-data.csv'fp = open(filename)#使用csv模块的reader对象读取文件reader = csv.read...

因为Python列表中的元素可以是列表，所以可以使用列表构建树形结构。构建指定层数的满二叉树：def build_tree_depth(tree, n, m, data):#data是结点的数据，构造指定层数的满二叉树 #控制层数 if n == m - 1: tree.append(data) return data else: tree.append(data) ...

梯度的定义如下：梯度是一个方向向量，若α是函数在某点的梯度，那么函数在该点沿着α方向的变化最快那么什么是函数的增长方向？任何函数都可以用以下的表示方式表示：x为自变量，w为参数，y为因变量，我们一般默认函数的增长方向为因变量的增长方向（函数图像中因变量的坐标轴的正方向），所以函数上某点的最快增长方向，是使得因变量增长最快的方向。那么，现在考虑一个三维空间中的球面，其上的一个...

本文介绍对数几率回归模型，是一个典型的二分类任务学习模型书接上回，我们可以对一个数据集得到它的回归方程我们是这样去解读回归方程的：在相关属性下对样例的某一特征的度量我们根据回归方程得到的特征度量是一个连续值，我们可以根据这个度量值进行分类例如：大学的绩点计算，当我们的绩点大于等于2.0才能拿到学位，否则拿不到学位，我们可以认为当度量值达到多少时将样例视为一类，而没达到的样例分为另一...

第一部分：泰勒公式在高数中，引出相关需求，其描述如下：对于一些较复杂的函数，为了便于研究，往往希望用一些简单的函数来近似表达。由于用多项式表示的函数，只要对自变量进行有限次的加，减，乘三种算数运算，便能求出它的函数值，因此我们经常用多项式近似表达函数。简单说来，就是：在误差允许的前提下，我们用多项式(简单函数)来近似代替复杂函数，使得复杂函数的应用更加方便所以说，泰勒公式是使用多项...

矩阵来源于线性方程组的系数行列式，如下一个非齐次线性方程组（系数为0和1的系数也表示了出来）：其系数矩阵为：方程组的右边常数项表示为列向量为：如果我们将自变量也表示为列向量如下：则原方程组可以用矩阵乘积的形式表示为：在不使用矩阵乘积的方式时，我们实现线性方程的代码如下（双层循环，挨个乘了再加起来）：'''2019.05.22 13:22作者：B...

本文介绍机器学习中的线性模型的基本形式和求解线性回归方程方法设问题为：判断一个同学对机器学习算法的掌握程度 有以下观点：1.数学基础 2.高级语言掌握程度 ...

1072开学寄语（20分)下图是上海某校的新学期开学寄语：天将降大任于斯人也，必先删其微博，卸其 QQ，封其电脑，夺其手机，收其 ipad，断其 wifi，使其百无聊赖，然后，净面、理发、整衣，然后思过、读书、锻炼、明智、开悟、精进。而后必成大器也！本题要求你写个程序帮助这所学校的老师检查所有学生的物品，以助其成大器。输入格式：输入第一行给出两个正整数 N（≤1000）...

1071小赌怡情（15分)常言道“小赌怡情”。这是一个很简单的小游戏：首先由计算机给出第一个整数；然后玩家下注赌第二个整数将会比第一个数大还是小；玩家下注 t 个筹码后，计算机给出第二个数。若玩家猜对了，则系统奖励玩家 t 个筹码；否则扣除玩家 t 个筹码。注意：玩家下注的筹码数不能超过自己帐户上拥有的筹码数。当玩家输光了全部筹码后，游戏就结束。输入格式：输入在第一行给出 2...

1070结绳（25分)给定一段一段的绳子，你需要把它们串成一条绳。每次串连的时候，是把两段绳子对折，再如下图所示套接在一起。这样得到的绳子又被当成是另一段绳子，可以再次对折去跟另一段绳子串连。每次串连后，原来两段绳子的长度就会减半。给定N段绳子的长度，你需要找出它们能串成的绳子的最大长度。输入格式：每个输入包含 1 个测试用例。每个测试用例第 1 行给出正整数N(...

1069微博转发抽奖（20分)小明 PAT 考了满分，高兴之余决定发起微博转发抽奖活动，从转发的网友中按顺序每隔 N 个人就发出一个红包。请你编写程序帮助他确定中奖名单。输入格式：输入第一行给出三个正整数 M（≤1000）、N 和 S，分别是转发的总量、小明决定的中奖间隔、以及第一位中奖者的序号（编号从 1 开始）。随后 M 行，顺序给出转发微博的网友的昵称（不超过 20 个字...

1068万绿丛中一点红（20分)对于计算机而言，颜色不过是像素点对应的一个 24 位的数值。现给定一幅分辨率为M×N的画，要求你找出万绿丛中的一点红，即有独一无二颜色的那个像素点，并且该点的颜色与其周围 8 个相邻像素的颜色差充分大。输入格式：输入第一行给出三个正整数，分别是M和N（≤1000），即图像的分辨率；以及 TOL，是所求像素点与相邻点的颜色差阈值，色差超过...

1067 试密码 （20 分）当你试图登录某个系统却忘了密码时，系统一般只会允许你尝试有限多次，当超出允许次数时，账号就会被锁死。本题就请你实现这个小功能。输入格式：输入在第一行给出一个密码（长度不超过 20 的、不包含空格、Tab、回车的非空字符串）和一个正整数 N（≤ 10），分别是正确的密码和系统允许尝试的次数。随后每行给出一个以回车结束的非空字符串，是用户尝试输入的密码。输入保...

1066 图像过滤 （15 分）图像过滤是把图像中不重要的像素都染成背景色，使得重要部分被凸显出来。现给定一幅黑白图像，要求你将灰度值位于某指定区间内的所有像素颜色都用一种指定的颜色替换。输入格式：输入在第一行给出一幅图像的分辨率，即两个正整数 M 和 N（0&lt;M,N≤500），另外是待过滤的灰度值区间端点 A 和 B（0≤A&lt;B≤255）、以及指定的替换灰度值。随后 M ...

1065 单身狗 （25 分）“单身狗”是中文对于单身人士的一种爱称。本题请你从上万人的大型派对中找出落单的客人，以便给予特殊关爱。输入格式：输入第一行给出一个正整数 N（≤ 50 000），是已知夫妻/伴侣的对数；随后 N 行，每行给出一对夫妻/伴侣——为方便起见，每人对应一个 ID 号，为 5 位数字（从 00000 到 99999），ID 间以空格分隔；之后给出一个正整数 M（≤...

1064 朋友数 （20 分）如果两个整数各位数字的和是一样的，则被称为是“朋友数”，而那个公共的和就是它们的“朋友证号”。例如 123 和 51 就是朋友数，因为 1+2+3 = 5+1 = 6，而 6 就是它们的朋友证号。给定一些整数，要求你统计一下它们中有多少个不同的朋友证号。输入格式：输入第一行给出正整数 N。随后一行给出 N 个正整数，数字间以空格分隔。题目保证所有数字小于 ...

1063 计算谱半径 （20 分）在数学中，矩阵的“谱半径”是指其特征值的模集合的上确界。换言之，对于给定的 n 个复数空间的特征值 { a​1​​+b​1​​i,⋯,a​n​​+b​n​​i }，它们的模为实部与虚部的平方和的开方，而“谱半径”就是最大模。现在给定一些复数空间的特征值，请你计算并输出这些特征值的谱半径。输入格式：输入第一行给出正整数 N（≤ 10 000）是输入的...

1062 最简分数 （20 分）一个分数一般写成两个整数相除的形式：N/M，其中 M 不为0。最简分数是指分子和分母没有公约数的分数表示形式。现给定两个不相等的正分数 N​1​​/M​1​​ 和 N​2​​/M​2​​，要求你按从小到大的顺序列出它们之间分母为 K 的最简分数。输入格式：输入在一行中按 N/M 的格式给出两个正分数，随后是一个正整数分母 K，其间以空格分隔。题目保证...

1061 判断题 （15 分）判断题的评判很简单，本题就要求你写个简单的程序帮助老师判题并统计学生们判断题的得分。输入格式：输入在第一行给出两个不超过 100 的正整数 N 和 M，分别是学生人数和判断题数量。第二行给出 M 个不超过 5 的正整数，是每道题的满分值。第三行给出每道题对应的正确答案，0 代表“非”，1 代表“是”。随后 N 行，每行给出一个学生的解答。数字间均以空格分隔...

1060 爱丁顿数 （25 分）英国天文学家爱丁顿很喜欢骑车。据说他为了炫耀自己的骑车功力，还定义了一个“爱丁顿数” E ，即满足有 E 天骑车超过 E 英里的最大整数 E。据说爱丁顿自己的 E 等于87。现给定某人 N 天的骑车距离，请你算出对应的爱丁顿数 E（≤N）。输入格式：输入第一行给出一个正整数 N (≤10​5​​)，即连续骑车的天数；第二行给出 N 个非负整数，代表每...

1059 C语言竞赛 （20 分）C 语言竞赛是浙江大学计算机学院主持的一个欢乐的竞赛。既然竞赛主旨是为了好玩，颁奖规则也就制定得很滑稽：0、冠军将赢得一份“神秘大奖”（比如很巨大的一本学生研究论文集……）。 1、排名为素数的学生将赢得最好的奖品 —— 小黄人玩偶！ 2、其他人将得到巧克力。给定比赛的最终排名以及一系列参赛者的 ID，你要给出这些参赛者应该获得的奖品。输入格式：...