lodew920-CSDN博客

原创 c语言的全排列过程

语言：c语言平台：windows,code::block代码：int main(){ char arr[maxsize]; gets(arr); fullArray(arr, 0, strlen(arr)-1);}void swap(char *a, char *b){ char value = *a; *a = *b; *b = value;}void fullArray(char *p, int start, int end){

2021-12-13 23:30:51 1149

原创用归并解决逆序对

**问题：**一个无序序列,找出其中的逆序对。要求时间复杂度为O (nlogn).关于对于一个包含N个非负整数的数组A[1…n]，如果有i< j，且A[i]>A[j],则(A[i], A[j])例如，数组(3.1，4，5，2)的逆序对有(3,1).(3,.2).(4,2).(5.2)，共4个。语言:c语言工具：code::block代码:int main(){ int arr[maxsize]={3,1,4,5,2}; int low = 0, high = 4;

2021-12-13 14:27:49 691

原创判断某天是该年中的多少天

语言：c语言工具：Code::Blocks代码：#include<stdio.h>#include<string.h>//变量接受值，指针接受地址#define maxsize 100int main(){ char date[20]; puts("请输入一个日期:"); scanf("%s", date); if(strlen(date)!=8) { puts("格式错误"); exit(0);

2021-12-11 18:27:52 466

原创 Shell编程笔记

Shell编程笔记变量的定义规则变量名称可以由字母、数字、下划线组成，但是不能以数字开头，环境变量大写等号两边不能有空格在bash中，变量默认类型都是字符串类型，无法直接进行数值运算。变量的值如果有空格，需要使用双引号括起来特殊变量$n, n代表着数字， $0代表着脚本名称， $1-9代表着第一个倒第九个参数，十以上的参数9代表着第一个倒第九个参数，十以上的参数9代表着第一个倒第九个参数，十以上的参数{10}$# 代表着输入参数的个数，常常用于循环$*, 代表命令行中的所有

2021-08-29 17:23:52 96

原创目标检测比赛之YOLOV4方法

1 前言1.1实训背景随着生产生活对电力能源的需求量不断增加,我国对电力生产产生了更高的需求，受多方面因素的影响,我国电力生产事故的发生频率处于较高水平,对城市的安全生产造成了威胁，因此,必须要将全方位的安全生产理念引入到电力生产作业中,为电力系统的正常运行提供保障，电力生产作业过程中工序复杂，日常巡检和维修过程中会接触高压电力设备，如操作不当或未佩戴防护装备，容易出现安全事故，为确保电力工作人员在采用合规防护措施和操作流程，采用机器学习相关算法对施工现场进行合规检测，诣在提高工作人员安全防护意识，提升

2021-08-09 20:36:54 1700

原创目标检测案例

目标检测理论1. 什么是目标检测目标检测即找出图像中所有感兴趣的物体，包含物体定位和物体分类两个子任务，同时确定物体的类别和位置。2.传统算法概述传统目标检测的方法一般分为三个阶段:首先在给定的图像上选择一些候选的区域，然后对这些区域提取特征，最后使用训练的分类器进行分类。下面我们对这三个阶段分别进行介绍。（1）区域选择：这一步是为了对目标的位置进行定位。由于目标可能出现在图像的任何位置，而且目标的大小、长宽比例也不确定，所以最初采用滑动窗口的策略对整幅图像进行遍历，而且需要设置不同的尺度，不

2021-04-11 01:01:54 1763 7

原创 GAN图像生成-pyotrch

生成对抗网络生成对抗网络（GAN）是一种算法体系结构，它使用两个神经网络，使一个神经网络与另一个神经网络（因此称为“对抗性”）相互对立，以便生成可以传递给真实数据的新的合成数据实例。它们广泛用于图像生成，视频生成和语音生成。虽然大多数深度生成模型是通过最大化对数可能性或对数可能性的下限来训练的，但是GAN采取了根本不同的方法，不需要推理或明确计算数据可能性。取而代之的是，有两个模型用于求解极小极大博弈：一个对数据进行采样的生成器和一个将数据分类为真实或生成的鉴别器。理论上，这些模型能够对任意复杂的

2021-04-07 00:12:20 7159 3

原创 LSTM预测股市的起伏-pytorch

深度学习之LSTM长短记忆神经网络——通常称作LSTM，是一种特殊的RNN，能够学习长的依赖关系。他们由Hochreiter＆Schmidhuber引入，并被许多人进行了改进和普及。他们在各种各样的问题上工作的非常好，现在被广泛使用.LSTM是为了避免长依赖问题而精心设计的。巨大的股市数据集此次数据集来自于股市数据集，包括历史日价格和所有美国股票和ETF的交易量。因为这次计算量很小，不需要借用kaggle上的GPU，所以直接在本地电脑运行。代码和数据集已经上传到了我的github和gitee

2021-03-27 18:10:57 851 3

原创 Flink安装部署

Flink安装部署和案例使用Flink支持多种安装模式Local—本地单机模式，学习测试时使用Standalone—独立集群模式，Flink自带集群，开发测试环境使用StandaloneHA—独立集群高可用模式，Flink自带集群，开发测试环境使用On Yarn—计算资源统一由Hadoop YARN管理，生产环境使用1. Local本地模式Flink程序由JobClient进行提交。JobClient将作业提交给JobManager。JobManager负责协调资源分配和作业执行。

2021-03-26 23:40:36 1988

原创 CNN图像分类-pytorch&Keras

辛普森卡通图像角色分类Alexandre Attia 是美国卡通“辛普森一家”的狂热粉丝。他看了一系列辛普森电视卡通剧集，然后想建立一个能识别其中人物角色的神经网络。经过一番整理之后, 他把他手上的资料集发布到Kaggle-The Simpsons Characters Data上让大家可以使用学习。我们的任务是训练一个卷积神经网络來识别"辛普森一家"的卡通视频的20个角色。数据集說明文件 simpson-set.tar.gz：这是一个图像数据集：20个文件夹（每个字符一个），每个文件夹中有400-

2021-03-25 16:44:35 737 1

原创转盘锁

**题目：**你有一个带有四个圆形拨轮的转盘锁。每个拨轮都有10个数字： ‘0’, ‘1’, ‘2’, ‘3’, ‘4’, ‘5’, ‘6’, ‘7’, ‘8’, ‘9’ 。每个拨轮可以自由旋转：例如把 ‘9’ 变为 ‘0’，‘0’ 变为 ‘9’ 。每次旋转都只能旋转一个拨轮的一位数字。锁的初始数字为 ‘0000’ ，一个代表四个拨轮的数字的字符串。列表 deadends 包含了一组死亡数字，一旦拨轮的数字和列表里的任何一个元素相同，这个锁将会被永久锁定，无法再被旋转。字符串 target 代表可以

2021-03-25 12:06:48 177

原创 maven 项目定义的repositories 不能工作

主要原因是自己为了下载加速配置了maven settings 的加速，镜像使用了*导致自己项目配置的repositories 不能工作了参考配置settings.xml 加速aliyunmaven*阿里云公共仓库https://maven.aliyun.com/repository/public项目apachehttps://repository.apache.org/content/repositories/snapshots/clouderahttps://reposit

2021-03-17 11:55:23 797

转载 Java| 编码格式介绍（ANSI、GBK、GB2312、UTF-8、GB18030和 UNICODE）

Java| 编码格式介绍（ANSI、GBK、GB2312、UTF-8、GB18030和 UNICODE）一.编码格式介绍编码一直是让新手头疼的问题，特别是 GBK、GB2312、UTF-8 这三个比较常见的网页编码的区别，更是让许多新手晕头转向，怎么解释也解释不清楚。但是编码又是那么重要，特别在网页这一块。如果你打出来的不是乱码，而网页中出现了乱码，绝大部分原因就出在了编码上了。此外除了乱码之外，还会出现一些其他问题（例如：IE6 的 CSS 加载问题）等等。ANSI、GBK、GB2312、UTF-8

2021-03-14 18:42:29 444

原创解决Intellij IDEA运行报Command line is too long的问题

今天在用IDEA写东西的时候，运行突然给我报了个Command line is too long. Shorten command line for xxx or also for Application default configuration.解决方案（1）：找到项目下的.idea/workspace.xml，在标签里添加一行属性：解决方案（2）：打开程序的运行配置，把Shorten command line改为JAR manifest或classpath file，如图所示：..

2021-03-14 18:20:39 217

原创 Spark MLlib 机器学习

导读机器学习(machine learning, ML)是一门涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多领域的交叉学科。ML专注于研究计算机模拟或实现人类的学习行为，以获取新知识、新技能，并重组已学习的知识结构使之不断改善自身。MLlib是Spark提供的可扩展的机器学习库。MLlib已经集成了大量机器学习的算法,本章更侧重于机器学习API的使用，基本能够满足大多数读者的需要。机器学习概率机器学习也属于人工智能的范畴，该领域主要研究的对象是人工智能，尤其是如何在经验学习中改善具体算法。机

2021-03-04 00:50:17 1659 1

原创 Maven之pom.xml配置文件详解

Maven之pom.xml配置文件详解setting.xml主要用于配置maven的运行环境等一系列通用的属性，是全局级别的配置文件；而pom.xml主要描述了项目的maven坐标，依赖关系，开发者需要遵循的规则，缺陷管理系统，组织和licenses，以及其他所有的项目相关因素，是项目级别的配置文件。基础配置一个典型的pom.xml文件配置如下：  <modelVersion&

2021-03-02 23:34:59 484

原创 Adaboost

基本原理Adaboost算法基本原理就是将多个弱分类器（弱分类器一般选用单层决策树）进行合理的结合，使其成为一个强分类器。Adaboost采用迭代的思想，每次迭代只训练一个弱分类器，训练好的弱分类器将参与下一次迭代的使用。也就是说，在第N次迭代中，一共就有N个弱分类器，其中N-1个是以前训练好的，其各种参数都不再改变，本次训练第N个分类器。其中弱分类器的关系是第N个弱分类器更可能分对前N-1个弱分类器没分对的数据，最终分类输出要看这N个分类器的综合效果。弱分类器（单层决策树）Adaboost一般使

2021-03-02 17:19:35 531

转载 DDD（领域驱动设计）

领域驱动设计(简称 ddd)概念来源于2004年著名建模专家eric evans发表的他最具影响力的书籍:《domain-driven design –tackling complexity in the heart of software》(中文译名：领域驱动设计—软件核心复杂性应对之道)一书。，书中提出了“领域驱动设计(简称 ddd)”的概念。领域驱动设计一般分为两个阶段：1. 以一种领域专家、设计人员、开发人员都能理解的“通用语言”作为相互交流的工具，在不断交流的过程中发现和挖出一些主要的领域

2021-02-22 17:44:01 429

lodew920