holy_hao-CSDN博客

转载判断单链表中是否有环，找到环的入口节点

判断单链表中是否有环，找到环的入口节点声明文章可以随意转载，但请注明出处。文中有一些地方引用了其他文章，但都已标明出处。如有侵犯，可立即删除。文中有些地方并无冒犯之意，希望提及的博客作者理解。没有你们的帮助，对这个问题毫无头绪。由于CSDN博客系统的内部错误，所有的公式后面都有一条恼人的竖线，实属无奈。欢迎评论。文章梗概本文通过对现有资料的收集和整理，给出了一种

2017-10-07 10:27:59 1802

原创连分数（百度2018校招）

题目的主要做法就是将这个分数的值计算出来，而考虑到float型数据不能完全表示，可以保存分子分母的格式：#include <vector>#include <string>#include <iostream>#include <algorithm>using namespace std;void calc(vector<int> &nums, int &fenzi, int &fenmu)

2017-09-20 10:20:41 1348

原创反转链表

给定一个单向链表字符串，1->2->4->5->6->8->9或者1->2->4->6; 要求成对翻转后输出字符串为：2->1->5->4->8->6->9 或者2->1->6->4; 解题思路为：先输出偶数，再输出奇数。算法很简单，但对于输入数据的转换要注意格式。#include <iostream>#include <string>#include <vector>#include

2017-09-18 21:33:44 576

转载最长公共子序列与最长公共子串(DP)

1. 问题描述子串应该比较好理解，至于什么是子序列，这里给出一个例子：有两个母串cnblogsbelong比如序列bo, bg, lg在母串cnblogs与belong中都出现过并且出现顺序与母串保持一致，我们将其称为公共子序列。最长公共子序列（Longest Common Subsequence,LCS），顾名思义，是指在所有的子序列中最长的那一个。子串是要求更严格的一种子序

2017-09-14 18:39:29 801

转载排列组合和回溯算法

排列组合排列组合通常用于在字符串或序列的排列和组合中，其特点是固定的解法和统一的代码风格。通常有两种方法：第一种是类似动态规划的分期摊还的方式，即保存中间结果，依次附上新元素，产生新的中间结果；第二种是递归法，通常是在递归函数里，使用for循环，遍历所有排列或组合的可能，然后在for循环语句内调用递归函数。回溯回溯算法也叫试探法，它是一种系统地搜索问题的解的方法。回溯算法的基本思想

2017-09-14 18:38:24 2607

转载八大排序算法

概述排序有内部排序和外部排序，内部排序是数据记录在内存中进行排序，而外部排序是因排序的数据很大，一次不能容纳全部的排序记录，在排序过程中需要访问外存。我们这里说说八大排序就是内部排序。当n较大，则应采用时间复杂度为O(nlog2n)的排序方法：快速排序、堆排序或归并排序序。快速排序：是目前基于比较的内部排序中被认为是最好的方法，当待排序的关键字

2017-09-14 17:37:14 269

原创 TopK问题快排思想

输入格式为： -23 17 -7 11 -2 1 -34 2 输入为第k大的数#include<stdio.h>#include<cstring>#include<algorithm>#include<vector>#include<iostream>using namespace std;int partition(vector<int> &data,int low,int hi

2017-08-26 17:17:52 1032

转载决策树

转自：http://www.jianshu.com/p/fb97b21aeb1d面试问题1：什么是决策树？答：决策树是一种分类和回归的基本模型，可从三个角度来理解它，即：一棵树if-then规则的集合，该集合是决策树上的所有从根节点到叶节点的路径的集合定义在特征空间与类空间上的条件概率分布，决策树实际上是将特征空间划分成了互不相交的单元，每个从根到叶的路径对应着一个单元。决策树所表

2017-07-20 15:52:09 550

转载深度学习最全优化方法总结比较（SGD，Adagrad，Adadelta，Adam，Adamax，Nadam）

转自：https://zhuanlan.zhihu.com/p/22252270前言（标题不能再中二了）本文仅对一些常见的优化方法进行直观介绍和简单的比较，各种优化方法的详细内容及公式只好去认真啃论文了，在此我就不赘述了。SGD此处的SGD指mini-batch gradient descent，关于batch gradient descent, stochas

2017-07-19 20:53:32 724

转载几种常见的激活函数

转自 http://blog.csdn.net/u014365862/article/details/52710698本课程笔记是基于今年斯坦福大学Feifei Li, Andrej Karpathy & Justin Johnson联合开设的Convolutional Neural Networks for Visual Recognition课程的学习笔记。目前课程还在更新中，此学习笔

2017-07-19 16:14:50 2697

转载交叉熵代价函数(损失函数)及其求导推导

前言交叉熵损失函数交叉熵损失函数的求导前言说明：本文只讨论Logistic回归的交叉熵，对Softmax回归的交叉熵类似。首先，我们二话不说，先放出交叉熵的公式： J(θ)=−1m∑i=1my(i)log(hθ(x(i)))+(1−y(i))log(1−hθ(x(i))),以及J(θ)对参数θ的偏导数（用于诸如梯度下降法等优化算法的参数更新），如下：

2017-07-15 20:20:52 869

转载海康威视研究院ImageNet2016竞赛经验分享

原文链接：https://zhuanlan.zhihu.com/p/23249000目录场景分类数据增强数据增强对最后的识别性能和泛化能力都有着非常重要的作用。我们使用下面这些数据增强方法。第一，对颜色的数据增强，包括色彩的饱和度、亮度和对比度等方面，主要从Facebook的代码里改过来的。第二，PCA Jittering，最早是由Alex在他201

2017-07-15 16:35:02 984

转载细粒度图像分析进展综述

转自：https://zhuanlan.zhihu.com/p/24738319大家应该都会有这样的经历：逛街时看到路人的萌犬可爱至极，可仅知是“犬”殊不知其具体品种；初春踏青，见那姹紫嫣红丛中笑，却桃杏李傻傻分不清……实际上，类似的问题在实际生活中屡见不鲜。如此问题为何难？究其原因，是普通人未受过针对此类任务的专门训练。倘若踏青时有位资深植物学家相随，不要说桃杏李花，就连差别甚微的青青河

2017-07-14 09:57:02 11105 1

转载 PANDAS 数据合并与重塑（concat篇）

转自:http://blog.csdn.net/stevenkwong/article/details/52528616pandas作者Wes McKinney 在【PYTHON FOR DATA ANALYSIS】中对pandas的方方面面都有了一个权威简明的入门级的介绍，但在实际使用过程中，我发现书中的内容还只是冰山一角。谈到pandas数据的行更新、表合并等操作，一般用到的方法有co

2017-07-13 15:34:02 790

转载 LSTM单元

本文译自 Christopher Olah 的博文转自：http://www.jianshu.com/p/9dc9f41f0b29Recurrent Neural Networks人类并不是每时每刻都从一片空白的大脑开始他们的思考。在你阅读这篇文章时候，你都是基于自己已经拥有的对先前所见词的理解来推断当前词的真实含义。我们不会将所有的东西都全部丢弃，然后用空白的大脑进行思考

2017-07-12 09:57:56 7991

转载 CNN目标检测（一）：Faster RCNN详解

转自：http://blog.csdn.net/zy1034092330/article/details/62044941经过RCNN和Fast RCNN的积淀，Ross B. Girshick在2016年提出了新的Faster RCNN，在结构上，Faster RCN已经将特征抽取(feature extraction)，proposal提取，bounding box reg

2017-07-11 20:52:19 32014 12

转载 pandas库介绍之DataFrame基本操作

转自：http://www.jianshu.com/p/75f915cc5147这一部分主要学习pandas中Series和DataFrame基本操作。设有DataFrame结果的数据a如下所示： a b cone 4 1 1two 6 2 0three 6 1 6一、查看数据（查看对象的方法对于Series来说同样

2017-07-10 12:07:34 13175 1

转载分类任务数据集制作

众所周知，在深度学习图像分类、目标检测等任务的训练过程中需要大量的训练图片；为了方便快速批量的读取数据，往往都会先把图片数据集转化成特殊的文件格式，常见的如：.mat, .npy, .pkl, .csv 等。本文主要介绍如何由现有图片生成.pkl文件。图片的整理首先，将图片按类别整理成如下目录格式： - 第一层目录为/jpg - 第二层目录如图显然每个文件夹

2017-07-09 11:43:46 4120

转载如何利用Keras的扩展性

转自：http://blog.csdn.net/hewb14/article/details/53414068Keras是一个用于在Python上搭神经网络模型的框架，语法和torch比较相似。我个人认为Keras最大的特点是包装很好，一些在训练过程中要输出的方法和常用的优化函数、目标函数都已经内置了，非常适合用来写大作业。Keras和python的哲学有些相似，那就是尽量不自己造轮子。但

2017-07-08 21:17:39 947

原创 ubuntu screen 实用命令

通过shell远程服务器时，远程窗口如果不小心关闭了，则通过其运行的程序就死了。如果是个耗时的程序，这样造成的损失会很大，所以当遇见这种情况时，还是推荐使用screen。常用的几个命令： screen -S name 启动一个名字为name的screen screen -S name -X quit 删除某个session screen -ls 是列出所有的screen screen -r

2017-07-06 17:47:34 8990

转载 leetcode之 median of two sorted arrays

转自：http://blog.csdn.net/yutianzuijin/article/details/11499917这是我做的第二个leetcode题目，一开始以为和第一个一样很简单，但是做的过程中才发现这个题目非常难，给人一种“刚上战场就踩上地雷挂掉了”的感觉。后来搜了一下leetcode的难度分布表（leetcode难度及面试频率）才发现，该问题是难度为5的问题，真是小看了它！网

2017-07-05 22:32:39 177

转载 keras系列︱迁移学习：利用InceptionV3进行fine-tuning及预测、完美案例（五）

转自：之前在博客《keras系列︱图像多分类训练与利用bottleneckfeatures进行微调（三）》一直在倒腾VGG16的fine-tuning，然后因为其中的Flatten层一直没有真的实现最后一个模块的fine-tuning。看到github上有一份InceptionV3的fine-tuning并且可以实现。我看到的keras微调的方式分为以下两种： fin

2017-07-05 11:56:42 2477

转载 keras系列︱人脸表情分类与识别：opencv人脸检测+Keras情绪分类（四）

转自：http://blog.csdn.net/sinat_26917383/article/details/72885715人脸识别热门，表情识别更加。但是表情识别很难，因为人脸的微表情很多，本节介绍一种比较粗线条的表情分类与识别的办法。本次讲述的表情分类是识别的分析流程分为：1、加载pre-model网络与权重；2、利用opencv的函数进行简单的人脸检

2017-07-05 11:55:39 1521

转载 keras系列︱图像多分类训练与利用bottleneck features进行微调（三）

转自：http://blog.csdn.net/sinat_26917383/article/details/72861152不得不说，这深度学习框架更新太快了尤其到了Keras2.0版本，快到Keras中文版好多都是错的，快到官方文档也有旧的没更新，前路坑太多。到发文为止，已经有theano/tensorflow/CNTK支持keras,虽然说tensorflow造势很

2017-07-05 11:52:55 2293

转载 keras系列︱Application中五款已训练模型、VGG16框架（Sequential式、Model式）解读（二）

转自：http://blog.csdn.net/sinat_26917383/article/details/72859145不得不说，这深度学习框架更新太快了尤其到了Keras2.0版本，快到Keras中文版好多都是错的，快到官方文档也有旧的没更新，前路坑太多。到发文为止，已经有theano/tensorflow/CNTK支持keras,虽然说tensorflow造势很

2017-07-05 11:44:20 2022

转载 keras系列︱Sequential与Model模型、keras基本结构功能（一）

转自：http://blog.csdn.net/sinat_26917383/article/details/72857454 素质云博客不得不说，这深度学习框架更新太快了尤其到了Keras2.0版本，快到Keras中文版好多都是错的，快到官方文档也有旧的没更新，前路坑太多。到发文为止，已经有theano/tensorflow/CNTK支持keras,虽然说tensorf

2017-07-05 11:41:45 28180 2

原创关于kNN的思考（二）

kNN优缺点从上节的实验中我们可以发现：优点：简单，易于理解，易于实现，对异常值不敏感，适合分类问题，尤其合适多分类问题（对象具有多个类别标签）缺点：懒惰算法，时间和空间复杂度高k值的选取 k对分类有着很大的影响，k太小意味着模型变的复杂，容易发生过拟合，易受异常点的影响。k值较大，易受其他类别的数据干扰，影响分类效果。所以k值一般选取一个较小的值（经验值，小于类别的平方根），或通

2017-07-05 11:37:57 440

转载关于使用sklearn进行数据预处理 —— 归一化/标准化/正则化

转自:http://www.cnblogs.com/chaosimple/p/4153167.html一、标准化（Z-Score），或者去除均值和方差缩放公式为：(X-mean)/std 计算时对每个属性/每列分别进行。将数据按期属性（按列进行）减去其均值，并处以其方差。得到的结果是，对于每个属性/每列来说所有数据都聚集在0附近，方差为1。实现时，有两种不同的方式

2017-05-23 10:31:24 461

转载特征工程与sklearn

目录1 特征工程是什么？2 数据预处理　　2.1 无量纲化　　　　2.1.1 标准化　　　　2.1.2 区间缩放法　　　　2.1.3 标准化与归一化的区别　　2.2 对定量特征二值化　　2.3 对定性特征哑编码　　2.4 缺失值计算　　2.5 数据变换　　2.6 回顾3 特征选择　　3.1 Filter　　　　3.1.1 方差选择法

2017-05-08 22:45:03 497 1

原创 kNN算法实践（一）

kNN的概念 kNN是一种较为简单的监督学习方法，输入没有标注的新数据后，将新数据的特征与样本集中的每个数据对应的特征比较，然后算法选择出最接近的k的个数据，根据这k个数据判断新数据。如果是分类问题，投票法，加权投票法。回归问题可以是平均法。实验这次实践，采用最简单的欧式距离才度量特征间的相似性。数据集来源是“手写数字数据集的光学识别”。# -*- coding: utf-8 -*-"""

2017-05-04 21:55:48 526

转载常见机器学习算法

转自：http://www.cnblogs.com/tornadomeet/p/3395593.html 前言：　　找工作时（IT行业），除了常见的软件开发以外，机器学习岗位也可以当作是一个选择，不少计算机方向的研究生都会接触这个，如果你的研究方向是机器学习/数据挖掘之类，且又对其非常感兴趣的话，可以考虑考虑该岗位，毕竟在机器智能没达到人类水平之前，机器学习可以作为一种重要手段

2017-05-03 22:08:56 1131

原创假设检验

概念事先对总体参数或分布形式作出某种假设，然后利用样本信息来判断原假设是否成立。基本原理假设检验其实就是建立在“小概率原理”上的反证法：首先对所研究的问题提出原假设，并给定显著性水平a，它界定了小概率事件；然后，在原假设成立的条件下，分析随机抽样所发生的事件是否是一个小概率事件。若是，就是拒绝原假设，否则，就接受原假设。原假设与备择假设原假设与备择假设的选择取决于对问题的态度，不能轻易接

2017-05-03 17:23:00 508

原创 SVM的常见核函数及其选取

核函数的数学要求核函数有严格的数学要求，所以设计一个核函数是很困难的。K(x,z)是正定核的充要条件是：K（x,z）对应的Gram矩阵实半正定矩阵。 Gram矩阵：矩阵对应点的内积。KTK, KKT 半正定矩阵：设A是实对称矩阵。如果对任意的实非零列矩阵X有XTAX≥0，就称A为半正定矩阵。当检验一个K是否为正定核函数，要对任意有限输入集{xi…}验证K对应的Gram矩阵实是否为半正定矩

2017-04-28 22:20:30 43840

原创图像特征描述SIFT、SURF、ORB、HOG、HAAR、LBP特征的原理概述

图像特征描述SIFT、SURF、ORB、HOG、HAAR、LBP特征的原理概述

2017-04-28 21:33:12 12352

转载找最小的K个数

转自：http://blog.csdn.net/huagong_adu/article/details/6901924今天在CSDN无意中看到July一篇号称《当今世界最为经典的十大算法》的博文，感觉这文章名字挺霸气，于是进去瞅了一眼。看到其中有一个叫做BFPRT的算法，据说可以最坏情况下也能以O（N）复杂度找到数组中的第K大元素。博文里有链接到详细解释这个算法的另外一篇博文，于是又点进去，准

2017-04-28 10:40:17 513

原创 C++基础-string截取、替换、查找子串函数

截取子串s.substr(pos, n) 截取s中从pos开始（包括0）的n个字符的子串，并返回s.substr(pos) 截取s中从从pos开始（包括0）到末尾的所有字符的子串，并返回替换子串s.replace(pos, n, s1) 用s1替换s中从pos开始（包括0）的n个字符的子串查找子串s.find(s1) 查找s中第一次出现s1的位置，并返回

2017-04-27 17:42:18 900

原创相亲

小张很多年过年都没有家了。这次回家父母拾他安排了很多个相亲的姑姐，有一个很长的名单，长度为N。父亲负责安排约会，每次随机的选择一个要相亲的对象，母亲负责记录哪些姑娘已经约会过了，直到和所有姑娘都约会完一遍后，这个浩大的相亲工程才算结束。这些天父母在吵架，他们之间不会有任何言语沟通。所以父亲不知道那些姑姐已经约会过了。因此下次约会的对象很可能是以前已经约会过的。如果小张要把所有的姑

2017-04-27 17:26:22 651

原创 Easy 21 Symmetric Tree（101）

Description Given a binary tree, check whether it is a mirror of itself (ie, symmetric around its center).For example, this binary tree [1,2,2,3,4,4,3] is symmetric:1 / \ 2 2 / \ / \ 3 4

2017-04-24 17:03:40 311

原创 Easy 20 Same Tree（100）

Description Given two binary trees, write a function to check if they are equal or not. Two binary trees are considered equal if they are structurally identical and the nodes have the same value.Solu

2017-04-24 16:52:27 239

转载进程的同步与通信，进程与线程同步的区别，进程与线程通信的区别

转自：http://www.cnblogs.com/youngforever/p/3250270.html这两天看进程的同步与通信，看了几本书上的介绍，也从网上搜了很多资料，越看越迷惑，被这几个问题搞得很纠结。进程同步与互斥的区别？进程的同步方式有哪些？进程的通信方式有哪些？进程同步与通信的区别是什么？线程的同步/通信与进程的同步/通信有区别吗？在好多教材上（包括国内与国外

2017-04-24 10:39:06 285

空空如也

空空如也