其他

　　Kmeans是最簡單的聚類演算法之一，應用十分廣泛，Kmeans以距離作為相似性的評價指標，其基本思想是按照距離將樣本聚成不同的簇，兩個點的距離越近，其相似性就越大，以得到緊湊且獨立的簇作為聚類目標。本文參考PRML一書，詳細講解Kmeans聚類的原理以及映像分割應用。 1. 基本原理 　　給定 D D維歐幾裡得空間的一組資料 {x1,...,xN} \left\{ {{x_1},...,{x_N}}

1. 什麼是知識圖譜     在互連網時代，搜尋引擎是人們線上擷取資訊和知識的重要工具當使用者輸入一個查詢詞，搜尋引擎會返回它認為與這個關鍵詞最相關的網頁。從誕生之日起，搜尋引擎就是這樣的模式，直到2012年5月，搜尋引擎巨頭Google在它的搜尋網頁面中首次引入“知識圖譜”：使用者除了得到搜尋網頁連結外，還將看到與查詢詞有關的更加智能化的答-案。如下圖所示，當使用者輸入“Marie

顔面蒼白（そうはく）をもじった「顔面総白」の創作四字熟語が登場したのは２００９年だった。新型インフルエンザが日本に「上陸」して流行し、マスクが売り切れに。白いマスク顔が街にあふれて外國人観光客を驚かせた▼初夏からの流行に、「マスクは冬の風物詩ではなくなった」という聲も聞こえてきた。保育所が休業したり、修學旅行の中止が生徒を泣かせたり。ピリピリして身構えた記憶がよみがえる、韓國のウイルス禍である▼中東呼吸器癥候群（ＭＥＲＳ（マーズ））コロナウイルスの感染者は増えて、死者は１６人を數える。社會不安は

擷取當前placeSpuList所有placeId 1、List<Long> l = placeSpuList.getPlaceSpuList().stream().map(p -> Long.parseLong("" + p.getPlaceId() + "")).collect(Collectors.toList()); list進行逗號分隔 2、List<Long> listIds =

前言 本文以群論的一些基本概念及定理證明為主,且多為資訊學競賽所應用,如有不當之處,還望指正 本文對burnside引理與Polya定理僅作引入與證明,達到初步理解的目的,不作深入討論,具體題目和實現方法會在以後的博文中有所提及 定義 如果從公式化地來說，群G是一個定義在二元組 (S,⋅) (S,·)的代數結構 S S是一個集合, ⋅

有的時候調試會出現這種問題： 然後斷點就不會中斷了。 解決方案： 比較常見的是 1.工具->選項->調試->常規->要求源檔案與原始版本完全符合的勾取消。 2.嘗試重新編譯項目 , 因為項目未重新編譯過的話其中更改的代碼就不會生效（這種情況主要在"附加到進程“的調試方法中出現）。 3.依賴項目更改 , 需要重新編譯這幾個關聯項目。 4.別調成Release格式產生了： 用Debug才行： 。

五、OpenFlow 表         這一部分描述了構成流表和組表的組件，同時也包括了流表“匹配”的機制和“動作”處理。 5.1 管線處理流程         服從OpenFlow協議的交換器可以分為兩大類：一類是 OpenFlow-only

本文詳細介紹PCA原理，主要參考PRML一書。 PCA也叫Karhunen-Loève transform(KL變換)，或Hotelling transform(霍特林變換)，是一種無監督學習方法，常用於高維資料的降維，通過線性變換將未經處理資料變換為一組各維度線性無關的表示，可用於提取資料的主要特徵分量。

樹的重心（質心）：對於一顆n個節點的無根樹，找到一個點，使得把樹變成以該節點為根的有根樹時，最大節點數最少。換句話說，刪除這個節點後最大連通塊（一定是樹）的節點數最少。 PS:首先要知道什麼是樹的重心,樹的重心定義為:找到一個點,其所有的子樹中最大的子樹節點數最少,那麼這個點就是這棵樹的重心,刪去重心後，產生的多棵樹儘可能平衡.

系統預設的普通間距就是系統的clearance(10mil)，可是預設普通出來的話間距太小了，於是乎可以建立一個普通規則，但是要注意你所建立的鋪銅規則優先順序永遠在預設優先順序之前（比如你的polygon clearance優先順序是1，那麼預設clearance的優先順序就得是2），在建立其他規則時也是如此。還有一些其他的鋪銅串連方式等等在我的另一篇部落格中有寫到（http://blog.csdn.net/hot__rain）。具體操作見下圖：

A string is binary, if it consists only of characters “0” and “1”. String v is a substring of string w if it has a non-zero length and can be read starting from some position in string w. For example, string “010” has six substrings: “0”, “1”, “0”,

這是都需要算gap的排序演算法 希爾排序的gap是越來越小的 而歸併排序的gap是越來越大的 例子：假如有11個數 希爾排序的順序是 gap=11/2=5（0、5、10）（1、6）（2、7）（3、8）（4、9） gap=5/2=2 （0、2、4、6、8、10）（1、3、5、7、9） gap=2/2=1 （1、2、3、4、5、6、7、8、9、10） 歸併排序的順序是 gap=2 （0、1）（2、3）（4、5）（6、7）（8、9）(10） gap=2*2 =4 （0、1、2、

Tesseract的曆史 Tesseract是一個開源的OCR引擎，惠普公司的布裡斯托爾實驗室在1984-1994年開發完成。起初作為惠普的平台掃描器的文字識別引擎。Tesseract在1995年UNLV OCR字元識別準確性測試中拔得頭籌，受到廣泛關注。後來HP放棄了OCR市場。在1994年以後，Tesseract的開發就停止了。

用很有趣的方法做了這道題。 標算非常厲害，並沒有想到。。 考慮求眾數為x的區間數量，由序列a構造序列b， bx(i)=−1+2∗[a(i)==x] b_x(i)=-1+2*[a(i)==x]，作首碼和 sx(i)=sx(i−1)+b(i) s_x(i)=s_x(i-1)+b(i)。 ans=∑x=0n−1∑1≤j<i≤n[sx(i)>sx(j)] ans=\sum_

題目：設計風景線   題意：給定一個無向圖，圖可能是非連通的，如果圖中存在環，就輸出YES，否則就輸出圖中最長鏈的長度。   分析：首先我們得考慮這是一個無向圖，而且有可能是非連通的，那麼就不能直接像求樹那樣來求最長鏈。對於本題，首先得 判斷環，在這裡我們就用並查集判環，因為並查集本身就是樹型結構，如果要串連的兩點的祖先都相同，那麼就已經有環了，

題意：構造一個點數不超過20無重邊無自環的有向圖，節點編號從0到n-1，使得從0到n-1的哈密頓路徑數量恰好為k。 感覺完全沒有思路。。不知道怎麼構造。 去看了下別人的代碼，原來可以做成1<-2<-…<-18一條路徑，然後1-18都向編號比它大的節點連邊。這樣的話往回走就只有唯一的路徑，所以假如說我當前在i，走到了j，j>i，那麼就需要立刻從j到j-1直到i+1，然後再往後走。這樣就相當於每個節點有選或不選兩種狀態，如果選的話就是從前面第一個比它小的選的節點跳過來，

       在搜尋系統中，最常遇到的一個需求就是排序，同時排序也是搜尋引擎需要改造最多的地方。 常見排序一般有如下兩類： （1）按照相似性匹配得分排序 （2）按照指定欄位排序    

轉載：http://blog.csdn.net/shiqi_614/article/details/7985547 題意：給你兩個操作，，“1 a b k c”表示在區間[a,b]內位置滿足（i-a）%k=0的數加上c，k的範圍在1到10之間。“2 a”表示查詢第a個數。

http://acm.hdu.edu.cn/showproblem.php?pid=5176 題意： 計算 Σcalc(i,j)∀i,j∈[1,n] \Sigma calc(i, j)\quad\forall i, j\in[1, n] 其中calc(i, j)表示i節點和j節點直間最長邊長度減去最短邊長度的值 思路： 類似與kruskal求最小產生樹，按邊權從小到大排序

//建立一個BitmapData對象，儲存可視對象（mc）的資料 var bd:BitmapData=new BitmapData(picMc.width,picMc.height,true,0x00); bd.draw(mc); var barr:ByteArray=PNGEncoder.encode(bd); //儲存 so = SharedObject.getLocal("testImg"); so.data.testImg = barr;