- 博客(1)
- 收藏
- 关注
RSS订阅原创 Java数据结构与算法解析(十七)——斜堆
斜堆概述斜堆(Skew heap)也叫自适应堆(self-adjusting heap)，它是左斜堆的一个变种。和左倾堆一样，它通常也用于实现优先队列；作为一种自适应的左斜堆，它的合并操作的时间复杂度也是O(lg n)。 它与左斜堆的差别是： (1) 斜堆的节点没有”零距离”这个属性，而左斜堆则有。 (2) 斜堆的合并操作和左倾堆的合并操作算法不同。 斜堆的合并操作(1) 如果一个空斜堆与一
2017-12-08 08:49:14
2619
大麦网演唱会抢票软件，一个基于 tauri + rust + vue 调用接口的抢票软件
一个基于 tauri + rust + vue 构建的抢票软件，全部调用大麦的接口。目前只支持大麦平台（默认）。
1.安装 rust curl --proto '=https' --tlsv1.2 -sSf https://sh.rustup.rs | sh rust 官网 (输入 rustc -V 显示版本号，则表示安装成功)
2.安装 node node 官网 (输入 node -v 显示版本号，则表示安装成功)
3.运行 yarn install 安装依赖
4.运行 yarn tauri dev 启动本地项目（如果windows系统，可能需要准备 tauri 需要的环境），使用编译的app来进行调试。
5.运行 yarn tauri build 打包程序。生成的程序在 src-tauri/target/release 下。
2024-04-21
某宝、某猫抢购，抢电视、抢茅台
web版使用说明
1、抢购前需要校准本地时间，然后把需要抢购的商品加入购物车
2、如果要打包成可执行文件，可使用pyinstaller自行打包
3、不需要打包的，直接在项目根目录下 执行 python3 main.py
3.1、(可选)需要推送消息提醒（如微信/群机器人/短信)，在 https://sre24.com 免费注册得到推送 token，执行 TOKEN=xxx python3 main.py 4、程序运行后，会打开淘宝登陆页，需要自己手动点击切换到扫码登陆
2024-04-21
i茅台app自动预约，每日自动预约，支持docker一键部署
i茅台app，每日自动预约茅台
1. 平台注册账号
2.添加多个用户
3.自动预约
4.类型选择（本市出货量最大的门店，或位置附近门店）
5.自动旅行
6.首次旅行分享
7.获取申购耐力值
8.自定义时间/随机时间预约或旅行
9.申购结果消息推送
2024-04-21
python 12306 购票助手
多日期查询余票
自动打码下单
用户状态恢复
电话语音通知
多账号、多任务、多线程支持
单个任务多站点查询
分布式运行
Docker 支持
动态修改配置文件
邮件通知
Web 管理页面
微信消息通知
2024-04-21
SpringBoot网上商城是一个基于Spring Boot的综合性B2C仿天猫电商平台
一、系统介绍
需求设计主要参考天猫商城的购物流程：
用户从注册开始，到完成登录，浏览商品，加入购物车，进行下单，确认收货，评价等一系列操作。
管理后台包含商品管理，订单管理，类别管理，用户管理和交易额统计等模块。
二、所用技术
后端技术栈：
Spring Boot+MySQL+Druid+Log4j2+Maven+mybatis
前端技术栈：
JSP+Echarts+Bootstrap
三、环境介绍
基础环境 :IDEA/eclipse, JDK 1.8, Mysql5.7及以上,Maven
源码+数据库脚本
2024-04-20
JAVA+SpringBoot网上商城
一、系统介绍
前台商城系统：包含首页登录、商品分类、新品上线、首页轮播、商品推荐、商品搜索、商品展示、购物车、订单结算、订单流程、个人订单管理、会员中心、帮助中心等模块。
后台管理系统：包含数据面板、轮播图管理、商品管理、订单管理、会员管理、分类管理、设置等模块。
二、所用技术
后台：Springboot + Mybatis + Swagger2 + Maven +mysql 前台：Thymeleaf + Bootstrap + AdminLTE
三、环境介绍
基础环境 :IDEA/eclipse, JDK 1.8, Mysql5.7,Maven
源码+数据库脚本
2024-04-20
Java+SpringBoot网上商城
一、系统介绍
前台功能 商品分类查询，加入购物车，提交订单，查看订单
后台功能： 用户管理，订单管理，分类管理，商品管理
二、所用技术
后端技术栈：
springboot
jpa
mysql
前端技术栈：
thymeleaf
三、环境介绍
基础环境 :IDEA/eclipse, JDK 1.8, Mysql5.7及以上,Maven
源码+数据库脚本
2024-04-20
基于Java+Springboot电影购票系统
一、系统介绍
前台
普通用户注册、登录、注销
用户信息修改：邮箱、密码、头像
影片的信息浏览：影片的名称、导演、演员、简介及上映时间等
观影的房间、座位的选择：用户选择观影的影院、房间、座位，用户不能选择已出售的座位
用户的评价：用户登录后可对影片写一些评价
订单信息查询：历史订单信息，包括金额、对应电影票、场次、座位等
后台-管理员登录
对影片的信息进行管理：影片的名称、导演、演员、简介及上映时间等，对影片进行新增、删除、编辑等
对影评信息进行管理：对评语进行修改、删除等。
对所有电影院中影片价格进行修改
对电影放映场次进行管理：增加，修改，下架场次
对影院进行管理：增加修改影院
对用户信息进行查询、修改等管理功能。
对电影票订单信息进行查询和管理
票房统计：票房数据可视化
二、所用技术
后端技术栈：
springboot
jpa
mysql
前端技术栈：
freemaker
三、环境介绍
基础环境 :IDEA/eclipse, JDK 1.8, Mysql5.7及以上,Maven
源码+数据库脚本
2024-04-20
基于Java+Springboot的景区旅游信息管理系统
一、系统介绍
本项目分为管理员与普通用户两种角色
用户登录 前台功能：旅游路线、旅游景点、旅游酒店、旅游车票、旅游保险、旅游策略
管理员登录 后台功能：用户管理、旅游路线管理、旅游景点管理、旅游酒店管理、 旅游车票管理、旅游保险管理、旅游策略管理、订单管理管理、留言管理、数据分析等等。
二、所用技术
后端技术栈：
springboot
mybatis
mysql
前端技术栈：
html+layui
三、环境介绍
基础环境 :IDEA/eclipse, JDK 1.8, Mysql5.7及以上,Maven
源码+数据库脚本
2024-04-20
基于springboot 网上花店商城 springboot+MybatisPlus+mysql
一、系统介绍
包括管理员、普通用户两种角色，外加游客(未登录情况)
权限 游客 < 普通用户 < 管理员
1、游客功能
查看鲜花信息
2、普通用户功能
购买鲜花、订单管理、地址管理
个人信息修改、密码修改，登录登出
3、管理员功能
用户管理、地址管理、鲜花管理、订单管理
个人信息、密码修改、销量统计
二、所用技术
后端技术栈：
springboot
mybatis-plus
mysql
前端技术栈：
jsp
bootstrap
三、环境介绍
基础环境 :IDEA/eclipse, JDK 1.8, Mysql5.7及以上,Maven
2024-04-20
java基于springboot的宠物商城 Spring Boot+Mybatis+mysql+Thymeleaf+Shiro
一、系统介绍
未注册用户
非注册用户（即游客身份）进入宠物官网首页，可以浏览关于宠物的宣传以及医院发布的文章，进入宠物商城浏览正在发售的商品，搜索已发布的文章和商品，注册以及登录。
已注册用户
注册用户可以修改个人信息和宠物信息，发布预约单（预约医生和美容师），在医院的商城购物，收藏商品，给官方留言，查看与自己相关的记录信息，如：病例记录、预约记录、问诊记录、订单记录等，注销退出系统。
业务管理员
业务管理员具有进货管理（包括进货入库、退货出库、进货单据查询、退货单据查询以及当前库存查询）、销售管理（包括销售出库、客户退货入库、销售单据查询、退货单据查询）、库存管理（包括商品报损、商品报溢、库存报警、报损报溢记录查询）、查看统计数据（供应商进退货单统计、客户进退货单统计、按日统计销售利润、按月统计销售利润）、供应商管理、客户管理、商品管理、期初库存管理、前台轮播图管理、设备类型管理、设备管理、设备使用管理、设备使用记录管理、文章类型管理、文章管理、客户留言管理、医院用品管理、医院用品出入库管理、医院用品出入库记录管理、客户消息管理、客户订单处理、客户预约单管理、客户问诊记录管理
2024-04-20
基于Java+Springboot+vue的宠物交易/领养系统
一、系统介绍
包括管理员、普通用户两种角色，外加游客(未登录情况)
权限 游客 < 普通用户 < 管理员
1、游客功能
查看宠物信息
2、普通用户功能
出售/领养宠物、购买/收养宠物、订单管理、地址管理
和卖家/卖家对话
个人信息修改、密码修改
3、管理员功能
用户管理、地址管理、宠物管理、订单管理
个人信息、密码修改
二、所用技术
后端技术栈：
springboot+mybatis+mysql+java
前端技术栈：
vue
三、环境介绍
基础环境 :IDEA/eclipse, JDK 1.8, Mysql5.7及以上,Maven
源码+数据库脚本
2024-04-20
基于springboot房屋租赁系统 springboot+mybatis+mysql+shiro
一、系统介绍
包括管理员、房东、租客三种角色，外加游客(未登录情况) 出租类型包含整租和合租
权限 游客 < 租客 < 房东 < 管理员
1、游客功能
登录、注册(可以注册房东或租客)、搜索房子、查看箱子信息、新闻咨询查询
搜索功能，根据价格范围，面积范围，城市，小区，整租/合租搜索
房子信息，基本信息、轮播图、地图定位
2、租客功能
预定房子(创建订单、签订合同、支付订单)
订单管理(取消订单、查看订单、查看合同、退租)
我的家(查看我的当前有效订单房子信息、查看合租情况)
反馈管理(提交反馈、反馈列表、删除反馈)
收藏管理(收藏房子、收藏列表、取消收藏)
个人信息修改、密码修改、联系房东(自动给房东发邮件)
3、房东功能
房子管理(发布出租/编辑房子信息，发布后需要管理员审核；删除房子；下架房子)
订单管理(订单列表、退租、查看合同)
发布出租(包括标题、描述、价格、各种配套信息、地图位置、轮播图等20多个字段信息)
反馈管理(提交反馈、反馈列表、删除反馈)
个人信息、密码修改
4、管理员功能
用户管理(禁用用户、启用用户)
2024-04-20
基于JAVA+Springboot的OA人事管理系统
一、系统介绍
用户模块 日志模块 考勤模块 工作流模块 请假 岗位 会议申请 菜单
定时任务月末统计考勤状况 等功能
管理员输入登录账号和密码，登录成功后，可以进行自身信息的修改，还有员工管理、部门管理、角色管理、菜单管理、岗位管理、公告管理、个人便签、通讯录、签到签退、个人信息管理、会议室管理、会议管理等功能。
员工输入登录账号和密码，登录成功之后，可以对个人信息修改，进行每天上班的签到签退，个人便签管理，也可以查询公司的通讯录可以方便联系到公司所有人。
二、所用技术
springboot+mybatis+ shiro +mvc + activiti+thymeleaf+quartz
三、环境介绍
基础环境 :IDEA/eclipse, JDK 1.8, Mysql5.7及以上,Maven
源码+数据库脚本
所有项目以及源代码本人均调试运行无问题 可支持远程调试运行
2024-04-20
基于Vue和SpringBoot的超市账单管理
一、系统介绍
管理员：
系统基础管理：对登入用户、部门、角色、权限进行维护。
商品管理：对超市所出售的商品档案进行维护。
供应商管理：对超市所合作的供应商档案进行维护。
账单管理：对超市所管理的账单档案进行维护。
职员：商品管理、账单管理
经理：商品管理、账单管理、供应商管理
二、所用技术
后端技术栈：
springboot
mybatisPlus
SpringSecurity
mysql
Java
前端技术栈：
vue
View UI
三、环境介绍
基础环境 :IDEA/eclipse, maven3.x, JDK 1.8 , Mysql, node.js
源码+数据库脚本
2024-04-20
基于Java+Springboot的酒店预订管理系统
一、系统介绍
本项目分为管理员与普通用户两种角色
管理员角色包含以下功能：
超级管理员拥有所有权限
后台功能：
工作人员管理、角色管理、应用管理、
日志管理、客户管理、留言管理、
房型管理、房间管理、预约订单管理、
入住管理、统计分析管理
用户角色包含以下功能：
客户登录、找回密码
留言板留言
浏览客房和预定客房
二、所用技术
前端技术栈
jsp、layer、easyui
后端技术栈
springboot，java，mysql，mybatis
三、环境介绍
基础环境 :IDEA/eclipse, JDK 1.8, Mysql5.7及以上,,Maven
所有项目以及源代码本人均调试运行无问题 可支持远程调试运行
2024-04-20
机器学习面试复习资源集合
一、特征工程
（一）特征预处理
标准化、归一化、异常特征清洗、不平衡数据
不平衡数据的处理方法
（二）特征表达
缺失值、特殊特征(eg.时间)、离散特征、连续特征
连续特征离散化的好处
什么样的模型对缺失值更敏感？
（三）特征选择
过滤法、包装法、嵌入法
Kaggle中的代码实战
二、算法基础
（一）评价指标
PR曲线和F1 & ROC曲线和AUC
AUC & GAUC
（二）正则项
正则化与数据先验分布的关系
L1在0点处不可导怎么办？可采用坐标轴下降、最小角回归法
L1为什么比L2的解更稀疏
（三）损失函数
常见损失函数
常见损失函数2
（四）模型训练
经验误差与泛化误差、偏差与方差、欠拟合与过拟合、交叉验证
参数初始化为什么不能全零
深度学习参数初始化 Lecunn、Xavier、He初始化
dropout
Batch Normalization
dropout和BN在训练&预测时有什么不同
Layer Normalization
Transformer为什么用LN不用BN（LN和BN两者分别关注什么）
ResNet
（五）优化算法
梯度下降法、牛顿法和拟牛顿法
深度学习优化算法
2024-04-20
Tensorflow实战学习笔记、代码、机器学习进阶系列
Tensorflow实战学习笔记
机器学习进阶系列
tensorflow实战代码
人脸检测系列
tensorflow api解读
机器学习实战代码注释
tensorflow2_tutorials_chinese
2024-04-20
算法工程师-机器学习面试题总结
基本概念
1-1 简述解决一个机器学习问题时，你的流程是怎样的？
1-2 损失函数是什么，如何定义合理的损失函数？
1-3 回归模型和分类模型常用损失函数有哪些？各有什么优缺点
1-4 什么是结构误差和经验误差？训练模型的时候如何判断已经达到最优？
1-5 模型的“泛化”能力是指？如何提升模型泛化能力？
1-6 如何选择合适的模型评估指标？AUC、精准度、召回率、F1值都是什么？如何计算？有什么优缺点？
1-7 什么是混淆矩阵？
1-8 ROC曲线如何绘制？相比P-R曲线有什么特点？
1-9 如何评判模型是过拟合还是欠拟合？遇到过拟合或欠拟合时，你是如何解决？
1-10 你是如何针对应用场景选择合适的模型？
1-11 如何选择模型中的超参数？有什么方法，并说说其优劣点
1-12 误差分析是什么？你是如何进行误差分析？
1-13 你是如何理解模型的偏差和方差？什么样的情况是高偏差，什么情况是高方差？
1-14 出现高偏差或者高方差的时候你有什么优化策略？
1-15 奥卡姆剃刀定律是什么？对机器学习模型优化有何启发？举例说明
2024-04-20
使用机器学习算法完成对12306验证码的自动识别
使用机器学习算法完成对12306验证码的自动识别
两个必要的数据集：
文字识别，model.h5
图片识别，12306.image.model.h5
2024-04-20
PAT-GPLT（中国高校计算机大赛团体程序设计天梯赛）题解
环境
开发语言：C (c99标准)
编译环境：gcc 4.7.2
相关参数：-DONLINE_JUDGE -fno-tree-ch -O2 -Wall -std=c99 -pipe $src -lm -o $exe
2024-04-20
2021年华为杯第十八届中国研究生数学建模竞赛D题解决方案（国二）
问题分析
第一问采用随机森林+相关性分析筛选20个变量
第二问采用决策树回归、线性回归、梯度提升向量机、随机 森林回归、多层次感知机回归、XGBoost 回归和LightGBM 模型对生物活性预测。最终得出LightGBM 模型的效果比较好
第三问采用多层感知机(MLP)对化合物的 ADMET 性质进行预测。训练集采用90%的样本，测试集采用10%的样本。五种性质的平均准确率为90.5%
第四问采用改进型贪心调优
2024-04-20
2020中国华录杯·数据湖算法大赛-定向算法赛（吸烟打电话检测）决赛第二名项目代码
一、算法简介
数据处理时，观察很多手机拍摄高清图片分辨率很大，因为我机器不大好，IO比较耗时，为了加速训练，先预先等比缩放保存好； 然后合并初赛的数据，进行一个清洗、去重； 最后通过定制化的CutMix进行数据预增强，先生成好部分图片。
主要训练方式基础模型是EfficientNet-B4，使用了对抗学习的预训练模型，使用了Ranger优化器，使用了SGDR的学习率衰减策略，然后通过监测验证集的mAP分数来选择最好的模型，使用early stop停止训练。在训练时还加入了梯度截断等策略。
最后使用了模型自蒸馏的训练方案。具体训练过程是，第一步先把训练集随机划分为5折，分别训练5个模型，然后生成对应的训练集预测标签；第二步重新训练5折模型，此时训练集所使用的标签为原始标签和蒸馏标签的加权和，分别训练5个模型。最后尝试不同的模型组合，选择A榜最高的作为最终提交方案。
二、数据处理
使用了初赛发布的两批数据混合在一起，没有使用外部数据。
训练数据处理过程：
先按最大边等比缩放到600尺寸；（参考脚本data/resize.py）
2024-04-19
12306抢票脚本源码
12306抢票软件源码 下载源码运行请注意下面几条：
1.此项目用到了selenium库，浏览器是chrome
2.将driverchrome放到main同级目录下。
3.进入setting.py文件配置一下chrome.exe的路径。注意driverchrome与chrome的版本要一致！！！
4.请确保安装了PyQt5库。
5.run文件是ESTrain.py
2024-04-17
大麦网自动购票脚本, 支持docker一键部署
使用说明
下载docker-compose配置文件: wget https://github.com/ClassmateLin/dm-ticket/releases/download/v0.1.0/dm-ticket.zip
解压zip: unzip dm-ticket.zip && cd dm-ticket
运行容器: docker-compose up -d
修改配置: vim config/config.yaml, 配置项在config/config.yaml中有详细注释
编写本项目主要目的为学习和研究Rust，无法保证项目内容的合法性、准确性、完整性和有效性。
本项目涉及的数据由使用的个人或组织自行填写，本项目不对数据内容负责，包括但不限于数据的真实性、准确性、合法性。使用本项目所造成的一切后果，与本项目的所有贡献者无关，由使用的个人或组织完全承担。
本项目中涉及的第三方硬件、软件等，与本项目没有任何直接或间接的关系。本项目仅对部署和使用过程进行客观描述，不代表支持使用任何第三方硬件、软件。使用任何第三方硬件、软件，所造成的一切后果由使用的个人或组织承担，与本项目无关。
2024-04-17
数据库设计课程设计-高校选课管理系统
开发意义： 随着信息技术不断向深入发展，越来越多的学校开始着手信息化建设。其中学生选课、成绩信息化管理就是其中重要的一块内容。学生选课与成绩信息规模大、项目条数多、信息量庞大，传统的人工管理方式显然已经无法满足要求，需要借助计算机来进行现代化信息管理，从而提高管理的准确性与高效性。
可行性： 传统人工管理成绩存在诸多弊病，比如准确性低、效率低等。计算机具有存储快、查找便利、准确性高的特点，能非常好的解决人工管理的弊病。
应用环境：
Web服务器：tomcat8.5；
编程工具Eclipse Java 2019-09；
数据库：SQL sever 2017；
技术路线： jsp+servlet+javabean；
系统功能框架介绍，处理模块描述。
管理员：
1.查询教师名单；
2.添加教师信息；
3.修改教师信息；
4.删除教师信息；
5.查询学生名单；
6.添加学生信息;
7.修改学生信息；
8.删除学生信息；
9.查询课程信息；
2024-04-16
大麦抢票脚本 V1.0 已有大佬验证可以成功！
功能介绍
通过selenium打开页面进行登录，模拟用户购票流程自动购票
1. 配置环境
1.1安装python3环境
Windows
访问Python官方网站：https://www.python.org/downloads/windows/
下载最新的Python 3.9+版本的安装程序。
运行安装程序。
在安装程序中，确保勾选 "Add Python X.X to PATH" 选项，这将自动将Python添加到系统环境变量中，方便在命令行中使用Python。
完成安装后，你可以在命令提示符或PowerShell中输入 python3 来启动Python解释器。
2024-04-13
东方财富网股吧爬虫，爬取帖子及其评论的相关信息，并储存到数据库中（附详细操作说明）
该项目使用 selenium 模拟用户操作抓取股吧 发帖 和 评论 数据（允许多线程同时抓取多支股票的相关信息），并将抓取到的数据储存到 MongoDB 中，方便后续使用。
附加说明：非科班新手第一次写爬虫，代码效率一般（比如未使用 redis 做消息队列等等），适合新手入门或小规模爬取。以后若有能力与时间会对代码进行迭代维护，提高爬取效率。
主要功能
爬取指定股票股吧中的发帖信息，包括帖子标题，浏览量，评论数，帖子链接，发帖时间 (YYYY-MM-DD, HH: MM)，以 post_XXXXXX 为集合名储存到 MongoDB 中。
爬取指定时间范围中股吧帖子下的评论信息，包括评论内容，是一级或二级评论，点赞数，发帖时间 (YYYY-MM-DD, HH: MM)，以 comment_XXXXXX 为集合名储存到 MongoDB 中。
可以通过 post_XXXXXX 下的 _id 与 comment_XXXXXX 下的 post_id 建立映射关系，对帖子标题和评论内容进行匹配。
2024-04-13
某乎爬虫，用于爬取某乎页面 话题 问题 回答 评论 的爬虫 支持 asyncio 异步高并发 支持多用户登陆
某乎爬虫，用于爬取某乎页面 话题 问题 回答 评论 的爬虫
支持 asyncio 异步高并发
支持多用户登陆
2024-04-13
掘金小册爬虫脚本 将小册保存为 markdown，pdf，html 格式
本项目案例使用爬虫爬取的为公开的掘金小册。可在掘金小册/阅读 中查看。本项目仅供学习交流使用，请勿将个人付费小册公开。若公开由此造成的一切后果，与本项目无关。
2024-04-13
微信公众号文章爬虫,仅用于学习
要求
在选定微信订阅号账号的情况下，批量抓取一段时间之内的所有推文的：
链接
标题
封面图
作者
发布账号
正文文本内容
发布时间
阅读量
点赞数
在看数
留言数
是否开启留言
并导出为 excel 表格
实现
整体思路：枚举公众号->爬取公众号下的所有文章->对每篇文章找到所需信息
step1 爬取公众号下的所有文章
即使不是爬虫，想要看到一个公众号下的所有文章也不那么容易。目前统一的手段是在微信应用中打开公众号，但此页面无法抓包，也无法获得爬虫需要的请求和响应。有部分公众号给出了往期文章列表供爬取，但此方法非常依赖公众号，并不统一。
网络上已知的实现有
微信历史消息，但可能被封号
搜狗微信，但现在似乎已经没有维护
微信公众平台，也可能被封号
本爬虫使用的手段是利用微信公众平台，在创作图文消息时插入超链接，可以搜到一个公众号下的所有文章。
微信公众平台需要先注册账号并修改名称通过审核。
实际测试发现，爬取几十页后就会被封一段时间（几十分钟）。因此需要多次启动爬虫，因而记录下了失败时爬取的公众号和页数，方便下次直接跳转。
2024-04-13
轻量型A股每日数据爬虫项目
核心逻辑1:通过财经网址获取全部股票的动态数据，并且经过分析，将日涨，日跌超过x%的股票进行筛选，按照股票的涨跌幅进行排序；通过对股票的大额买入卖出订单进行排序，并预测前10位买入卖出的之后的大概股价，并对买入卖出进行排序；并存储到数据库(DB:Mysql，需要跟进)
核心逻辑2:对保留到数据库的数据按照5日，20日进行分析排序，筛选出5，20日上涨，下降的前x位的股票，进行排序，并存储到数据库(DB:Mysql)
核心逻辑3:做T，通过股票的涨跌幅，对股票进行T操作 (此为量化核心逻辑)
使用技术指标建模交易信号。比如利用布林通道、均线交叉等技术分析指标,建立买入和卖出规则。
加入风险管理作为交易决策依据。比如设置止损价格和动态调整仓位,降低单日风险。
采用复合指标相结合,避免单一依赖某一指标。比如结合MACD、KDJ等多 time frame 的指标信号。
进行回测优化,找出参数组合效果好的交易策略。优化周期、触发点设定等策略变量。
采用平滑移动平均线,避免被短期波动误导。比如用EMA作为买入信号。
重点跟踪行业领跑股票,利用行业势头。同时观察大盘走势变化。
2024-04-13
新浪某博热榜爬虫，利用 Github Action 的调度脚本
使用PHP实现的，爬取新浪某博每日热榜内容，以下是今日热榜 更新于 2024-04-13 20:50:32
Thurman猫一杯视频号被封 1.7M
车辆发生剐蹭女子叫嚣自己老公是国足 1.4M
在高原感受别样的春日浪漫 1.2M
保时捷撞车后女子砸门被行政拘留 1.1M
郑合惠子 垃圾堆里扒好东西 924.0K
张一山银发 892.0K
金秀贤金智媛不再合体 640.4K
伊朗对美国发出警告 509.0K
眼泪女王 482.6K
男子养了20年的海龟竟是国保玳瑁 480.9K
赵丽颖说谢谢狗哥 480.3K
伊朗扣押一艘和以色列相关货船 479.3K
绝大部分人感染HPV后会自愈 470.8K
RNG直播需付费观看 446.3K
成龙为刘浩存提裙摆 440.8K
承欢记 404.6K
2024-04-13
矩阵快速幂求解斐波那契
二. 矩阵相乘
若A为n×k矩阵，B为k×m矩阵，则它们的乘积AB(有时记做A·B)将是一个n×m矩阵。其乘积矩阵AB的第i行第j列的元素为：
image
代码如下：
###### 矩阵乘法 ######
def mutiply(self,a,b):
temp=[[0,0],[0,0]]
for i in range(len(a)):
for j in range(len(b)):
for k in range(len(temp)):
temp[i][j]+=a[i][k]*b[k][j]%1000000007
return temp
三. 矩阵快速幂
幂又称乘方。表示一个数字乘若干次的形式,如n个a相乘的幂为a^n ，或称a^n为a的n次幂。a称为幂的底数，n称为幂的指数。
快速幂的思路就是：设A为矩阵，求A的N次方，N很大。例如：A的9次方
A^9
= A*A*A*A*A*A*A*A*A 【一个一
2024-04-13
走迷宫 广度优先搜索与优先队列
2.0版本
迷宫按以下格式输入：第一行输入m与n 表示迷宫行数列数。随后输入m行字符 由# . r a x组成 表示墙壁 地面 地面(起点) 地面(终点) 可破坏的墙壁
迷宫中含有可破坏的墙壁 破坏墙壁可以多罚n步
可以有多个起点 会算出最短的路径
无解的迷宫会打印一个最长的路径
采用优先队列 由队列链表实现
1.0版本
解决简单的迷宫
从控制台输入格式：第一行输入m与n 表示迷宫行数列数。随后输入m行字符 由# . r a组成 表示墙壁 地面 地面(起点) 地面(终点)
输出0 表示无法解出 若能解出 会随后输出路径
采用简单的队列
2024-04-13
通过kmp技术实现的旅行app
使用以下技术构建:
Kotlin: 编程语言
Kotlin Multiplatform: 用于在单一代码库中构建多平台应用程序。
Jetpack/JetBrains Compose Multiplatform: 用于在多平台(如Android和iOS)之间共享UI。
Moko Resources: 这是一个Kotlin Multiplatform库(和Gradle插件),提供对macOS、iOS、Android、JVM和JS/浏览器上的资源的访问,并支持默认系统本地化。
Compose Image Loader: Kotlin Multiplatform的Compose图像库。
2024-04-12
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人