Ian Wong

二分法题目链接：二分查找题目给定一个 n 个元素有序的（升序）整型数组 nums 和一个目标值 target ，写一个函数搜索 nums 中的 target，如果目标值存在返回下标，否则返回 -1题目分析前提条件数组为有序数组时间复杂度为O(logn)，空间复杂度为O(1)数组中无重复元素解题思路以数组的中间值middle = left + (right - left) >> 1为界将数组划分为两个子区间,每次取查找范围的中点和target的大小，如果相等则 middl

基础知识回溯法是一种选优搜索法（试探法），被称为通用的解题方法，这种方法适用于解一些组合数相当大的问题。通过剪枝（约束+限界）可以大幅减少解决问题的计算量（搜索量）。深度优先搜索（Depth-First-Search，DFS）是一种用于遍历或搜索树或图的算法。沿着树的深度遍历树的节点，尽可能深的搜索树的分支。当节点v的所在边都己被探寻过，搜索将回溯到发现节点v的那条边的起始节点。这一过程一直进行到已发现从源节点可达的所有节点为止。如果还存在未被发现的节点，则选择其中一个作为源节点并重复以上过程，整个进程

基础知识动态规划，英文：Dynamic Programming，简称DP，如果某一问题有很多重叠子问题，使用动态规划是最有效的。所以动态规划中每一个状态一定是由上一个状态推导出来的，这一点就区分于贪心，贪心没有状态推导，而是从局部直接选最优的。动态规划算法通常用于求解具有某种最优性质的问题。在这类问题中，可能会有许多可行解。每一个解都对应于一个值，我们希望找到具有最优值的解。动态规划算法与分治法类似，其基本思想也是将待求解问题分解成若干个子问题，先求解子问题，然后从这些子问题的解得到原问题的解。与分

基础知识Java中提供两种实现字符串的类，分别是String、StringBuffer类。String字符串的声明：1、常量声明方式String sName=“Bob”;2、对象声明方式String sName=new String(“Bob”);3、由字符数组初始化String sName=new String(char[] ch);4、由字符数组指定元素个数String sName=new String(char[] ch,int index,int length);4、指定字符

基础知识树的概念参考博客1参考博客2参考博客3参考博客4树（tree）包含 n(n≥0) 个节点(当 n=0 时，称为空树)。其中非空树是由n(n≥1)个有限节点组成一个具有层次关系的集合。把它叫做“树”是因为它看起来像一棵倒挂的树，也就是说它是根朝上，而叶朝下的。另外，也可以说树是由根节点和若干颗子树构成的。相关术语结点：使用树结构存储的每一个数据元素都被称为“结点”。图中，数据元素 A 就是一个结点；父结点（双亲结点）、子结点和兄弟结点：对于图中的结点 A、B、C、D ，A 是

链表解题技巧链表题可以通过画图来理清思路链表题细节很重要，一定要好好分析，充分考虑所有情况，例如在分析链表题的时候，务必要注意LlstNode.next是否为空！在写每个循环时，一定要想清楚循环进入的条件是什么，退出的条件是什么！在java中，链表是通过对象模拟形成的，一个节点就是一个对象，成员变量val就是当前节点对象的值，next就是下一个节点对象。在做链表题的时候，首先分析头节点会不会改变，如果改变就创建虚拟头节点，方便处理边界情况，然后根据题目情况分析是否真的需要虚拟头节点。例如删除节点的题

概述十种常见排序算法可以分为两大类：比较类排序：通过比较来决定元素间的相对次序，由于其时间复杂度不能突破O(nlogn)，因此也称为非线性时间比较类排序。非比较类排序：不通过比较来决定元素间的相对次序，它可以突破基于比较排序的时间下界，以线性时间运行，因此也称为线性时间非比较类排序。稳定：如果a原本在b前面，而a=b，排序之后a仍然在b的前面。不稳定：如果a原本在b的前面，而a=b，排序之后 a 可能会出现在 b 的后面。时间复杂度对排序数据的总的操作次数。反映当n变化时，操作次数呈现什

二分法思想70%的题时根据单调性（）使用二分法，而95%的题根据两段性可以确定使用二分法解除。所谓两段性，就是一个区间根据某个性质可以二分为红色和绿色两段，而我们的目的就通过二分找到这个分界点t二分的流程确定二分的初始边界;编写二分的代码框架；设计一个性质（ check() ）划分区间为红绿两段；判断一下区间如何更新，如果更新方式为left = mid, right = mid - 1，则在计算mid时加上1向上取整；二分的两个模板x的平方根题目链接：x的平方根给你一个非负整

写在前面笔者自2020.10.13学习卷积神经网络相关知识，于此仅做笔记记载。声明：1.本文为个人学习总结，部分内容（包括数学公式）是来自书籍及网上的资料。具体引用的资料请看参考文献。具体的版本声明也参考原文献。2.本文仅供学术交流，非商用。所以每一部分具体的参考资料并没有详细对应，更有些部分本来就是直接从其他博客复制过来的。如果某部分不小心侵犯了大家的版权，还望海涵，并联系本人删除或修改。卷积神经网络学习笔记写在前面一、综述二、各层介绍2.1 输入层（Input Layer）常见三种图像数据预处

声明本文仅为学习笔记，不做任何商用，在编写过程中参考甚至复制了其他博主的文章，如有冒犯可联系我进行删除，在此十分抱歉。基于全卷积网络的语义分割一、概述论文地址GitHub 代码地址卷积神经网络（CNN）一直在驱动图像处理领域的进步，无论是整张图片的分类(ILSVRC),还是物体检测，关键点检测都在CNN的帮助下得到了非常大的发，但是图像语义分割不同于以上任务，这是个空间密集型（spatial dense prediction）的预测任务，这需要预测一幅图像中所有像素点的类别。以往的用于语义分割

声明：本博客仅为学习笔记，其中摘用了多位博主的博客文章，若侵权请联系本人进行删除。一、安装Ubuntu系统1.烧录Ubuntu20.04的iso镜像文件到U盘中，制作好启动盘，烧录软件为UltraIso;2.进入bios系统界面，设置为U盘启动；3.重启电脑进入Ubuntu系统安装；4.按照指示进行安装，具体操作详情可参考下附参考博客。安装完成界面如下图：附录1：参考博客参考链接1：主机装Ubuntu参考链接2：硬盘装Ubuntu参考博客3：Ubuntu下输入法汉化附录2：遇到的问题

承接上一篇博客 Framework7 + cordova +AS 开发安卓app（一）

一、开发目的开发一个有关销售的APP，主要包含首页，资讯页，发现页，购物车页以及个人中心页，其性质类似于淘宝APP，注册用户分为普通用户与商家，用户可通过页面链接进入商家页面以及商品页面浏览APP内容。 二、开发材料1、Framework7框架，开源； 2、虚拟服务器（Virtual Server），博主使用的是WAMP(For Windows)； 3、允许浏览器的跨域请求，博...