weixin_44336538的博客

原创 C++运算符重载

运算符重载概念：对已有得运算符重新进行定义，赋予其另一种功能，以适应不同得数据类型加号运算符重载通过成员函数重载

原创 英语兔音标学习之双元音

原创 英语兔音标汇总之单元音

原创 C++学习小记之友元

友元的概念全局函数做友元首先创建一个建筑物的类，类中有一个属性为public的string m_SittingRoom,和一个属性为private的属性string m_BedRoom一般来说，全局函数不能访问类的私有变量但通过友元，即可访问类做友元...

原创 C++小记之类和对象

空指针访问c++中空指针也是可以调用成员函数的，但是应注意有没有用到this指针如果用到了this指针，需要加以判断保证代码的健壮性首先创建一个类void test01(){Person *p=NULL;p->showClassName();p->showPersonAge();}此时如果调用test01(),系统会崩，而如果注释掉p->showPersonAge();,系统就会正常。这是引文p->showPersonAge();中的m_Age默认使用到了t

原创 MSP432--串口学习整理

系统框图建议初始化顺序设置比特率寄存器UCAxCTLW0UCAxCTLW1 RegisterUCAxBRWUCAxMCTLWUCAxSTAUCAxRXBUFUCAxTXBUF RegisterUCAxABCTLUCAxIRCTLUCAxIEUCAxIFG RegisterUCAxIV

原创 C++学习小记之this指针

this 指针的概念C++中的成员变量和成员函数是分开存储的，每个非静态成员函数只会诞生一份函数实列，也就是说多个同类型的对象会公用一块代码。问题：这一块代码是如何区分那个对象调用自己呢？这就是this指针的作用this 指针指向被调用的成员函数所属的对象隐含在每个非静态成员函数内的指针指针不需要定义，直接使用即可用途当形参和成员变量同名时，可以用this指针来区分在类的非静态成员函数中返回对象本身，可以用return *this形参和成员变量同名时:下图鼠标位于age上时，出

原创 C++学习小记之类和属性--静态变量

初始化列表作用：C++提供了初始化列表的语法，用来初始化属性语法：构造函数():属性1(值1)，属性2(值2)...{}#include <iostream>using namespace std;class Person{ public: //传统的初始化操作 //Person(int a,int b,int c) //{ // my_A = a; // my_B = b; // my_C = c;

原创 C++学习小记之构造函数和析构函数

对象的初始化和清理构造函数和析构函数对象的初始化和清理是非常重要的安全问题一个对象或者变量没有初始化状态，对其使用后果是未知的同样的使用完一个对象或变量，没有及时的处理，也会造成一定的安全问题**构造函数：**创建对象时为对象的成员属性赋值，构造函数由编译器自动调用，无需手动调用**析构函数：**对象销毁前自动调用，执行一些清理工作当我们不提供构造和析构时，编译器会提供，而编译器提供的时空实现的构造函数语法：类名(){}无返回值也不写void函数名称与类名相同可以有参数，因此可以

原创 C++学习小记之类和属性

关于类的一些术语类中的属性和行为 统一称为成员属性 成员属性，成员变量行为 成员函数 成员方法设置一个学生类// C++学习.cpp : 此文件包含 "main" 函数。程序执行将在此处开始并结束。//#include <iostream>using namespace std;#include<string>//设计学生类class Student{ //访问权限 //公共权限public: //属性 //半

原创 C++学习小记之函数高级使用

函数的默认参数如果函数的某个位置参数有默认值，那么从这个位置往后，从左向右，必须都有默认值如果函数声明有默认值，那么函数实现的时候就不能有默认参数占位参数C++中函数的形参列表里可以有占位参数，用来做占位，调用函数时必须填补该位置语法：返回值类型 函数名 (数据类型){}函数的重载满足条件同一个作用域下函数名称相同函数参数类型不同、个数不同、顺序不同注意事项//引用作为重载条件void func(int &a){ cout<<"func(int &a

原创 C++学习小记之引用

注意事项引用必须初始化引用在初始化后，不可以更改引用做函数参数作用：函数传参时，可以利用引用的技术让形参修饰实参void mySwap(int &a,int &b){ int temp=a; a=b; b=temp;}int main(){mySwap(a,b);return 0;}引用做函数返回值//返回局部变量int& test01(){ int a=20;return a;}//返回静态变量引用int& test0

原创 C++学习小记之内存模型

程序的内存模型程序运行前在程序编译后，生成了exe可执行文件，未执行该程序前分为两个区域：代码区：存放CPU执行的机器指令代码区是共享的，共享的目的是对于频繁被执行的程序，只需要在内存中有一份代码即可代码区是只读的，使其只读的原因是防止程序意外的修改了它的指令全局区：全局变量和静态变量存在此处还包括了常量区，字符串常量和其它常量该区域的数据在程序结束后由操作系统释放程序运行后栈区：栈区数据由编译器管理开辟和释放，存放函数额参数值，局部变量等不要返回局部变量的地址int*

原创 C++学习小记数组和指针

int arr[2][3]={{1,2,3}.{4,5,6}};cout<<"二维数组占用内存空间为："<<sizeof(arr)<<endl;cout<<"二维数组第一行占用内存空间为："<<sizeof(arr[0])<<endl;cout<<"二维数组第一个元素占用内存空间为："<<sizeof(arr[0][0])<<endl;cout<<"二维数组的行数为："<&l

原创 正点原子无线串口LORA模块透明传输学习整理

基本上和正点原子手册上一样，只是为了以后使用方便，去除了屏幕显示和定向传输部分的代码。串口使用串口三定时器使用TIM7，用PA4记录AUX上升沿和下降沿变化。Lora简介引脚配置及功能：相关函数整理去除了LCD显示的部分头文件Lora.h#ifndef __LORA_H#define __LORA_H #include "sys.h"typedef struct{ u16 addr;//设备地址 u8 chn;//信道 u8 power;//发射功率

原创 Python刷题汇总3

题目1利用map和reduce编写一个str2float函数，把字符串’123.456’转换成浮点数123.456：from functools import reduce# '123.456'DIGITS = {'0': 0, '1': 1, '2': 2, '3': 3, '4': 4, '5': 5, '6': 6, '7': 7, '8': 8, '9': 9}def str2float(s): def char2num(s): return DIGITS[s]

原创 Python函数式编程注意点

返回函数def lazy_sum(*args): def sum(): ax = 0 for n in args: ax = ax + n return ax return sum注意当调用lazy_sum()的时候返回的 不是求和结果，而是求和函数。>>> f = lazy_sum(1, 3, 5, 7, 9)>>> f<function lazy_sum.<

原创 Python刷题汇总2

题目1生成器生成杨辉三角def triangles(): n,a=0,1 lst=[1] while n<10: yield lst buffer = lst[:] if len(lst)==1: lst.append(1) else: for i in range(1,len(lst)): lst[i]=buffer[i-1]+b

原创 Python刷题第一天--mooc南京大学用python玩转数据1

题目从键盘输入整数n（1-9之间），对于1-100之间的整数删除包含n并且能被n整除的数。测试数据:Enter the number : 6屏幕输出:1,2,3,4,5,7,8,9,10,1113,14,15,17,19,20,21,22,23,2527,28,29,31,32,33,34,35,37,3839,40,41,43,44,45,47,49,50,5152,53,55,57,58,59,70,71,73,7475,77,79,80,81,82,83,85,87,8889,

原创 python中的eval函数

eval是Python的一个内置函数，这个函数的作用是，返回传入字符串的表达式的结果。想象一下变量赋值时，将等号右边的表达式写成字符串的格式，将这个字符串作为eval的参数，eval的返回值就是这个表达式的结果。几个例子a="[[1,2], [3,4], [5,6], [7,8], [9,0]]"print(type(a))b=eval(a)print(type(b))<class 'str'><class 'list'>a="{1: 'a', 2: 'b'}"

原创 清风数学建模-迪杰斯特拉算法

迪杰斯特拉算法什么是迪杰斯特拉算法关于迪杰斯特拉算法，b站有个视频，讲解的很好迪杰斯特拉算法该视频的前5分钟讲解的是迪杰斯特拉算法迪杰斯特拉算法的缺陷如何修复缺陷图片中资料的链接资料1资料2什么是负权回路在一个图里面每条边都有一个权值（有正有负）如果存在一个环（从某点出发又回到自己的路径），而且这个环上所有权值之和为负数，那么这就是一个负权环，也叫做负权回路。存在负权回路的图是不能够求两点间的最短路的，因为只要在负回路上不断兜圈子，所得的最短路长度可以任意的小。matlab求最

原创 清风数学建模--图论最短路径的问题

图论的基本概念在线作图网站：因为是国外的网站所以作图网站Matlab作图%% 无向图%(1)无权重（每条边的权重默认为1）% 函数graph(s,t);可以在s和t中的对应节点之间创建边，并生成一个图%s和t都必须具有相同的元素数；这些节点必须是从1开始的正整数，或都是字符串元胞数组%要注意编号最好是从1开始连续编号的s1=[1,2,3,4];t1=[2,3,1,1];G1=graph(s1,t1);plot(G1)%注意字符串元胞数组是用大括号抱起来的s2=['学校'

原创 21天python分布式爬虫---网络请求1

1_urlopen函数用法

原创 21天python分布式爬虫--爬虫前奏3

HTTP协议中常用的请求方法：在HTTP协议中，定义了八种请求方法，而其中两种常见的请求方法，分别是get请求和post请求get请求:一般情况下，只从服务器获取数据下来，并不会对服务器次元产生任何影响的时候会使用get请求post请求：向服务器发送数据（登录）、上产文件等会对木武器资源产生影响的时候会使用post请求。要注意有的网站和服务器为了反爬虫机制，会不按常理出牌，有可能一个应该使用get的方法的请求改成post请求，这个要看情况而定...

原创 21天pyhton分布式爬虫--爬虫基础2

http协议和Chrome抓包工具什么是http和https协议HTTP协议：全称是hyperText Transfer Protocol，中文意思是超文本传输协议，是一种发布和接收HTML页面的方法。服务器端口号为80端口HTTPS 协议：是HTTP协议的加密版本，在HTTP下加入了SSL层，服务器端口号是443端口在浏览器中发送一个http请求的过程...

原创 清风数学建模--回归系数的解释

回归系数的解释yi=β0+β1x1i+β2x2i+⋯+βkxki+μiyi=β0^+β2^x2i+⋯+βk^xkiβ0^的数值意义一般不考虑，因为所有的自变量一般不会同时全为0.βm^(m=1,2,⋯ ,k):控制其他自变量不变的情况下，xmi每增加一个单位，对yi造成的变化。实际上可以用数学中的偏导数来定义:βm^=∂yi∂xmiy_i=\beta_0+\beta_1x_{1i}+\beta_2x_{2i}+\cdots+\beta_kx_{ki}+\mu_i\\y_i=\hat{\beta_0}+\h

原创 清风数学建模--一元线性回归

一元线性回归模型假设x是自变量，y是因变量，且满足如下线性关系yi=β0+β1xi+μiβ0和β1为回归系数，μi为无法观测地且满足一定条件地扰动项令预测值yi^=β0^+βi^xi其中β0^,β1^=arg min⁡(∑i=1n(yi−yi^)2)=arg min⁡(∑i=1n(yi−β0^−βi^xi)2)β0^,β1^=arg min⁡(∑i=1n(mui^)2)我们称μi^=yi−β0^−βi^xi为残差假设x是自变量，y是因变量，且满足如下线性关系\\y_i=\beta_0+\beta_1x_i

原创 清风数学建模--多元线性回归分析1

回归的思想回归分析：研究x和y之间相关性的分析三个关键词：相关性XY相关性相关性≠因果性相关性 \neq 因果性相关性​=因果性绝大多数的情况下，我们没有能力去探究严格的因果关系，因此只好退而求其次，改成通过回归分析，研究相关关系YY是因变量。实际应用中，Y常常是我们需要研究的那个核心变量。Xx是用来解释Y的相关变量，所以x被称为自变量。回归分析的任务就是，通过研究x和y的相关关系，尝试去解释Y的形成机制，进而达到通过x去预测y的目的。回归分析的使命使命1：识别重要的

原创 清分数学建模--典型相关分析

典型相关分析：研究两组变量（每组变量中都可能有多个指标）之间相关关系的一种多元统计方法。它能够揭示出两组变量之间的内在联系一个列子  因为直接对这些变量的相关进行两两分析，很难得到关于这两组变量（观众和业内人士）之间关系的一个清楚的印象，因此我们可以把多个变量个多个变量之间的相关化为两个具有代表性的变量之间的相关。那么谁做代表呢？：代表：能较为综合、全面的衡量所在组的内在规律。一组变量最简单的综合形式就是该组变量的线性组合典型相关分析定义典型相关分析由Hotelling提出，其基本思想和主

原创 清风数学建模--spearman相关系数函数

斯皮尔曼相关系数定义：X和Y为两组数据，其斯皮尔曼（等级）相关系数：定义：X和Y为两组数据，其斯皮尔曼（等级）相关系数：定义：X和Y为两组数据，其斯皮尔曼（等级）相关系数：rs=1−6∑i=1ndi2n(n2−1)r_s=1-\frac{6\sum_{i=1}^nd^2_i}{n(n^2-1)}rs​=1−n(n2−1)6∑i=1n​di2​​其中di为Xi和Yi之间的等级差其中d_i为X_i和Y_i之间的等级差其中di​为Xi​和Yi​之间的等级差（一个数的等级，就是它所在的一列数按照从大到小的顺

原创 清风数学数学建模---如何检验是否为正态分布

JB检验对数据量有要求，要求样本n>30偏度和峰度注意峰度不同的两种定义%matlab中求偏度和峰度x=normrnd(2,3,100,1);%生成100%的随机向量，每个元素是均值为2，标准差为3的正态分布skewness(x)%偏度kertosis(x)%峰度样本个数越大，检验的结果越好构造JB统计量JB=n6[S2+(K−3)24]JB=\frac{n}{6}[S^2+\frac{(K-3)^2}{4}]JB=6n​[S2+4(K−3)2​]可以证明，如果Xi{X_i}

原创 清风数学建模----对皮尔逊相关系数进行假设检验

步骤第一步：提出原假设H0H_0H0​和备择假设H1H_1H1​这里要注意两个假设是相反的假设我们计算出了一个皮尔逊相关系数r，我们想检验它是否显著的异于0，那么我们可以这样设定原假设和备择假设:H0：r=0,H1:r=≠0H_0：r=0,H_1 :r=\neq 0H0​：r=0,H1​:r=​=0第二步：在原假设成立的条件下，利用我们要检验的量构造处一个符合某一分布的统计量注1：统计量相当于我们要检验的量的一个函数，里面不能有其他的随机变量注2：这里的分布一般有四种：标准正态分布，t

原创 清风数学建模---第五讲相关系数（person相关系数）

person相关系数和spearman等级相关系数。可以用来衡量两个变量之间的相关性的大小，根据数据满足的不同条件，我们要选择不同的相关系数进行计算和分析皮尔逊相关系数先来看两个概念总体----所要考察对象的全部个体叫做总体。我们总是希望得到总体数据的一些特征（例如均值方差等）样本-----从总体中所抽取的一部分个体叫做总体的一个样本计算这些抽取的样本的统计量来估计总体的统计量：比如使用样本均值、样本标差来估计总体的均值（平均水平）和总体的标准差（偏离程度）总体的person相关系数注意

原创 清分数学建模--拟合算法

拟合算法与插值算法的不同拟合：不需要曲线一定经过给定的点。目标为寻求一个函数（曲线），使得该曲线在某种准则下与所有的数据点最为接技能，即曲线拟合的最好（最小化损失函数）插值：得到的多项式f(x)f(x)f(x)需要经过所有的样本点，但当样本点过多时，会产生龙格现象。尽管分段插值的方法可以避免这种现象，但有时候我们更倾向于得到一个确定的曲线，而这条曲线不一定要经过每一个样本点，但只要保证误差足够小即可。这就是拟合的思想。（拟合得到的结果为一个确定的值）最小二乘法一个小例子：第一种

原创 清风数学建模层次分析法作业1--代码优化

题目1请对代码进行优化，例如输入判断矩阵A时，是否能自动检查矩阵A为正互反矩阵？while judge ~=1 judge = 1; disp('请输入判断矩阵A') A=input('A(应为正互反矩阵)'); for i=1:n for j=1:n if A(i,j)~=1/A(j,i) judge=0; break; end if judge=

原创 清风数学建模---插值算法

数模比赛中，常常需要根据已知的函数点进行数据、模型的处理和分析，而有时候现有的数据是极少的，不足以支撑分析的进行，这时就需要使用一些数学的方法，“模拟产生”一些新的但又比较靠谱的值来满足需求，这就是插值的作用。插值的定义设函数y=f(x)y=f(x)y=f(x)在区间[a,b]上有定义，且已知在点a≤x0≤x1≤⋯≤xn≤ba \leq x_0 \leq x_1 \leq \cdots \leq x_n\leq ba≤x0​≤x1​≤⋯≤xn​≤b上的值分别为：y0,y1,⋯ ,yn,y_0,y_1

原创 英语学习打卡第一天

想找人一起建一个群打卡学习，今天是我开始的第一天，加油！有兴趣的朋友私聊一起啊5.16英语学习笔记[BBC]熊猫缔造者An international rescue is underway to protect pandas单词：literally(adv )确实地；名副其实地iconic(adj)非常出名的，受欢迎的brink(n)（事情发生的）边缘；式发电；（峭壁，崖的）边缘gaint(adj)巨大的，特大的(n)巨人；（成功且有影响的）伟大；巨头，大公司craggy（adj）陡峭的

原创 Python学习之函数的实参

位置实参调用函数时，必须将函数调用中的每一个实参都关联到函数定义中的一个形参，为此，最简单的的关联方式是基于实参的顺序。这种关联方式即为位置实参def describe_pet(animal_type ,pet_name): print("\n I have a "+animal_type+".") print("My "+animal_type+"'s name is "+pet_name) describe_pet('dog','harry')返回：I have a dog.My do

原创 清风数学建模--TOPSIS

第一步：将原始矩阵正向化常见的四种指标有：指标名称指标特点例子极大型（效益型）越大（多）越好成绩、GDP增速、企业利润极小型（成本型）越小（少）越好费用、坏品率、污染程度中间型越接近某个值越好水质量评估时的PH值区间型落在某个区间最好体温、水中植物性营养物量所谓将原始矩阵正向化，就是要将所有的指标类型统一转化成极大型指标。极小型—>极大型max−xmax-xmax−x如果所有的元素均为正数，那么也可以使用1x\frac{1}{x}

原创 python学习第四天---字典与列表的嵌套

字典列表alien_0={'color':'green','points':5}alien_1={'color':'yellow','points':10}alien_2={'color':'red','points':15}aliens=[alien_0,alien_1,alien_2]for alien in aliens: print(alien){'color': 'green', 'points': 5}{'color': 'yellow', 'points': 10}{