演算法學習記錄
2018.10.17 二維凸包
2018.10.18 樹形DP
2018.10.20 矩陣乘法
2018.10.25 單源最短路,最小生成樹
2018.10.26 並查集,區間DP
2018.11.2 樹狀陣列,無懶標記線段樹
2018.11.4 單調佇列,狀態壓縮DP,網路最大流
2018.11.5 優先佇列
2018.11.7 最小割,二叉堆
2018.11.10 LCA,倍增,RMQ,線段樹
2018.11.12 ST表,數位DP,堆優化的Dijkstra
2018.11.14 裴蜀定理,矩陣加速
2018.11.19 種類並查集
2018.11.20 LCS,滾動陣列,KMP
2018.11.21 模擬退火
2018.12.4 凸多邊形相交問題
2018.12.6 AC自動機
相關推薦
演算法學習記錄
2018.10.17 二維凸包 2018.10.18 樹形DP 2018.10.20 矩陣乘法 2018.10.25 單源最短路,最小生成樹 2018.10.26 並查集,區間DP 2018.11.2 樹狀陣列,無懶標記線段樹 2018.11.4 單調佇列,狀態壓縮DP,網路最大流 2018.11.5 優先佇
lca倍增演算法學習記錄
找最近公共父節點這問題很容易想到讓兩節點一起往上走最後相遇,但這樣的dfs顯然很慢,於是就需要倍增。就是用二進位制的思維,以1,2,4,8等2的階層步長接近答案,比一步一步向上要快很多。 所以要dfs出來點的2^k的父親節點與該節點的深度。 找lca時先將下
資料結構與演算法——學習整理記錄
===注:此文由本人結合網上資源整理總結而來,僅代表個人的學習與理解,如有錯漏,歡迎指正!=== # 1. 資料結構 ## 1.1 資料結構是什麼? 資料結構,直白地理解,就是研究資料的邏輯關係與儲存方式的一門學科。 可以簡單的分為:資料的邏輯結構(邏輯關係)和資料的儲存結構(物理結構
【資料結構與演算法經典問題解析--java語言描述】_第20、21章_學習記錄
【資料結構與演算法經典問題解析--java語言描述】_第20、21章_學習記錄 第20章: 第21章: 1.1 本章主要介紹的是對於面試和考試有用的話題 1.2 位運算的使用 1.2.1 按位與操作
Pow(x, n)演算法實現_學習記錄
pow(x, n)演算法實現_學習記錄 package ps; /** * @author Guozhu Zhu * @date 2018/11/10 * @version 1.0 * */ public class Demo { /* ===========
密碼庫LibTomCrypt學習記錄——(2.3)分組密碼演算法的工作模式——ECB程式碼示例
以下程式碼實現了AES-ECB的正確性測試(標準測試資料),以及效能測試 說明: 1. 程式碼裡面使用了一個Str2Num函式,它將測試向量中的字串轉為十六進位制位元組資料,可自行實現。 2. 測試向量出處為NIST SP 800-38A (Recommendation for Bloc
【資料科學系統學習】機器學習演算法 # 西瓜書學習記錄 [7] 支援向量機(一)
這兩篇內容為西瓜書第 6 章支援向量機 6.1,6.2,6.4,6.3 的內容: 6.1 間隔與支援向量 6.2 對偶問題 6.4 軟間隔與正則化 6.3 核函式 由於本章內容較多,分為兩篇來敘述。本篇所包含內容為間隔與支援向量和對偶問題。 如移動端無法正常
【資料科學系統學習】機器學習演算法 # 西瓜書學習記錄 [8] 支援向量機(二)
這兩篇內容為西瓜書第 6 章支援向量機 6.1,6.2,6.4,6.3 的內容: 6.1 間隔與支援向量 6.2 對偶問題 6.4 軟間隔與正則化 6.3 核函式 由於本章內容較多,分為兩篇來敘述。本篇所包含內容為軟間隔與正則化和核函式。關於間隔與支援向量和
【資料科學系統學習】機器學習演算法 # 西瓜書學習記錄 [9] 決策樹
本篇內容為西瓜書第 4 章決策樹 4.1,4.2,4.3 的內容: 4.1 基本流程 4.2 劃分選擇 4.3 剪枝處理 如移動端無法正常顯示文中的公式,右上角跳至網頁即可正常閱讀。 決策樹 (decision tree) 是一種基本的分類與迴歸方法。在分類問
【資料科學系統學習】機器學習演算法 # 西瓜書學習記錄 [10] 決策樹實踐
本篇內容為《機器學習實戰》第 3 章決策樹部分程式清單。所用程式碼為 python3。 決策樹優點:計算複雜度不高,輸出結果易於理解,對中間值的缺失不敏感,可以處理不相關特徵資料。缺點:可能會產生過度匹配問題。適用資料型別:數值型和標稱型 在構造決策樹時,我們需要
【資料科學系統學習】機器學習演算法 # 西瓜書學習記錄 [11] 整合學習
本篇內容為西瓜書第 8 章整合學習 8.1 8.2 8.3 8.4 8.5 的內容: 8.1 個體與整合 8.2 Boosting 8.3 Bagging與隨機森林 8.4 結合策略 8.5 多樣性 如移動端無法正常顯示文中的公式,右上角跳至網頁即可正常閱讀。
【資料科學系統學習】機器學習演算法 # 西瓜書學習記錄 [12] 整合學習實踐
本篇內容為《機器學習實戰》第 7 章利用 AdaBoost 元演算法提高分類效能程式清單。所用程式碼為 python3。 AdaBoost優點:泛化錯誤率低,易編碼,可以應用在大部分分類器上,無引數調整。缺點:對離群點敏感。適用資料型別:數值型和標稱型資料。 bo
機器學習實戰----kNN近鄰演算法問題記錄
1.import kNN。報錯:only 2 non-keyword arguments accepted 原因:group =array([1.0,1.1],[1.0,1.0],[0,0],[0,0.1]) 粗心少寫了兩個中括號 正確寫法: group=array([
關於CNN行為識別演算法的學習記錄
最近需要做一點行為識別相關的專案,於是把行為識別類的演算法(特別是基於CNN的演算法)調研了一遍。 到目前為止,CNN行為識別類的演算法主要都是基於雙流和3D卷積兩種方法,近年來,融合使用光流和C3D的演算法逐漸增多(I3D),也有的演算法使用瞭如RGB Diffieren
密碼庫LibTomCrypt學習記錄——(2.12)分組密碼演算法的工作模式——OMAC認證模式
OMAC OMAC是一種認證模式,LibTomCrypt中涉及的OMAC,而NIST中提到的是CMAC。它們之間的關係是這樣的: 為避免基本的MAC演算法CBC-MAC存在的安全缺陷,Black和Rogaway對其進行了改進,提出了避免CBC-MAC安全缺陷的XCBC演算法。Iwa
密碼庫LibTomCrypt學習記錄——(2.11)分組密碼演算法的工作模式——CTR程式碼示例
以下程式碼實現了CBC的正確性測試(標準測試資料) 說明: 1. 程式碼裡面使用了一個Str2Num函式,它將測試向量中的字串轉為十六進位制位元組資料,可自行實現。 2. 測試向量出處為NIST SP 800-38A (Recommendation for Block Cipher &n
密碼庫LibTomCrypt學習記錄——(2.9)分組密碼演算法的工作模式——OFB程式碼示例
OFB加密檔案示例 //#include <Windows.h> #include <stdio.h> #include <stdlib.h> #include "tomcrypt.h" #include "TestMode.h" //#
密碼庫LibTomCrypt學習記錄——(2.5)分組密碼演算法的工作模式——CBC程式碼示例
以下程式碼實現了CBC的正確性測試(標準測試資料) 說明: 1. 程式碼裡面使用了一個Str2Num函式,它將測試向量中的字串轉為十六進位制位元組資料,可自行實現。 2. 測試向量出處為NIST SP 800-38A (Recommendation for Block Cipher &n
密碼庫LibTomCrypt學習記錄——(2.10)分組密碼演算法的工作模式——CTR模式
CTR是對序列號加密後與明文或者密文異或。這種方式被後面的很多工作模式所採用。 參考文獻 NIST SP 800-38A CTR加解密 CTR加密 記每個塊用到的計數器為T1,T2,Tn,要求每個計數器值各不相同 Oj = CIPHK(Tj) for j
密碼庫LibTomCrypt學習記錄——(2.8)分組密碼演算法的工作模式——OFB模式
OFB是一種加密模式。CFB和OFC工作模式中,密碼演算法象流密碼一樣生產出金鑰流供異或名密文用。 參考文獻 NIST SP 800-38A OFB加解密 OFB 加密 I1 = IV; Ij = Oj -1