- 综合排序
- 最热优先
- 最新优先
- 来自专栏算法工程师之路
每日算法题：Day 11
作者：TeddyZhang，公众号：算法工程师之路 Day 11, 概率统计知识点走起~ 1 编程题 【剑指Offer】栈的压入，弹出序列 输入两个整数序列，第一个序列表示栈的压入顺序，请判断第二个序列是否可能为该栈的弹出顺序 并且层次遍历的迭代版非常容易实现，自行看代码吧。
58810发布于 2019-08-13 - 来自专栏技术大杂烩
【算法题解】 Day11 数学
根据题意，需要爬 n 阶楼梯才能到达楼顶，并且每次只能爬1或2个台阶，问有几种方法？
31720编辑于 2023-08-31 - 来自专栏CSDN搜“看，未来”
【C++】算法集锦（11）：敏感词过滤算法（DFA）
文章目录 什么是 确定的、有穷状态、机 跟我一起看个栗子 DFA图解 DFA示例实现代码 DFA：确定的 有穷 状态机 如果 设计模式 中的状态模式比较熟的话，这个就很清楚了。 我觉得，DFA的机制很适合用于动态流程图的实现，特别是复杂的，动态流程图。当然，动态流程图是可以暴力硬写的，就是代码肥了点而已。 请你来实现一个 atoi 函数，使其能将字符串转换成整数。 首先，该函数会根据需要丢弃无用的开头空格字符，直到寻找到第一个非空格的字符为止。 ---- DFA示例实现代码 #include<iostream> #include<vector> using namespace std; int DFA(vector<char>& cvec
1K20发布于 2021-09-18 如何把双11过得“精打细算”？算法知行合一背包算法实现满减优惠问题
双11购物节即将来临，作为程序员的我们可以用代码的力量为消费者提供更多便利，帮助他们更聪明地消费。 满减优惠问题的描述双11期间，许多电商平台都会推出满减优惠活动，例如满300减50或满1000减200等等。作为消费者，面对琳琅满目的商品，如何才能凑单达到满减的条件，最大化享受优惠呢？ Python实现凑满减优惠算法以下是一个Python实现的凑满减优惠算法，旨在找到最优商品组合，以便用户在双11购物时享受最大优惠。 贪心算法：对于某些特殊情况，可以使用贪心算法来快速找到一个比较优的解（虽然不一定是最优解）。 如果你对这个凑满减优惠算法感兴趣，不妨动手实现并加以改进，或者将它融入到你的购物助手工具中吧.
2K20编辑于 2024-11-07- 来自专栏机器学习入门
算法细节系列（11）：再谈动态规划
本篇重在讨论如何利用递归技术实现记忆化搜索，在此基础上呈现问题从递归到迭代的转换，即动态规划。
96140发布于 2019-05-26 《算法导论》第 11 章 - 散列表
今天我们来深入学习《算法导论》第 11 章 —— 散列表（Hash Table）。 代码实现 下面是直接寻址表的 C++ 实现，包含插入、删除和查找操作： #include <iostream> #include <vector> #include <string> using namespace 冲突解决方法 《算法导论》中介绍了两种主要的冲突解决方法： 链地址法（Chaining）：将具有相同散列值的元素存储在同一个链表中 开放寻址法（Open Addressing）：所有元素都存储在散列表本身中 int key, int a, int b, int m) { return ((a * key + b) % m + m) % m; } int main() { int m = 11 （质数）的开放寻址法散列表 HashTableOpenAddressing ht(11); // 插入元素 ht.insert(10, "苹果"); ht.insert
12610编辑于 2026-01-21- 来自专栏全栈程序员必看
11种经典滤波算法「建议收藏」
优点： 继承了“限幅”和“消抖”的优点 改进了“消抖滤波法”中的某些缺陷,避免将干扰值导入系统 C、缺点： 对于快速变化的参数不宜 第11 return value; } return new_value; } 2、中位值滤波法 /* N值可根据实际情况调整 排序采用冒泡法*/ #define N 11char */ #define N 12char code coe[N] = {1,2,3,4,5,6,7,8,9,10,11,12};char code sum_coe = 1+2+3+4+5+6+7+8+9+ 10+11+12;char filter(){ char count; char value_buf[N]; int sum=0; for (count=0,count<N;COUNT delay(); new_value = get_ad(); } return value; } 10、限幅消抖滤波法 /* */ 略 参考子程序1、9 11
6.5K21编辑于 2022-08-18 - 来自专栏乐行僧的博客
11-二分查找算法
思想： 利用有序的特点，平均意义上，每次查找缩减一般的查找规模，进而提高查找速度。 关键点： 存储结构为顺序存储，且关键字之间有序 l <= r，不能l < r 中间下标计算溢出问题，m = (l + r)/2 可能会溢出，使用减法，m = (r - l)/2 + l 代码： #include <stdio.h> int BinSearch(int *a, int n, int t) { int l = 0; int r = n - 1; while (l <= r) {
16920编辑于 2022-02-25 - 来自专栏Unity3D
☆打卡算法☆LeetCode 11、盛最多水的容器 算法解析
一、题目 1、算法题目 “根据输入的数组数字构建坐标轴，求出坐标轴构成的容器可以容纳最多的水。” 2、代码实现 双指针法参考代码： public class Solution { public int MaxArea(int[] height) { int l = 三、总结 说实话，解这道题之前连双指针是啥都不知道，所以就想不到用双指针，对于刷题来说，多吸取别人的优秀的解题思路，并且理解与实现是很重要的。 所谓的解题思路，就是你解题解的多了，当然就有思路了。
42120编辑于 2022-08-07 - 来自专栏技术杂记
Keepalived 实现 Redis AutoFailover (RedisHA)11
Note: 我注释掉了同步代码，因为生产中，在没了解实例的当前内存使用状况，服务器实际负载的状况下，贸然自动同步，会对服务器造成很大压力，对其它应用也会有很大影响，所以这一步由人工来确认，在此只作日志记录
32730编辑于 2022-06-26 - 来自专栏技术集锦
练习11—计算器实现
题目 解题步骤 （1）分别定义不同功能变量； （2）输出主页面； （3）分功能实现； （4）使用系统函数； （5）分类输出计算结果； C语言 #include <stdio.h> #include ; } system("pause"); return 0; } 实现图 说明 完整包含所使用函数的头文件； “阶乘” 功能使用递归思想解决，找到计算过程中的递归体 e * function (e - 1)，并注意特殊位置的处理，如 0 和 1； 定义char类型变量时，若参与比较，本质是比较其 ASCII码 值大小，使用==符号判断是否相等时需要加单引号‘’； “累加“ 功能实现中，第一次及第二次接收数据合并处理
39430编辑于 2022-06-03 - 来自专栏MiningAlgorithms
机器学习11：机器学习算法目录（前）
后续将尽可能完善并按照此目录结构写博客进行算法解析并附代码实现。 是分类算法，监督算法，而K-means是聚类算法，非监督算法； 6，聚类分析：K-means（二分K-means算法、K-means++，K-means||算法合理选择k个初始点、canopy算法选择超参数 10，概率图模型（参考邱老师的PPT） 11，降维学习：主成分分析（PCA），线性判别分析（LDA）、特征选择；特征降维可分为有监督（LDA）和无监督（LSA、NMF）；主题模型（LDA、LSA） 要点 ：主成分分析利用正交变换将可能存在相关性的原始属性转换成一组现行无关的新属性，并通过选择重要的新属性实现降维；主成分分析的解满足最大方差和最小均方误差两类约束条件，因而具有最大可分性和最近重构性；特征选择的关键问题是对特征子集评价 要点：集成学习包括序列化方法和并行化方法两类；序列化方法：采用Boosting机制，通过重复使用概率分布不同的训练数据实现集成，可降低泛化误差中的偏差；并行化方法：采用Bagging机制，通过在训练数据中多次自动抽取不同的采样子集实现集成
98520发布于 2019-08-08 - 来自专栏花狗在Qt
java学习之路：11.数组排序算法
package number; public class Xuexi { public static void main(String[] args) { int arr[]=new int[]{54,67,11,27,13,48,45
49231发布于 2020-10-28 探索11种流行的机器学习算法
这项技术的核心是机器学习算法。这些算法基本上是计算机程序，设计用于在没有明确编程的情况下学习数据。它们被用于持续分析信息，改变自身的结构，并随着时间的推移不断提升。 在这篇文章中，我们将一起了解11种流行的机器学习算法，并解释它们的作用和可能的使用场景。 为了便于理解，我们将这些算法分为以下四类：有监督学习无监督学习集成学习强化学习阅读完这篇文章后，你将更好地理解机器学习算法的功能，以及每一种算法的优点和局限性。有监督学习1. 他们对离群值也非常强大，因为他们不像其他算法那样容易受到单个数据点的影响。与随机森林一样，他们运行起来可能会非常昂贵。找到算法需要的最佳参数以获取最佳结果也可能需要时间。强化学习11. 考虑到我们在这篇博客中介绍的11种算法的深度和多样性，这并不奇怪。在Elastic，我们非常清楚机器学习的力量和潜力。我们已经构建了一套解决方案，使企业可以直接使用机器学习的力量。
87531编辑于 2024-05-02- 来自专栏Go学习
MRU算法实现
MRU（Most Recently Used）算法是一种缓存替换策略，与LRU（Least Recently Used）算法相反。MRU算法优先移除最近使用的缓存项，而保留较久未使用的缓存项。 MRU算法适用于某些特定的访问模式，例如当数据访问具有较强的局部性时，MRU可能比LRU更有效。基本原理MRU算法的核心思想是，当缓存需要淘汰旧条目时，选择最近使用过的条目进行淘汰。 实现方法MRU算法的实现通常涉及以下步骤：缓存初始化：设置一个固定大小的缓存。访问缓存：如果访问的数据在缓存中，则更新该数据的使用时间或顺序。 MRU算法的优缺点优点：适用于某些特定的访问模式，例如数据访问具有较强的局部性时。实现简单，易于理解和维护。缺点：对于大多数常见的访问模式，MRU的性能可能不如LRU。 Go实现示例package mruimport ("container/list""sync")// MRUCache represents a Most Recently Used (MRU) cache.type
68910编辑于 2024-07-08 - 来自专栏Go学习
FIFO算法实现
FIFO（First In, First Out，即先进先出）是一种简单且直观的缓存替换算法。它的工作原理是，当缓存满了需要替换时，优先移除最早进入缓存的项。 FIFO算法类似于排队系统，最早进入的缓存项最先被移除。FIFO算法的基本原理先进先出：按照缓存项进入缓存的顺序进行管理。最早进入缓存的项在缓存满时优先被移除。 队列：通常使用队列数据结构来实现FIFO缓存，队列的头部保存最早进入的缓存项，尾部保存最新进入的缓存项。优点简单易实现：FIFO算法实现起来非常简单，只需要维护一个队列即可。 缺点不考虑使用频率和最近使用时间：FIFO算法不会考虑缓存项的使用频率和最近使用时间，可能导致高频使用的数据被替换掉，从而降低缓存命中率。 Go实现示例package fifoimport ("container/list""sync")type FIFOCache struct {mtx sync.Mutexcapacity intqueue
97810编辑于 2024-07-09 - 来自专栏Go学习
LFU算法实现
LFU (Least Frequently Used) 是一种用于缓存管理的算法。它通过跟踪每个缓存项被访问的频率来决定哪些项应该被移除。 LFU算法倾向于保留那些使用频率较高的项，而移除那些使用频率较低的项。以下是LFU算法的详细介绍：工作原理计数器：每个缓存项都有一个计数器，用于记录该项被访问的次数。 实现LFU算法的实现可以使用多种数据结构，如哈希表、双向链表和优先队列。以下是一种常见的实现方法：使用哈希表和优先队列：哈希表 (cache)：用于存储缓存项及其计数器。 应用场景LFU算法适用于以下场景： 数据访问具有明显的热点数据，且热点数据相对稳定。需要高效管理缓存资源，减少缓存未命中率。 Go实现package lfuimport ("container/list""sync")type entry struct {key anyvalue anyfreq int}type LFUCache
44510编辑于 2024-07-07 - 来自专栏Java实战博客
算法 & Java 实现
参考于 ：https://www.cnblogs.com/morethink/p/8419151.html
86220编辑于 2022-01-19 - 来自专栏斜述视角
实现LRU算法
LRU算法是一种缓存淘汰机制策略。 计算机的缓存容量有限，如果缓存满了就要删除一些内容给新的内容腾出位置，而删除哪些内容，就有不同的策略，LRU算法是其中一种策略。 LRU算法删除的是最近一段时间最少使用的内容。 代码中的capacity代表缓存的容量，使用Hash表 + 链表实现LRU算法。 可以先自己实现一个双向链表，链表中的节点自己定义。Hash表中存储的value为链表中的节点对象，在对链表节点进行删除操作时可以将时间复杂度降到O(1)。
1K10发布于 2020-09-08 - 来自专栏数据科学与人工智能
【算法】Python实现机器学习算法
2 如何用Python实现决策树系列算法？ 人生苦短，就用 Python。 那么，用Python实现出来的机器学习算法都是什么样子呢？ 营长刚好在 GitHub 上发现了东南大学研究生“Lawlite”的一个项目——机器学习算法的Python实现，下面从线性回归到反向传播算法、从SVM到K-means聚类算法，咱们一一来分析其中的Python 目录 一、线性回归 1、代价函数 2、梯度下降算法 3、均值归一化 4、最终运行结果 5、使用scikit-learn库中的线性模型实现 二、逻辑回归 1、代价函数 2、梯度 3、正则化 4、S型函数（ 然后调用梯度下降算法求解theta 实现代码： # 求每个分类的theta，最后返回所有的all_theta def oneVsAll(X,y,num_labels,Lambda):
2.1K80发布于 2018-04-18
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