本题将单词链转化为有向图欧拉路径问题：每个单词为一条从首字母到尾字母的边。通过统计各字母出入度差，判断是否存在欧拉路径（至多一个出度比入度大1的起点，一个入度比出度大1的终点）。将单词按字典序排序，优先选择字典序小的边进行DFS搜索，确保找到字典序最小的完整词链。若无解则输出***。时间复杂度为$O(n \log n)$，适用于$n \leq 1000$。

本题为带方向的最短路径问题，机器人直径1.6米，中心位于格点，占据2×2区域。需预处理可行中心点（四角均无障碍）。状态包含位置与朝向，用BFS求解。支持前移1~3步或左右转，每步耗时1秒。通过状态扩展，优先到达终点即返回最小时间，无法到达则输出-1。时间复杂度为O(NM)，适用于50×50网格。

本题为KMP算法的综合应用，要求在文本串中找出模式串的所有出现位置，并求出模式串每个前缀的最长border长度。通过构建模式串的前缀函数（π数组），可同时解决两个问题：π数组直接给出各前缀的最长border长度；利用该数组进行KMP匹配，高效找出所有出现位置（1-based）。时间复杂度O(|S₁|+|S₂|)，空间复杂度O(|S₂|)，适用于大规模数据。代码实现简洁，充分体现了KMP算法的高效性

本文介绍了SoC实验所需的软件安装方法，主要包括两部分内容：1)在Windows系统下安装Vivado 2019.2开发工具，详细说明了从官网或百度网盘下载安装包、解压安装、版本选择和配置参数的完整流程；2)在WSL2环境下安装Ubuntu 22.04.5操作系统，并建议配合VSCode的WSL插件进行代码编辑。文章提供了各步骤的界面截图和参考链接，帮助用户顺利完成实验环境的搭建。Vivado安装

摘要： 题目要求在n×n棋盘上将m个互不攻击的车移动到主对角线上，每次移动后需保持无互相攻击状态。通过分析，将车辆坐标(x,y)视为行到列的映射，形成置换环结构。使用并查集统计自环数ok（x=y）和新增环数c，最小步数公式为m-ok+c。并查集路径压缩确保高效处理，时间复杂度接近线性。代码实现简洁，通过合并行列节点并统计环数，直接套用公式输出结果，适用于大规模数据（n≤1e5）。 关键词： 并查集

题目要求为小红设计一个击打柱子的顺序，使得每次击打都符合小紫给出的可能性。通过构建二分图模型，将击打位置与柱子匹配，使用匈牙利算法求解完美匹配。若匹配数等于n则存在合法解，否则判定无解。代码实现中，每个柱子最多2个选择，保证了算法效率。最终输出匹配结果或"kou is angry"表示无解。该解法高效处理了大规模数据情况，满足题目要求。

项目摘要： 本项目开发一款基于深度学习的手写体数字签名小程序，实现高效精准的数字签名识别与管理。系统采用卷积神经网络（CNN）进行手写数字识别，在MNIST数据集上达到高准确率，并集成OpenCV改进多位数分割算法。通过PyQt5构建本地化桌面应用，结合MySQL实现签名数据的安全存储与权限管理。创新性地将AI识别技术与电子签名场景结合，支持双角色用户体系，满足企业内部审批、金融业务等场景需求。相

本文档提供了CQUT计算机视觉方向49个课程项目选题的详细指导。项目涵盖人脸识别、图像识别、目标检测等6大方向，要求以完整系统形式呈现，融合深度学习与大模型技术。所有项目需满足自建数据集、技术创新、系统化开发等核心要求，禁止简单复现。文档详细列出了各方向具体题目（如考勤系统App、毒蘑菇识别小程序等），并规定了项目时间节点（14周发布、16周选题、19周结题）和格式要求。特别强调项目需在数据、模型

本次实验基于YOLO模型实现目标检测任务，主要内容包括：1)搭建YOLOv5/v8/v11环境并配置Labelme标注工具；2)通过扩充不平衡数据集（增加不戴口罩人脸样本）提升检测性能；3)测试模型并计算精确率、召回率等指标；4)扩展应用至红绿灯或行人检测。实验过程涵盖数据准备、标注转换、模型训练与评估全流程，通过JSON转YOLO格式、数据集划分等预处理步骤，构建了完整的口罩检测系统，最终输出混

本次实验围绕图像分类任务展开，主要包含四个部分：1)基于SVM的CIFAR-10分类及自定义数据测试；2)基于深度学习的CIFAR-10分类及测试；3)构建红叶数据集并进行模型测试；4)处理RoboCup2024视频数据分类。实验采用Python环境，使用HOG+PCA+SVM和CNN两种方法，通过特征提取、模型训练和测试验证等步骤实现图像分类。重点比较了传统机器学习与深度学习方法的效果差异，并针