其他

題目：用兩個隊列實現一個棧。實現兩個函數push和pop，完成從棧頂插入和刪除結點的功能。思路：（1）入棧：總是插入到非空隊列中（2）出棧：將非空隊列中的前n-1個元素依次出隊列push進空隊列中，然後將最後一個元素出隊列，完成出棧操作。C++代碼：#include "stdafx.h"#include <iostream>#include <deque>#include <assert.h>using namespace std;//

轉自：http://blog.csdn.net/lyflower/article/details/1728642 文本分類中KNN演算法，該方法的思路非常簡單直觀：如果一個樣本在特徵空間中的k個最相似(即特徵空間中最鄰近)的樣本中的大多數屬於某一個類別，則該樣本也屬於這個類別。該方法在定類決策上只依據最鄰近的一個或者幾個樣本的類別來決定待分樣本所屬的類別。   KNN方法雖然從原理上也依賴於極限定理，但在類別決策時，只與極少量的相鄰樣本有關。因此，採用這種方法可以較好地避免樣本的不平衡問題。另外

旋轉數組的特點：（1）遞增排序的數組旋轉之後的數組可劃分為兩個排序的子數組；（2）前面的子數組的元素都大於或等於後面子數組的元素；（3）最小的元素剛好是兩個子數組的分界線；（4）旋轉數組在一定程度上是有序的；       在有序的數組中可以用二分尋找實現O(logn)的尋找，我們也可用二分尋找的思想尋找旋轉數組的最小數字。思路：1. 設定兩個指標，初始狀態第一個指標指向前面子數組的第一個元素，第二個指標指向後面子數組的最後一個元素；2.

二叉排序樹（Binary Sort Tree）又稱二叉尋找樹。 它是一棵空樹，或者是具有下列性質的二叉樹： （1）若左子樹不空，則左子樹上所有結點的值均小於它的根結點的值； （2）若右子樹不空，則右子樹上所有結點的值均大於它的根結點的值； （3）左、右子樹也分別為二叉排序樹；二叉排序樹是一種動態樹表。vs2008運行正確，如有誤，請各位大牛指正！實現代碼如下：// MyBiSortTree.cpp : 定義控制台應用程式的進入點。//

今天看了一篇文章，用稀疏表示進行映像分類。現如今，大家都在往稀疏表示這個大坑裡灌水，真的是如火如荼啊~師兄也準備搞關於稀疏表示的論文，我也就站在稀疏表示的大門口準備向裡面張望一下~結果就被老劉逼著趕緊改那篇不靠譜的電腦轉機械應用的論文，我嘞個去，逼死我吧~以上均屬個人吐槽，各位看官表介意哈~   l文章出處ØCVPR10（oral）l相關文章ØYang et al. Linear spatial pyramid matching using sparse coding for image

原文：http://blog.csdn.net/yao_zhuang/article/details/2532279 下載cvgabor.cpp和cvgabor.h到你的C/C++工程目錄下註：在我的資源中有改進過的cvgabor類   

網上看到一個很有意思的利用opencv實現映像融合的方法：1.設計一個mask（一半全1，一半全0），並計算level層的gaussion_mask[i]；2.計算兩幅映像每一層的Laplacian[i]，並與gaussion_mask[i]相乘，合成一幅result_lapacian[i]；3.對兩幅映像不斷求prydown，並把最高層儲存在gaussion[i],與gaussion_mask[i]相乘，合成一幅result_gaussion;4,對result_gaussion不斷求pryu

由於本人能力有限，本文參考另一位大牛的代碼，在此對他表示感謝！vs2008運行正確，如有誤，請各位大牛指正！// BiTree.cpp : 定義控制台應用程式的進入點。//三叉鏈表實現二叉樹，有雙親域#include "stdafx.h"#include <iostream>using namespace std;const int MaxBTreeSize = 20;template<class T>//二叉樹節點類class BTNode{public:T data;

代碼：#include "stdafx.h"#include <iostream>#include <deque>using namespace std;struct BinaryTreeNode{int m_nValue;BinaryTreeNode *m_pLeft;BinaryTreeNode *m_pRight;};void PrintFromTopToDown(BinaryTreeNode *pRoot){if (pRoot == NULL){return;}

vs2008運行正確，如有誤，請各位大牛指正！// LinkList.cpp : 定義控制台應用程式的進入點。//#include "stdafx.h"#include <iostream>using namespace std;template<class T>struct Node{T data; //結點的資料域Node<T>* next; //結點的指標域，指向下一個結點};template<class T>class LinkList

因本人能力有限，參考了另一位大牛的代碼，在此向他表示感謝！vs2008運行正確，如有誤，請各位大牛指正！// CSTree.cpp : 定義控制台應用程式的進入點。//孩子兄弟標記法實現樹#include "stdafx.h"#include <iostream>using namespace std;const int MaxCSTreeSize = 20; //結點類template<class T>class

前三種方式轉載：http://blog.csdn.net/onezeros/article/details/6342567 第一種：RGB color space第二種：RG color space第三種：Ycrcb之cr分量+otsu閾值化第四種：YCrCb中133<=Cr<=173 77<=Cb<=127第五種：HSV中 7<H<29 下一步需要濾波操作 因為檢測結果中有許多瑕疵#include "highgui.h"#include "cv.h"//

一、替換空格請實現一個函數，把字串中的每個空格替換成“%20”。例如輸入“We are

 HOG即histogram of oriented gradient, 是用於目標檢測的特徵描述子，該技術將映像局部出現的方向梯度次數進行計數，該方法和邊緣方向長條圖、scale-invariant feature transform類似，不同的是hog的計算基於一致空間的密度矩陣來提高準確率。Navneet Dalal and Bill

在微博裡看到被分享的一篇文章，收藏在這裡，慢慢學習~統計機器學習理論 夏粉 目前機器學習的一個比較熱門的方向是統計機器學習（另外一個可能是圖模型，按照Jordan的說法是統計機器學習屬於頻率主義，而圖模型屬於貝葉斯主義），

Minimum Edit Distance 問題 解法一：對於不同的字串，判斷其相似性。          定義了一套操作方法來把兩個不相同的字串變得相同，具體的操作方法為：　　1.修改一個字元（如把“a”替換為“b”）　　2.增加一個字元（如把“abdd”變為“aebdd”）　　3.刪除一個字元（如把“travelling”變為“traveling”）　　 定義：把這個操作所需要的最少次數定義為兩個字串的距離，而相似性等於“距離+1”的倒數採用遞迴的思想將問題轉化成規模較小的同樣的問題。u  

常用的插值方法                                                                                                                                                        1、最鄰近元法　　這是最簡單的一種插值方法，不需要計算，在待求象素的四鄰象素中，將距離待求象素最近的鄰象素灰階賦給待求象素。設i+u, j+v(i, j為正整數， u,

不同映像灰階不同，邊界處一般會有明顯的邊緣，利用此特徵可以分割映像。需要說明的是：邊緣和物體間的邊界並不等同，邊緣指的是映像中像素的值有突變的地方，而物體間的邊界指的是現實情境中的存在於物體之間的邊界。有可能有邊緣的地方並非邊界，也有可能邊界的地方並無邊緣，因為現實世界中的物體是三維的，而映像只具有二維資訊，從三維到二維的投影成像不可避免的會丟失一部分資訊；另外，成像過程中的光照和雜訊也是不可避免的重要因素。正是因為這些原因，基於邊緣的映像分割仍然是當前映像研究中的世界級難題，目前研究者正在試圖

據說，OpenCV高版本已經把粒子濾波的CV方面的condensation演算法給去掉了，以前學的condensation演算法不能用C++開發還是只能用C版本，（以前的一篇粒子濾波實現滑鼠跟蹤）。要想用粒子濾波跟蹤倒是可以利用http://web.engr.oregonstate.edu/~hess/提供的粒子濾波代碼Particle Filter，粒子濾波其實有很多變種，Rob Hess實現的這種應該是最基本的一種，Sampling Importance Resampling

各種排序演算法的簡單比較1.穩定性比較插入排序、冒泡排序、二叉樹排序、二路歸併排序及其他線形排序是穩定的選擇排序（從代碼看，有位置置換）、希爾排序、快速排序、堆排序是不穩定的2.時間複雜性比較插入排序、冒泡排序、選擇排序的時間複雜性為O(n2)其它非線形排序的時間複雜性為O(nlog2n)線形排序的時間複雜性為O(n);3.輔助空間的比較線形排序、二路歸併排序的輔助空間為O(n),其它排序的輔助空間為O(1);4.其它比較插入、冒泡排序的速度較慢，但參加排序的序列局部或整體有序時，這種排序能達到