z6491679的专栏

dijkstra算法

graph cut下载地址 maxflow3.01使用方法：//初始化GC图 Graph< typename captype, typename tcaptype, typename flowtype > g；这里的3个type必须要相同，不然会报unresoveled external的错误//增加节点，返回标号 int vtxInd = g.add_node()//增加n-links，这

一、简介隐马尔科夫比马尔科夫多的一个东西就是随机变量不止一个了，而是分为了多个随机变量： 1、观测变量Ot：此变量仅由St决定，即仅有当前状态决定。 2、隐变量St:此变量满足马尔科夫性，可能有多个。 那么由此多了混淆矩阵（Confusion Matrix）：即P（St -> Ot）,就是隐状态到观测状态转移矩阵。其他的如初始状态，状态转移矩阵和马尔科夫一样。二、3个问题1、评估问题。

解： 欧拉通路：遍历所有的边的一条路径 存在的充要条件： 2个点一个点出度大于入度（起始点），一个点入度大于出度（终止点） 或 所有点出度=入度（欧拉回路） 欧拉回路：遍历所有的边并回到初始点的一条回路 存在的充要条件： 所有点出度=入度（欧拉回路）此题即遍历所有的边的一条路径，并不一定要回到JFC，所以是求欧拉通路问题，用dfs其实就是套圈法： 1、用dfs一延边找点，由于题目说要

Given a non negative integer number num. For every numbers i in the range 0 ≤ i ≤ num calculate the number of 1’s in their binary representation and return them as an array.Example: For num = 5 you sh

1.介绍　　作为纹理合成的方法，PatchMatch利用图片中的其他区域来恢复边缘区域，想法很合理。并且在实现上巧妙的利用了offset这样一个信息，使得计算上也不算复杂。此为Barnes et al 的得意之作，去年他在我方圆3米的距离坐了2个月都没和他交流，真是暴殄良机，心塞。人总是失去了才知道珍惜- -。1.1块（Patch）　　图像一片正方形的区域，如3x3,5x5,此为PatchMatch

利用gcd（a，b） = gcd（a，a % b）其中a > b.int gcd(a,b){ return b == 0? a : gcd(a,a % b);}这也是辗转相除法，可以证明： 假设gcd(a,b) = c,则a = mc,b = nc，且n、m互质 令a%b = r，则 r + x * nc = mc =》r = （m - x*n）c =》所以r也有c这个因子，由

解动态规划最重要的步骤个人觉得是找出描述子问题的数据结构，记住里面存储的是子问题的最终结果，而不是一个中间值。问题一：硬币找零假设有几种硬币，如1、3、5，并且数量无限。请找出能够组成某个数目的找零所使用最少的硬币数。解：找子结构，设sum[N]为找N元所需的最小硬币数，则若最后一个是找的3元，则sum[N - 3]一定是找N-3元钱所需硬币数的最优解，即： 　　　　　　　　　　　sum[N] =

HOG特征提取，HOG特征是图像梯度方向的直方图，且是对window进行的处理，是局部feature，提取的是一个window的特征，参数主要有winsize，blocksize，cellsize，runpatchsize，其中win最大，里面包含多个block,block里面一般包含4个cell。在进行人体检测的时候，就是通过不断滑动窗口来进行特征的匹配然后找到人所在的位置。

int find_intersect_area(Rect a, Rect b){ //(x11,y11)(x12,y12)为矩形a对角线上的端点 //(x21,y21)(x22,y22)为矩形b对角线上的端点 int x11 = a.x; int x12 = a.x + a.width; int y11 = a.y; int y12 = a.y +

此为动态规划的思想，通过比较dist[i][j]与dist[i][k] + dist[k][j]来选择，而且k必须是外层循环，因为其是以k为子问题的，如果k在最里层，则很多子问题都没有算到。图的表示是矩阵表示，无直接边则为INF，自己到自己的距离为0.//dist初始时有边的为正值，无边为INF，mid初始时都为0；mid的值应该是j的直接前驱，即i->……->mid->jvoid graph::

最大流：从s->t可以通过的最大流量 最小割:将图用一条直线切断，并将s和t分到不同的2边，此为一个割，割会经过图中的边，这些边的容量（只算从s->t方向的）总和为c，当c最小时，此割即为最小割.可以证明，最大流=最小割的容量！（这就是Ford_Fulkerson定理）.Ford_Fulkerson方法此为求最大流的基本方法，通过在残留网络中找增广路径不断迭代来求解最大流，在寻找增广路径的时候会有

Bellman-Ford算法是通过Relax边来实现的，由于最短无负权回路的路径应该最多有V-1条边，所以一共执行V-1次Relax操作即可，而且注意，每次Relax操作都只是基于上一次Relax操作之后的图，和这次Relax中已经Relax了的节点毫无关系（这个是重点！）. 检查负权回路原理：若有负权回路，则经过V-1次relax之后relax还能减小消耗（路径值不会收敛）bool graph:

图的DFS算法对于每一个图节点u有2个重要的时间d[u]和f[u],分别代表找到u的时间(其变为灰色节点的时间)以及u完成的时间（其变为黑色节点的时间）. f[u]越大可能其在最上面（树根处），所以要等其所有子孙都完成其才能完成.1、拓扑排序对于一个图，找拓扑排序的方法就是通过按照完成时间f[u]的递减顺序即为一个拓扑排序:void graph::topology(int start,queue<

图：struct Edge{ Point start; Point end;};class graph{private: int edge[1000][1000]; Edge edge_set[1000]; int Pnum = 0; int Enum = 0; Point pset[1000];public: graph() {

3.1. Procedure. Given a simple graph G with n vertices and a vertex cover C of G, if C has no removable vertices, output C. Else, for each removable vertex v of C, find the number ρ(C−{v}) of removable

问题：在空间中有n个点，寻找空间中最近的2个点。 法一：遍历，O（n^2） 法二：分治算法： 将点分为左右两半，分别找到最近的2个点，然后考虑交叉位置的点对中的最小距离，在这3者中取最小的那个。O（nlogn）。步骤： 1. 按照x轴排序 2. 找到中间点，分别进行处理 3. 2边处理完成，将进行“merge”过程，先将点按照y轴升序，然后向上找7个点算距离比较即可，如果只看另一侧的话应

排序算法分析（都以从小到大为例）： 1、Insertsort:（原地排序） 最坏情况：从大到小排列（逆序），6,5,4,3,2,1, 比较（移动次数要乘以3）次数=n*(n - 1) / 2; 最好情况:从小到大排列（正序），1,2,3,4,5,6，比较次数 = n； 平均情况：与最坏情况一样，为Θ（n^2）. 算法稳定。void insertsort(unsigned long *a,i