Reborn_inuyasha的博客

原创 排序算法之归并排序

归并排序基本思想归并排序（MERGE-SORT）是利用归并的思想实现的排序方法，该算法采用经典的分治（divide-and-conquer）策略（分治法将问题分(divide)成一些小的问题然后递归求解，而治(conquer)的阶段则将分的阶段得到的各答案"修补"在一起，即分而治之)。可以看到这种结构很像一棵完全二叉树，本文的归并排序我们采用递归去实现（也可采用迭代的方式去实现）。分阶段可以理解为就是递归拆分子序列的过程，递归深度为log2n。合并相邻有序子序列再来看看治阶段，我们需要将两个已经

原创 最详细的最小堆构建、插入、删除的过程图解

原文指路：https://blog.csdn.net/u011068702/article/details/52712634

原创 keras介绍与基本的模型保存

原文链接：https://blog.csdn.net/sinat_26917383/article/details/72857451.keras网络结构42.keras网络配置其中回调函数callbacks应该是keras的精髓~3.keras预处理功能

原创 SQL的各种连接关系

原创 树的高度、深度、层的区别

“高度”这个概念，其实就是从下往上度量，比如我们要度量第10层楼的高度、第13层楼的高度，起点都是地面。所以，树这种数据结构的高度也是一样，从最底层开始计数，并且计数的起点是0。“深度”这个概念在生活中是从上往下度量的，比如水中鱼的深度，是从水平面开始度量的。所以，树这种数据结构的深度也是类似的，从根结点开始度量，并且计数起点也是0。“层数”跟深度的计算类似，不过，计数起点是1（生活中，不可能有人说自己家在第0层吧，哈哈。），也就是说根节点的位于第1层。原文链接：https://blog.cs

原创 Python · numpy · axis

在二维数组中：轴用来为超过一维的数组定义的属性，二维数据拥有两个轴：第0轴沿着行的方向垂直向下，第1轴沿着列的方向水平延伸使用0值表示沿着每一列或行标签\索引值向下执行方法 使用1值表示沿着每一行或者列标签模向执行对应的方法最外面的括号代表着 axis=0，依次往里的括号对应的 axis 的计数就依次加 1举个例子，现在我们有一个矩阵：；在 Python，或说在 numpy 里面，这个矩阵是这样被表达出来的：x= [ [0, 1], [2, 3] ]，然后 axis 的对应方式就是：..

原创 一张动图，时域vs频域

简单总结下，时域和频域的关系如下：时域是信号在时间轴随时间变化的总体概括。时域(时间域-time domain)—自变量是时间,即横轴是时间,纵轴是信号的变化。其动态信号x(t)是描述信号在不同时刻取值的函数。频域是把时域波形的表达式做傅立叶等变化得到复频域的表达式，所画出的波形就是频谱图。是描述频率变化和幅度变化的关系。频域(频率域- frequency domain)—自变量是频率,即横轴是频率,纵轴是该频率信号的幅度,也就是通常说的频谱图。频谱图描述了信号的频率结构及频率与该频率信号幅度的..

原创 OMNET++ 5.5.1安装教程

OMNeT++用了挺长时间，由于个人需要，将之前的5.3版本更新到5.5.1版本，为了下次更新版本方便，记录一下~安装的步骤：1）从官网下载oment++5.5.1 教程，下面直接放链接：oment++ 下载网址里面包含有Linux 、windows、Mac好几种版本，我只用过Linux和windows版本，Linux要比windows更加稳定，而且比较流畅。2）压缩包下载完成后，要进行解压缩。3）在安装好的文件夹中，找到mingwenv.cmd，双击打开，随便输入任何内容即可。4）等待若干

原创 omnet++，场景中车辆间消息的获取和消息的传输

1、定义自己的消息内容：1.1、定义.msg文件1.2、Bulid Project生成Beacon_m.h和Beacon_m.cc文件生成的类提供了获取消息内容的接口，即get和set函数，和.msg中的内容是对应的。并在头文件中引用消息的类Beacon_m.h#include "veins/modules/messages/Beacon_m.h"2、消息的发送：2.1、定义自消息首先在头文件中声明自消息cMessage* sendBeacon;然后在.cc中init

原创 NP问题

通常将具有n^x，x为正整数形式的时间复杂度函数称为多项式复杂度。通常认为具有多项式时间复杂度的算法是容易求解的。超过多项式时间复杂度，算法增长迅速，不易求解。NP是指Non-deterministic Polynomial-time，即非确定性多项式时间。与NP相关的总共有四类问题，是计算复杂度理论中研究的主要内容之一。通常问题分为可解决（Solvable）和不可解决（Unsolvable）。可决绝问题又可以分为易解决（Tractable）、不易解决（Intractable）和不确定是...

原创 常见聚类方法

常见的聚类方法：K-Means，层次聚类，基于密度的聚类1.K-Means（K均值）聚类算法步骤：(1) 首先我们选择一些类/组，并随机初始化它们各自的中心点。中心点是与每个数据点向量长度相同的位置。这需要我们提前预知类的数量(即中心点的数量)。(2) 计算每个数据点到中心点的距离，数据点距离哪个中心点最近就划分到哪一类中。(3) 计算每一类中中心点作为新的中心点。(4) 重复以上步骤，直到每一类中心在每次迭代后变化不大为止。也可以多次随机初始化中心点，然后选择运行结果最好的一个。下图演示

原创 神经网络与人工智能的关系

人工智能（Artificial Intelligence），它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。机器学习是人工智能的核心，是使计算机拥有智能的根本途径。机器通过学习模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。这其中涉及

原创 Office 2016加载EndNote X9

解决办法如下：以管理员身份打开word。在文件>选项>加载项>com加载项>转到，如下图：设置完成，会在 Word2016中显示 EndNote X9 选项卡但，如果在word【文件】-【选项】-【加载项】中无Endnote Cite While You Write勾选项。找到endnote安装目录中名为【Configure EndNote】的应用程序，双击运行选择【configure endnote components】,点击【下一步】，勾选C

原创 C++ Map容器通过value找key

//通过value找 key for(std::map<int,char>::iterator it = aMap.begin();it!=aMap.end();it++) { if(it->second==value) cout<<"通过value: "<<value<<" 找到的key:"<<it->first<<endl; } }//通过key找value if(aMap.c.

原创 在一个小数据集上训练卷积神经网络——猫狗识别

步骤(1)从kaggle.com网站下载数据：www.kaggle.com/c/dogs-vs-cats/data(2)制作训练数据集目录import os, shutil original_dataset_dir = './train' base_dir = './cats_and_dogs_small' #当文件已存在时，无法创建该文件os.mkdir(base_dir) train_dir = os.path.join(base_dir, 'train') os.mkd.

原创 Anaconda下，labelme工具安装及应用详解

在打开的 prompt 终端中输入：conda create –name=labelme python=3.7conda install pyqtpip install labelme注：第一句 labelme python = 3.7中3.7为使用者当前电脑中安装python的版本号运行过程中，经常会出现timeout的现象，可以多运行几次（这里我也没什么特别好的办法）直到Prompt出现Successfully installed的安装成功信息，则表示安装成功。之后，就

原创 C++ 将一个数倒置输出

例如：输入12345，程序输出54321#include <iostream>#include <stdio.h>using namespace std;/* run this program using the console pauser or add your own getch, system("pause") or input loop */Reversing(int num){ int i; cout << "翻转后的数为："; do

转载 人工神经网络学习笔记

原文指路1：https://blog.csdn.net/wsxzhbzl/article/details/83537662原文指路2：https://blog.csdn.net/weixin_43077261/article/details/97259237这是典型的三层神经网络的基本构成，Layer L1是输入层，Layer L2是隐含层，Layer L3是隐含层，我们现在手里有一堆数据{x1,x2,x3,…,xn},输出也是一堆数据{y1,y2,y3,…,yn},现在要他们在隐含层做某种变换

原创 Python 如何实现一个神经网络

原文指路→https://www.sohu.com/a/100533380_176628参考学习→https://blog.csdn.net/weixin_34343689/article/details/87979785梯度下降：简单来说就是一种寻找目标函数最小化的方法。根据梯度（导数）的符号来判断最小值点x在哪。即找到函数的最小值 所对应的自变量...

原创 python中使用pandas提取日期信息

提取日期操作参照→链接：https://blog.csdn.net/meiqi0538/article/details/82558000import numpy as npimport pandas as pdfrom pandas import Series, DataFramefrom datetime import datetimedata = {'stamp': ['201...