散列表的基本概念散列存储散列方法（杂凑法）散列函数（杂凑函数）：散列方法中使用的转换函数散列表（咋抽表）：按上诉思想构造的表冲突：不同的关键码映射到同一个散列地址同义词：具有相同函数值的多个关键字就互称为同义词（如上，23和9计算出来的散列地址一样，出现了冲突，并且其互称为同义词）散列函数的构造构造散列函数考虑的因素构造散列函数的要求...

许久没有写博客记录笔记，最近在看推荐系统的相关模型，网站的资料以及非常完善了，这里用这篇博客来汇总推荐系统中一些经典的排序模型（推荐系统从算法层面上可以细分为多个阶段：物料库——召回——粗排——精排——重排）这里介绍的模型就是一些排序模型。简单来说，就是将问题转化为CTR预测任务，以概率来对需要推荐不同的商品进行排序。以下资料是根据参考资料的浓缩摘抄，只针对我个人以后的温故知新，想了解详细细节可以

最小生成树1、概念生成树（要求连通但是没有回路）一个图可以有许多颗不同的生成树所有生成树的共同特点：生成树的顶点个数与图的顶点个数相同生成树是图的极小连通子图，去掉一条边则非连通一个有n个顶点的连通图的生成树有n-1条边在生成树中再加一条边必然形成回路生成树中任意两个顶点间的路径是唯一的含n个顶点n-1条边的图不一定是生成树构造生成树的思路（以无向图的生成树...

BF算法bf算法其实只是普通的模式匹配算法。BF算法的思想：将目标串S的第一个字符与模式串T的第一个字符进行匹配，若相等，则继续比较S的第二个字符和 T的第二个字符；若不相等，则比较S的第二个字符和T的第一个字符，依次比较下去，直到得出最后的匹配结果。BF算法是一种蛮力算法。代码如下：//BF算法遍历母字符串查找子字符串//mom：母串son：子串//mompos：母串遍历的位置...

如有错误，恳请指出。文章目录1. Introductionpaper：Soft Anchor-Point Object Detection摘要：目前anchor-free目标检测算法取得了比较大的进步，anchor-free算法可以分为两种：一种是关键点检测（keypoint detection），eg：cornernet检测左上角与右下角，centernet检测中心点与4条边，都属于这种。另外一

下面是一个例子，根据啤酒中配料含量的不同进行聚类，以划分出不同品牌的啤酒1、导入数据并处理import pandas as pdbeer = pd.read_csv('E:/学习/机器学习/配套代码和数据集/跟着迪哥学.002/第16章：聚类实例/聚类实例/聚类算法/data.txt', sep=' ')beernamecaloriessodiumalcoholcost

%matplotlib inlineimport matplotlib.pyplot as pltimport numpy as npKNN算法中，其算法参数是K，参数选择需要根据数据来决定。K值越大，模型的偏差越大，对噪声数据越不敏感，当K值很大时，可能造成模型欠拟合；K值越小，模型的方差就会越大，当K值太小，就会造成模型过拟合。K-近邻算法有一些变种，其中之一就是可以增加邻居的权重。默认情况下

"""目的：将原图片(img)与其xml(xml)，合成为打标记的图片(labelled)，矩形框标记用红色即可已有：（1）原图片文件夹(imgs_path)，（2）xml文件夹(xmls_path)思路：step1: 读取（原图片文件夹中的）一张图片step2: 读取（xmls_path）该图片的xml文件，并获取其矩形框的两个对角顶点的位置step3: 依据矩形框顶点坐标，在该图片中画出该矩形

基本上也是属于一个串口开发，其基本的指令如下参考代码：//合成语音播报距离distancevoid TTS_Vodeodistance(float distance){UART3_Init();//初始化TTS播放u16 num,dpnum;//printf("<G>现在开始测试\n");delay_ms(10);//一定要加延时，确保程序正常进行num = distance;dpnu

这里需要下载kitti的3D检测数据，从一个raw.githubusercontent.com的网站上进行wget下载txt文件，但是返回无法访问的错误。Connecting to raw.githubusercontent.com (raw.githubusercontent.com)|0.0.0.0|:443…1）通过ip查询网站（https://site.ip138.com/raw.Gith