weixin_45666249的博客

大致思想运行代码int maxSubArray(int* nums, int numsSize){ int maxN=nums[0]; for(int i=1;i<numsSize;i++){ if(nums[i-1]>0) nums[i] += nums[i-1]; if(nums[i]>maxN) maxN = nums[i]; } return maxN;..

dfs实现组合型枚举题目描述：题解代码：#include<iostream>#include<cstdio>#include<cstring>#include<algorithm>using namespace std;const int N = 1e5;int way[N];int n,m;void dfs(int u,int start){ if(u==m){ for(int i=0;i<m;i++) printf("

埃及分数式题目描述：设计要点：设计步骤题解代码：#include<iostream>#include<cstring>#include<cstdio>#include<algorithm>using namespace std;const int N = 1e5;int a,b,c;int f[N];int main(){ scanf("%d%d",&a,&b); // 首先查看是否原数值是否满足 if(b

删除数字题目描述：题解思路：存取方式：用字符数组输入，由整数数组存储，每个元素范围为0~9删除元素思路：判断前一个数与后一个数比较，若后一个数大则前一个数置为-1输出思路：由于要删除的元素个数已经确定，所以输出的元素也确定，所以从前往后输出不为-1的n-k个元素（比如987654 要删除3个元素，所以只需要n-k个元素，其余元素不做操作）题解代码：#include<iostream>#include<cstdio>#include<cstring>#

阶乘约数题目描述：方法：任意一个正整数 X 都可以表示成若干个质数乘积的形式，即 X = p1α1 ∗ p2α2∗…* pkαk约数个数=(a1 + 1)(a2 + 1)……(ak + 1)代码：// 答案39001250856960000#include<iostream>#include<cstdio>#include<cstring>#include<algorithm>using namespace std;const int

最长非降子序列（连续）问题描述：运行代码：#include<iostream>#include<cstring>#include<cstdio>#include<algorithm>using namespace std;const int N = 1e4;int a[N],b[N];int n;int main(){ scanf("%d",&n); for(int i=0;i<n;i++) scanf("%d",&a

相关性过滤：根据方差过部分滤完特征后（并不是说方差很大的数据就一定有用），就要考虑相关性了。使用相关性过滤后筛选出与标签相关且有意义的特征。卡方过滤：作用：专门针对离散型标签，即分类问题的相关性过滤。大致流程：计算每个非负特征和标签之间的卡方统计量，并且按照卡方统计量由高到低为特征排名，选出前k个分数最高的特征# feature_selection.chi2：计算每个非负特征和标签之间的卡方统计量，标签按照该统计量由高到低为特征排名# feature_selection.SelectKBest：

Filter过滤法特征选择完全独立于机器学习算法，根据各种统计检验中的分数以及相关性的各项指标来选择特征。方差过滤VarianceThreshold：根据特征本身的方差来筛选特征。过滤特征本身的方差很小的特征，所以无论特征工程要做什么，应优先考虑消除方差为0的特征。# 重要参数threshold表示方差的阈值，方差舍弃小于threshold的特征，默认为0from sklearn.feature_selection import VarianceThresholdselector = Varia

三维曲面：import numpy as npfrom matplotlib import pyplot as pltfrom mpl_toolkits.mplot3d import Axes3D#定义坐标轴fig = plt.figure()ax1 = plt.axes(projection='3d')#ax = fig.add_subplot(111,projection='3d') #这种方法也可以画多个子图#定义三维数据xx = np.arange(-5,5,0.5)yy =

代码：# 部署图像处理视频处理def hostFile(f): # 删除原有文件，保证服务器内图片数量限制，从而保证内存足够 if (len(os.listdir(filedir)) > 4): os.remove(filedir + os.listdir(filedir)[0]) os.remove(filedir + os.listdir(filedir)[1]) filename = secure_filename(f.filename

代码如下：import os, sysdirPath = "static/"print('移除前test目录下有文件：%s' %os.listdir(dirPath))#判断文件是否存在if(os.path.exists(dirPath+"20210331222622_66.jpg")): os.remove(dirPath+"20210331222622_66.jpg") print('移除后test 目录下有文件：%s' %os.listdir(dirPath))else:

图片人脸检测：import cv2 as cvimport matplotlib.pyplot as pltplt.rcParams['font.sans-serif']=['SimHei'] # 用来正常显示中文标签plt.rcParams['axes.unicode_minus']=False # 用来正常显示负号# 加载图片，灰度图方式读取img = cv.imread('img/img31.jpg')gray = cv.cvtColor(img,cv.COLOR

字典特征提取：from sklearn.feature_extraction import DictVectorizeralist = [ {'city':"BJ",'temp':33}, {'city':"GZ",'temp':42}, {'city':"SH",'temp':40},]d = DictVectorizer(sparse=False)feature = d.fit_transform(alist)print(d.get_feature_names())

图像噪声：椒盐噪声（脉冲噪声）：随机出现的噪声，成因可能是有影像信号受到突如其来的强烈干扰而产生，类比数位转换器或位元传输错误等。例如失效的感应器导致像素值为最小值，饱和的感应器导致像素值为最大值。高斯噪声：噪声密度函数服从高斯分布的一类噪声。由于高斯噪声在空间和频域中数学上的易处理性，这种噪声(也称为正态噪声)模型经常被用于实践中。高斯随机变量z的概率密度函数由下式给出：均值滤波：采用均值滤波模板对图像噪声进行滤除。令Sxy 表示中心在(x, y)点，尺寸为m×n 的矩形子图像窗口的坐标组。由

粒子群算法：PSO比较有潜力的应用领域有多目标优化，分类，模式识别，决策等PSO存在的问题：应当与其它算法结合，解决PSO易陷于局部最优的问题粒子群“实体”：粒子群算法流程：粒子群更新：速度更新公式：位置更新公式：线性递减权值：wd=wstart-(wstart - wend)x (d/K)d是当前迭代的次数,K是迭代总次数，wstart一般取0.9，wend一般取0.4较大的w有较好的全局收敛能力，较小的w则有较强的局部收敛能力，因此，随着迭代次数的增加，惯性权重w应不断减少

题目描述：算法思想：可设n的最大零数不超过m的划分式个数为q(n,m)初始条件：q(n,0)=0,q(n,1)=1,q(1,n)=1 for(int i=1;i<=s;i++){ q[i][0]=0; q[i][1]=1; q[1][i]=1; }得到递推关系：n-m>m时q(n,m)=q(n,m-1)+q(n-m,m)，n-m<=m时q(n,m)=q(n,m-1)+q(n-m,n-m) for(int i=2;i<=s;i++){ for(i