- 博客(167)
- 资源 (2)
- 收藏
- 关注
RSS订阅
2原创 C++之eigen库学习
Eigen是一个高性能的C++模板库，专门用于线性代数、矩阵和向量运算。该库提供了一系列的类和函数，使开发者能够轻松进行各种数学计算，如矩阵乘法、矩阵分解（如QR分解、奇异值分解等）、特征值计算、求解线性方程组等。Eigen库广泛应用于科学计算、工程建模、机器学习、图形渲染等多个领域。它已经成为C++社区中最受欢迎和广泛使用的线性代数库之一，因为它提供了高效、稳定和功能丰富的数学计算工具。如果您对Eigen库或其他相关主题有进一步的问题或需要更详细的解释，请随时告诉我。我会尽量提供详尽和有用的信息。
2024-04-07 14:44:20
619
原创 C++ 之 this指针的使用
在 C++ 中，this是一个指向当前对象的指针。当你在类的成员函数内部访问对象的成员变量或成员函数时，this指针可以用来引用当前正在被调用的对象。以下是this。
2024-03-29 11:43:32
476
原创 C++ 之boost库学习
C++的Boost 文件系统库中有许多常用的函数可以帮助你进行文件和目录的操作。这些是 Boost 文件系统库中的一些其他常用函数，它们提供了更多的文件和目录操作功能，可以满足更多的需求。除了上面提到的常见函数外，Boost 文件系统库还提供了其他一些有用的函数。这些是 Boost 文件系统库中一些常见的函数，它们可以帮助你执行各种文件和目录操作。
2024-03-21 15:43:47
493
原创 深度学习之扩散模型（Diffusion model）
在每个时间步长上，根据权重 alphas 和 betas，将初始数据点与噪声相结合，生成新的数据点。在每个演示步骤中，通过调用 q_x 函数生成新的数据点，并在图表中以散点图的形式展示。这些超参数决定了正向扩散过程中的权重变化，并影响数据点在空间中的演变轨迹。通过调整超参数和观察结果，可以更好地理解数据的分布和特征，为后续的数据分析和建模工作提供参考。通过生成一个特定形状的数据集，并在每个时间步长上应用正向扩散过程和加噪过程，最终展示了数据点在空间中的演变过程。代码解析：正向扩散过程和加噪演示。
2024-03-18 17:48:46
361
原创 字符串匹配算法之KMP
字符串匹配算法是用于在一个文本串中查找一个模式串的出现位置的算法。其中，一个经典的字符串匹配算法是（Knuth-Morris-Pratt算法）。
2024-02-07 16:22:30
356
原创 分治算法之归并排序
分治算法是一种将问题分解成更小子问题，然后合并子问题的解以获得原问题解的算法策略。分治算法通常包括三个步骤：分解、解决、合并。。
2024-02-07 16:18:04
380
原创 动态规划算法之最长公共子序列
然后调用上述两个函数计算最长公共子序列的动态规划矩阵和提取最长公共子序列。最后，输出最长公共子序列。中提取最长公共子序列。通过反向遍历矩阵，我们可以重建最长公共子序列的具体元素。通过填充这个矩阵，我们可以找到最长公共子序列的长度。: 这个函数计算最长公共子序列的动态规划矩阵。函数：在主函数中，我们定义了两个整数向量。: 这个函数用于初始化动态规划矩阵。: 这个函数用于从动态规划矩阵。，将其所有元素初始化为0。
2024-02-07 16:11:59
216
原创 动态规划算法之最长递增子序列
在这个例子中，使用动态规划的方式计算了以每个元素结尾的最长递增子序列的长度，然后通过比较这些长度找到最终的最长递增子序列的长度。这种方法避免了指数级的递归计算，提高了算法的效率。动态规划的核心思想是将一个复杂的问题分解成更简单的子问题，并通过解决子问题来构建原问题的解。动态规划的思想来解决。
2024-02-07 16:06:46
224
原创 C++ 图的表示之邻接矩阵和邻接表
这两个例子分别展示了邻接矩阵和邻接表表示图的方法。在实际应用中，选择使用邻接矩阵还是邻接表取决于图的稠密程度和具体的算法需求。邻接矩阵适用于稠密图，而邻接表适用于稀疏图。下面是一个简单的C++实例，演示了如何使用邻接矩阵和邻接表来表示图。
2024-02-07 15:24:11
237
原创 C++设计模式之工厂模式
工厂模式是一种创建型设计模式，旨在提供一种创建对象的接口，但允许子类决定实例化哪个类。工厂模式有多种形式，其中最常见的包括简单工厂模式、工厂方法模式和抽象工厂模式。
2024-02-07 14:53:00
706
原创 C++ 设计模式之观察者模式
学习设计模式时，最好的方式是通过实际的例程来加深理解。以下是一个简单的C++设计模式的例程，演示了观察者模式（Observer Pattern）的应用。观察者模式定义了一种一对多的依赖关系，使得当一个对象状态改变时，所有依赖它的对象都会得到通知并自动更新。
2024-02-07 14:44:31
1071
原创 C++ 设计模式之单例模式
单例模式确保一个类只有一个实例，并提供一个全局访问点。以下是一个简单的C++例程，演示了单例模式的实现。在这个例子中，我们创建了一个名为 Singleton 的类，它只能创建一个实例。
2024-02-07 14:43:28
1415
原创 C++之多线程（multi-thread）
/ 互斥锁，用于保护共享资源// 共享资源，存储数组的和// 计算数组的和的函数i < end;++i) {// 使用互斥锁保护对共享资源的访问// 创建一个包含整数的数组// 定义线程的数量// 计算每个线程的工作量// 创建线程数组// 启动线程++i) {// 等待所有线程完成// 输出最终的结果return 0;
2024-02-07 14:29:59
1106
原创 C++之智能指针 ！！！ 一文读懂智能指针 ！！！
和是C++标准库中的两种不同类型的智能指针，它们有一些关键的区别。newnew在选择使用还是时，取决于你的设计需求。如果能够确定对象拥有独占的所有权，并且不需要共享，那么是更轻量和合适的选择。如果需要在多个地方共享对象，并希望方便地传递所有权，那么是一个更适合的选择。
2024-02-07 11:10:16
331
原创 C++之优先队列（priority_queue）
是 C++ 标准模板库（STL）中的一种容器适配器，它提供了一个基于优先级的队列。这意味着它存储的元素是按照一定的优先级进行排序的，每次访问队头元素都是当前队列中优先级最高的元素。在这个示例中，std::priority_queue 被创建为大顶堆，默认情况下，元素的比较使用 < 操作符。通常使用堆（heap）来实现，堆是一种特殊的二叉树结构，满足堆的性质。默认使用大顶堆，也就是队头元素是最大的元素。这个例子中，Compare 结构体定义了自定义的比较函数，确保小的元素优先级更高。
2024-01-08 16:58:07
737
原创 C++之模板类template
在C++中，模板类是一种允许你编写通用类以处理各种数据类型的机制。通过使用模板类，你可以编写一次代码，然后使用不同的数据类型进行实例化，而无需为每种数据类型都编写一个新类。这有助于实现代码的重用和泛化。
2024-01-08 16:55:47
531
原创 C++ 之map
在C++中，std::map是一种关联容器，它提供了一种键-值对的映射。它是基于红黑树实现的，因此它的元素是按照键的顺序有序存储的。
2023-12-27 17:56:31
442
原创 C++ 之函数重写
派生类中的函数重写： 派生类可以通过重新定义基类中的虚函数来实现函数重写。在派生类中，函数的声明和定义需要与基类中的虚函数一致，包括函数签名和返回类型。在C++中，函数重写（Function Overriding）是一种面向对象编程的概念，它允许派生类重新定义基类中已经定义的虚函数。函数重写用于实现多态性，使得程序能够在运行时选择调用哪个版本的函数，以便适应不同的对象类型。运行时多态性： 使用基类指针或引用指向派生类对象，并调用虚函数时，将会根据对象的实际类型调用相应的函数。请注意，只有虚函数才能被重写。
2023-12-22 18:46:15
1342
原创 机器学习之随机森林 python
随机森林是一种集成学习方法，它是由多个决策树组成的模型，其中每棵树都是随机生成的。随机深林包括两种主要类型：随机森林和极端随机树。
2023-12-21 10:35:07
933
原创 四色问题（图论）python
四色问题是一种著名的图论问题，它要求在给定的地图上给每个区域着一种颜色，使得相邻的区域颜色不同，而只使用四种颜色。这个问题可以通过图的着色来解决，其中图的节点表示区域，边表示相邻的关系。在 Python 中，你可以使用图论库 NetworkX 来实现四色问题的解决。首先，确保你已经安装了。
2023-12-20 16:55:30
1626
原创 决策树实例学习python
这个表示是决策树的结构，每一行代表一个决策节点，缩进表示层次。例如，第一行表示如果花瓣长度小于等于2.45厘米，则预测类别为0。如果花瓣长度大于2.45厘米，则会根据下一个条件（petal length (cm) <= 4.75）继续分支，以此类推。最后的类别预测（class: X）表示决策树的叶子节点，其中X是预测的类别。这个输出是训练后决策树的文本表示。这个决策树在训练时学习了如何根据输入特征来做出分类决策。
2023-12-20 15:44:10
928
原创 C++编译之级联cmake
在一个项目中，可能存在多个子项目或者模块，每个子项目有自己的 CMake 配置，而外层的 CMake 文件则负责整体的构建和协调各个子项目的编译过程。这种结构通常被称为多级 CMake 构建。连接外层 CMake 和内层 CMake 的关键是使用 add_subdirectory 命令。这个命令用于将其他目录中的 CMakeLists.txt 文件包含到当前项目中。这样，当执行外层的 CMake 时，它会递归地处理子目录中的 CMakeLists.txt 文件，将子项目的构建规则整合到主项目中。
2023-12-15 12:16:38
590
原创 python之马尔科夫链（Markov Chain）
并且对于任意时间步 nn，都有 P(Xn+1=j)=∑iP(Xn=i)⋅P(Xn+1=j∣Xn=i)P(Xn+1=j)=∑iP(Xn=i)⋅P(Xn+1=j∣Xn=i)，其中 P(Xn=i)P(Xn=i) 表示在时间步 nn 处于状态 ii 的概率，那么向量 ππ 就是该马尔可夫链的稳态分布。马尔可夫链（Markov Chain）是一种随机过程，具有“马尔可夫性质”，即在给定当前状态的条件下，未来状态的概率分布仅依赖于当前状态，而与过去状态无关。稳态分布的存在性和唯一性取决于具体的马尔可夫链。
2023-12-08 17:38:35
1790
原创 python之使用蒙特卡洛方法估计圆周率π
import randomimport matplotlib.pyplot as pltdef monte_carlo_pi(num_samples): inside_circle = 0 inside_x, inside_y = [], [] outside_x, outside_y = [], [] for _ in range(num_samples): x = random.uniform(0, 1) y = random.un
2023-12-08 17:25:25
1548
原创 图像处理python
OpenCV（Open Source Computer Vision Library）是一个用于计算机视觉任务的开源库。以下是一些OpenCV中常用的操作：读取和显示图像：pythonimport cv2读取图像img = cv2.imread(‘image.jpg’)显示图像cv2.imshow(‘Image’, img)cv2.waitKey(0)cv2.destroyAllWindows()图像基本操作：python获取图像大小height, width = img.sh
2023-11-23 11:00:50
970
原创 C++ 如何快速确定新旧线程
您可以将主线程的ID与新线程的ID进行比较，以确定当前代码是否在主线程中执行。通常情况下，主线程的ID是固定的，而新线程的ID会随每次创建新线程而变化。例如，可以在主线程中设置一个标志为true，而在新线程中设置为false，然后在线程函数中检查该标志。这些方法中，第一个方法是最常用的，因为它是平台无关的，并且不需要额外的参数或标志。在C++中，您可以使用一些方法来快速区分是否当前代码正在主线程中执行还是在一个新线程中执行。您可以比较主线程的句柄与新线程的句柄来确定是否在主线程中执行。
2023-11-01 14:04:34
214
原创 自动驾驶学习资料集锦
路径规划：https://github.com/guoliangwangQQ/chhRobotics。书籍：https://github.com/guoliangwangQQ/Books。优秀作者：1. https://github.com/CHH3213。
2023-10-31 12:40:35
264
深度学习和机器学习,python速查手册
2022-04-27
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人