- 综合排序
- 最热优先
- 最新优先
智慧工地 AI 算法方案
智慧工地 AI 算法方案一、行业背景（一）安全管理挑战大工地现场人员众多、流动性大，施工环境复杂多变，存在诸多安全隐患，如高处坠落、物体打击、坍塌等事故风险。 二、智慧工地 AI 算法方案架构（一）平台层AI 智能分析中心集成多种 AI 算法，对工地现场的图像、视频、传感器等数据进行实时分析，实现安全监控、质量检测、进度管理等功能。 三、智慧工地 AI 算法方案亮点与优势（一）方案亮点全方位安全监控利用 AI 算法对工地现场进行 24 小时不间断监控，实时识别人员的不安全行为和环境的安全隐患，实现安全事故的提前预防。 四、智慧工地 AI 算法方案应用场景（一）人员安全管理安全帽佩戴检测利用摄像头采集工地现场的图像数据，AI 算法实时检测人员是否佩戴安全帽。 五、智慧工地 AI 算法示例（一）安全帽佩戴检测算法算法原理基于深度学习目标检测算法，如 YOLO（You Only Look Once）或 SSD（Single Shot MultiBox Detector
1.1K10编辑于 2024-11-23- 来自专栏大数据和云计算技术
算法基础9：散列表
算法是基础，小蓝同学准备些总结一系列算法分享给大家，这是第9篇《散列表》，非常赞！希望对大家有帮助，大家会喜欢！ 前面系列文章： 归并排序 #算法基础#选择和插入排序 由快速排序到分治思想 算法基础：优先队列 二分查找 二叉树查找 平衡查找树概述 平衡树之红黑树 散列表是我们比较简单的一种查找算法，是用这种建议方法的扩展并能够处理更加复杂的类型的键 使用散列表的查找算法分为两步 第一步用散列函数将被查找的键转化为数组的一个索引。理想情况下，不同的键都可以变为不同的索引，但有时有特殊情况，这就涉及到我们的第二步处理碰撞冲突的过程。 一、散列函数键值转换 散列算法有很多种实现，在java中没中类型都需要相应的散列函数，例如;在正整数 最常用的是除留余数法（k%M）。 三、应用 散列表的应用是使用最广泛的算法之一 信息安全领域： Hash算法 可用作加密算法。
86120发布于 2018-07-26 - 来自专栏鸿的学习笔记
智慧存在简单的算法吗？
更具体地说，是有一个简单的智能算法？ 有一个真正简单的智能算法的想法非常大胆。这或许听起来太乐观了。许多人有一个强烈的直觉，智能具有相当难以想象的复杂性。 所以我会考虑的问题是“有一个简单的智能算法？”也就是等同于“是否有一个简单的算法，可以沿着与人类大脑基本相同的方式”思考？ 但是，只要我们在一个合理的环境中长大，一个健康的人会有非凡的智慧。在某种意义上，我们的基因中的信息包含我们如何思考的本质。此外，遗传信息中包含的原则似乎可能在我们集体掌握的能力范围内。 采用分子生物学的大脑的图像表示在我们的描述下的复杂性大约有9个数量级的减少。虽然振奋人心，但它并没有告诉我们一个真正简单的智能算法是否是可能的。我们可以进一步降低复杂性吗？ 智慧的力量源自我们丰富的多样性，而不是任何单一的完美原则。在William J. Clancey，Stephen W.
55120发布于 2018-08-06 智慧电厂AI算法方案
智慧电厂AI算法方案一、行业痛点（一）设备故障诊断困难电厂设备众多且复杂，运行状态受多种因素影响，传统监测手段难以准确判断设备潜在故障，导致故障发现滞后。 二、智慧电厂AI算法方案——架构（一）平台层AI智能诊断与优化中心运用深度学习、机器学习算法对设备运行数据、生产过程数据进行实时分析，精准诊断设备故障，预测故障发展趋势。 三、智慧电厂AI算法方案——亮点与优势（一）方案亮点精准设备故障预测与诊断基于多源数据融合和AI算法，提前数天甚至数周预测设备故障，如提前一周预测发电机定子绕组绝缘故障。 四、智慧电厂AI算法方案——应用场景（一）设备运维管理旋转设备故障诊断对于汽轮机、发电机、风机等旋转设备，通过振动传感器采集振动信号，AI算法分析振动频谱、幅值等特征，判断设备是否存在不平衡、不对中、轴承磨损等故障 五、智慧电厂AI算法方案示例安全围栏识别算法设计实现（一）数据收集与标注收集大量包含安全围栏的电厂场景图像，涵盖不同角度、光照条件、围栏样式（如铁丝网围栏、金属栏杆围栏等）以及周围环境（如有无设备遮挡、
73300编辑于 2024-11-22- 来自专栏乐行僧的博客
9-选择排序算法
注意点： 不稳定的排序算法 代码： #include <stdio.h> typedef int bool; #define true 1 #define false 0 void swap(int swap(&a[minIndex], &a[i]); } } } int main() { int a[] = {3, 1, 2, 4, 7, 0, 5, 8, 6, 9}
14840编辑于 2022-02-25 - 来自专栏算法工程师之路
每日算法题：Day 9
作者：TeddyZhang，公众号：算法工程师之路 Day 9, Python知识点走起~ 1 编程题 【剑指Offer】树的子结构 输入两棵二叉树A，B，判断B是不是A的子结构。 struct TreeNode *right; 6 TreeNode(int x) : 7 val(x), left(NULL), right(NULL) { 8 } 9} 二叉树的镜像定义：源二叉树 8 / \ 6 10 / \ / \ 5 7 9 11 镜像二叉树 8 / \ 10 6 / \ / \ 11 9 7 5 思路： 这个使用递归的思路就很简单，一般二叉树用递归的方法很多，比如二叉树的遍历也可以使用递归的方法。 struct TreeNode *right; 6 TreeNode(int x) : 7 val(x), left(NULL), right(NULL) { 8 } 9}
45720发布于 2019-08-13 智慧交通AI算法解决方案
难以对庞大的交通流量进行实时、全面的监测和分析；人工审核任务重，人工审核效率低数据采集和处理手段落后，无法及时准确地获取交通信息，导致交通决策滞后机动车违法事故频发，早高峰违法高发，加剧城市拥堵；违法事故行为识别不及时智慧交通 智慧交通AI算法方案价值基于AI视觉分析技术建立实时监控系统，为传统监控赋能，实现智能化、自动化，能够及时发现并处理AI算法在智慧交通管控中的异常情况。 AI赋能业务闭环：强化交通情指勤督宣、监管执法、继续教育等业务闭环，构建监管精准、响应及时、决策合理的智慧化应用体系。 方案优势算法先进性：采用深度学习、机器学习、强化学习等前沿AI技术，构建高精度的交通算法模型。系统集成性：具备良好的系统集成能力，可以与现有的交通监控系统、交通信号控制系统等无缝对接。 智慧交通AI算法示例车辆违停识别车牌识别车辆速度检测路面破损识别行人闯红灯识别交通标识牌识别
75410编辑于 2024-11-18- 来自专栏Unity3D
☆打卡算法☆LeetCode 9、判断回文数 算法解析
一、题目 1、算法题目 “判断给定的整数是否是一个回文数。”
54140编辑于 2022-08-07 - 来自专栏华章科技
9种深度学习算法简介
导读：从算法处理的流程来划分，基于深度学习的目标检测算法可分为两阶段（Two-Stage）算法和一阶段（One-Stage）算法，两阶段算法需要先进行候选框的筛选，然后判断候选框是否框中了待检测目标，并对目标的位置进行修正 R-CNN算法 2014年，R. Girshick等人提出了R-CNN算法。 在VOC2007数据集上，R-CNN算法相比之前的检测算法，在性能有了显著的提升（从33.7%提升到58.5%），是检测算法的一个里程碑式的突破。 Faster R-CNN算法 2015年，S. Ren等人提出了Faster R-CNN算法，Faster R-CNN是第一个端到端算法，也是第一个接近实时深度学习的目标检测算法。 02 一阶段算法 一阶段算法和两阶段算法最主要的区别，就是没有单独的候选框筛选阶段，而是直接回归目标的位置坐标和分类概率。常用的一阶段算法如下。 1. YOLO算法 2015年，R.
5.4K20编辑于 2022-01-20 - 来自专栏惊羽-布壳儿
算法练习(9) - TwoSum问题变换
题目 有一个数组[1,2,5,7,8,8,9,4,4,6]，求元素 m+n = 12 的组合，将所有的 m n 组合下标打印出来，需要过滤下标重复的组合，例如 4,7 7,4 是重复组合；时间复杂度需要是 public class TwoSumTest { @Test public void twoSum_test() { int[] arr = {1,2,5,7,8,8,9,4,4,6
22510编辑于 2022-06-15 算法之Dijkstra算法：最短路径探索的智慧之光
一、算法本质 Dijkstra算法如同一位智慧的导航员： 逐步探索：从起点出发，逐步确认到各节点的最短路径（贪心策略） 最优选择：每次选择当前已知最短路径的节点进行扩展 动态更新：根据新发现的路径不断优化距离估计 ： 保证找到非负权图中的单源最短路径 使用优先队列（堆）优化搜索效率 无法处理负权边（需使用Bellman-Ford算法） 四、应用场景 地图导航：城市道路最短路径规划 网络路由 5G网络流量调度系统 五、学习路线 新手必练： 手工推演算法过程（纸笔绘制步骤） 实现不同图结构的版本（邻接矩阵/邻接表） 可视化算法执行过程（推荐VisuAlgo网站） ——这不仅需要代码实现能力，更需要将数学思维转化为解决实际问题的智慧。 记住：最优路径的探索永无止境，正如算法优化的道路永远向创新者敞开。
36710编辑于 2025-10-14算法之随机森林算法：群体智慧的森林法则
一、核心思想：三个臭皮匠，赛过诸葛亮 随机森林（Random Forest）是一种集成学习算法，通过构建多棵决策树并综合投票结果提升模型性能。 混合建模 与神经网络结合（如Deep Forest） 可解释性增强 实现SHAP值（SHapley Additive exPlanations）解释预测 六、创新方向 自动化机器学习 使用遗传算法优化超参数 localModels) { // 安全聚合各设备模型更新 } } 量子加速 利用量子退火优化特征选择过程 时空随机森林 处理时序数据的动态特征重要性分析 随机森林的哲学启示：集体智慧优于个体决策 掌握随机森林，便是掌握了这种群体智慧的建模艺术。
46510编辑于 2025-10-14- 来自专栏Android记忆
小算法大智慧之排序（一）
准备好一组数据 private int[] data={12,5,78,33,9,33,11}; 一、排序算法 一、冒泡排序算法 如何实现 思路：依次比较相邻的两个数，将比较小的数放在前面，比较大的数放在后面 break; } } for(int i=0;i<data_length;i++){ System.out.println(data[i]); } } 算法中有个变量 二、选择排序算法 如何实现 思路：在长度为N的无序数组中，第n次遍历N-n个数，找到最小的数值与第n个元素交换 步骤： 1.第一次遍历N个数，找出最小的数与第一个数交换。 image.png 第二次遍历，从第二个数也就是12开始遍历，找到最小值9，与数字12交换，得到排序数组如下 image.png 如此循环，得到最后排序后的数组如下 image.png 我们在配个代码来学习下 2.两种算法进行交换的结构是相同的。 二、不同点 1.冒泡算法每轮每个数据比较需要交换数据，选择算法每轮只要交换一次数据。所里理论上，选择排序效率高一点。
78750编辑于 2022-02-08 智慧无人机AI算法方案
智慧无人机AI算法整体架构整体架构与功能体系平台层AI能力中心：集成各类人工智能算法核心组件，为无人机系统提供智能决策支持，与地面控制站、任务规划系统等协同工作，实现信息交互与任务协同，提升作业效率。 AI算法引擎：涵盖目标识别（如人员、车辆、特定物体等）、路径规划、自主避障等算法，实现无人机智能飞行与任务执行。 智慧无人机AI算法方案价值实现无人机自主飞行控制，降低对人工操控依赖，提高飞行安全性和任务执行稳定性，减少因人为失误导致的事故风险。 智慧无人机AI算法示例目标自动跟踪图片路面破损检测图片车辆违停检测图片道路拥堵情况监测图片自动跟踪算法（一）算法原理目标自动跟踪算法基于深度学习目标检测算法，结合目标跟踪算法来实现对特定目标的持续跟踪。 常用的跟踪算法有卡尔曼滤波（Kalman Filter）结合匈牙利算法（Hungarian Algorithm）或者基于深度学习的跟踪算法，如 SiameseRPN（Siamese Region Proposal
1.2K10编辑于 2024-11-23- 来自专栏决策智能与机器学习
算法集锦（9）|自动驾驶|道路图像增强算法
因此，在训练自动驾驶算法时，需要一些特殊的图像增强处理。 为了更有效的训练汽车的CNN网络，本文提供了一个可模拟各种气候及环境的图像增强算法-Automold。该算法基于python的Numpy和OpenCV库开发，可以将图像转换至各种气候环境及季节。 Exception(err_snow_coeff) 6 else: 7 snow_coeff=random.uniform(0,1) 8 snow_coeff*=255/2 9 (err_brightness_coeff) 6 if(is_list(image)): 7 image_RGB=[] 8 image_list=image 9 添加季节 Automold库提供了一种便捷的方式，可以对图像随机添加增强效果，而不需要繁琐的去指定增强类型，使得该算法可以很好的嵌入到自动驾驶的CNN网络训练中。
1.6K30发布于 2020-08-04 智慧化工厂AI算法方案
二、智慧化工厂AI算法方案——架构（一）平台层AI智能生产与安全管控中心运用深度学习、强化学习等算法对生产数据、设备状态数据、环境数据等进行实时分析，优化生产过程控制，保障生产安全。 三、智慧化工厂AI算法方案——亮点与优势（一）方案亮点智能安全预警与应急响应基于多源数据融合和AI算法，提前预测危险化学品泄漏、火灾爆炸等安全事故，如提前数小时预测反应釜可能发生泄漏。 （二）方案优势算法准确性与适应性采用经过化工行业大量实际数据训练的先进AI算法模型，对生产过程和安全风险的预测、诊断准确率高。 四、智慧化工厂AI算法方案——应用场景（一）生产过程监控与优化化学反应过程优化对于连续化化学反应过程，通过在线传感器实时监测反应温度、压力、浓度等参数，AI算法根据化学反应动力学模型和实时数据，动态调整反应条件 五、智慧化工厂AI算法示例
74910编辑于 2024-11-18- 来自专栏数据猿
从数据到智慧——拓尔思发布9大新品
9月21日，大数据和人工智能的领军企业拓尔思在北京举办新产品发布会，在这场题为“大数·云·智”的发布会上，拓尔思正式发布了9大新产品。 记者 | Jimmy 官网 | www.datayuan.cn 微信公众号ID | datayuancn 导语：9月21日，大数据和人工智能的领军企业拓尔思在北京举办新产品发布会。 拓尔思总裁施水才描绘了“拓尔思ABC融合生态圈”发展蓝图：依据“数据——信息——知识——智能——智慧”的价值提升路径，从大数据、云服务到人工智能，拓尔思自创立以来20多年始终专注自主核心技术研发和应用创新 具体到拓尔思，公司的愿景是从“数据到智慧”。具体来说，就是以大数据+人工智能为发展战略，帮助客户实现从数据洞察到智慧决策的飞跃。 从数据到智慧，拓尔思20余年沉淀厚积薄发，正在新一轮人工智能大潮中引领产业，弄潮拍浪。
1.5K80发布于 2018-04-24 - 来自专栏react源码分析
react源码解析9.diff算法
在render阶段更新Fiber节点时，我们会调用reconcileChildFibers对比current Fiber和jsx对象构建workInProgress Fiber，这里current Fiber是指当前dom对应的fiber树，jsx是class组件render方法或者函数组件的返回值。
25650编辑于 2022-12-14 - 来自专栏灵魂画师牧码
画解算法：9. 回文数
点击「阅读原文」在PC端评论打卡后台回复「算法」，加入天天算法群觉得算法直击灵魂，欢迎点击在看和转发
80910发布于 2019-06-27 - 来自专栏CSDN搜“看，未来”
【C++】算法集锦（9）：背包问题
max(d[i-1][w-wt[i-1]]+var[i],dp[i-1][w]); } } return dp[N][W]; } ---- 子集背包问题 给你一个只包含正整数的数组，设计一个算法
93010发布于 2021-09-18
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号