首页
学习
活动
专区
圈层
工具
发布
    • 综合排序
    • 最热优先
    • 最新优先
    时间不限
  • 来自专栏ypw

    题目 1676: 算法2-8~2-11:链表的基本操作

    题意:根据题意,意思就是实现插入,删除,展示,以及得到元素,并判断是否删除加入成功以及表内元素是否为空。

    40900发布于 2021-03-04
  • 来自专栏IT技术圈

    练习2-11 计算分段函数 (10分)

    注:可在头文件中包含 math.h ,并调用 sqrt 函数求平方根,调用 pow 函数求幂。

    1.4K40发布于 2021-03-16
  • 来自专栏cwl_Java

    C++编程之美-数字之魅(代码清单2-11)

    代码清单2-11 Kbig(S, k): if(k <= 0): return [] // 返回空数组 if(length S <= k): / 初始化为空数组 Swap(s[1], S[Random()%length S]) // 随机选择一个数作为分组标准,以 // 避免特殊数据下的算法退化

    27720编辑于 2022-11-30
  • 来自专栏IT技术圈(CSDN)

    浙大版《C语言程序设计(第3版)》题目集 练习2-11 计算分段函数

    练习2-11 计算分段函数[2] 本题目要求计算下列分段函数f(x)的值: ? 注:可在头文件中包含 math.h ,并调用 sqrt 函数求平方根,调用 pow 函数求幂。

    1.4K30发布于 2020-09-15
  • 来自专栏咸鱼学Python

    Python爬虫进阶必备 | X博密码算法扣取+如何去扣取一个完整的逆向案例

    图1-1 X博登陆密码解析与讲解如何扣取一个加密算法 aHR0cHM6Ly93d3cud2VpYm8uY29tL2xvZ2luLnBocA== 用 Chrome 浏览器抓包相信大家都会,前面抓包我们跳过 图2-6 我们现在已经找齐了全部的参数,接下来需要切换到 webstorm 中调试出我们整体的加密算法。 直接粘贴 789 - 791 行的代码到编辑框中补全成下面这样。 【图2-11】 ? 图2-10 ? 图2-11 总结 这次主要把如何扣一个简单的加密算法做了讲解,这里包含了基础的JS知识,或许看不明白为什么是复制的是这些代码而不是其他的。 等到下次有类似的加密算法时,你可以试着自己做出判断复制扣取哪些,这样学的更快。 JS逆向学习的文章每一篇都是很简单的案例,希望看完可以自己动手扣一遍。

    94010发布于 2019-09-09
  • 来自专栏小冷coding

    Redis可以实现限流你不会不知道吧?

    当然这种做法的弊端是很多的,比如当统计1-10秒的时候,无法统计2-11秒之内,如果需要统计N秒内的M个请求,那么我们的Redis中需要保持N个key等等问题 第二种:基于Redis的数据结构zset 其实限流涉及的最主要的就是滑动窗口,上面也提到1-10怎么变成2-11。 第三种:基于Redis的令牌桶算法 提到限流就不得不提到令牌桶算法了。 令牌桶算法提及到输入速率和输出速率,当输出速率大于输入速率,那么就是超出流量限制了。 有兴趣的可以后续了解下他的GeoHash算法;BitMap,HLL以及布隆过滤器数据(Redis4.0之后加入,可以用Docker直接安装redislabs/rebloom)结构。

    1.2K20编辑于 2023-05-24
  • Python数据挖掘编程基础4

    range用于生成连续的序列,一般语法格式为range(a,b,c),表示以a为首项、c为公差且不超过b-1等差数列,如代码清单2-11所示。 代码清单2-11 使用range生成等差数列for i in range(1,5,1):print(i)输出结果如下:1234

    18510编辑于 2025-05-09
  • 来自专栏凯哥Java

    Java进阶之路——从初级程序员到架构师,从小工到专家

    一: 编程基础 不管是C还是C++,不管是Java还是PHP,想成为一名合格的程序员,基本的数据结构和算法基础还是要有的。下面几篇文章从思想到实现,为你梳理出常用的数据结构和经典算法。  1-1 常用数据结构 数组、链表、堆、栈、队列、Hash表、二叉树等 1-2 算法思想 算法时间复杂度和空间复杂度的分析计算 算法思想:递推、递归、穷举、贪心、分治、动态规划、迭代、分枝界限 1-3 经典算法 、图的广度优先搜索、拓扑排序、Dijkstra算法(单源最短路径)、霍夫曼编码、辗转相除法、最小生成树等 二:Java语言基础 诞生不过二十余年的Java语言凭借其跨平台、面向对象、适合于分布式计算的特性 IO性能 2-9XML 熟悉SAX、DOM以及JDOM的优缺点并且能够使用其中的一种完成XML的解析及内容处理;这几种解析方法的原理 2-10 一些高级特性 反射、代理、泛型、枚举、Java正则表达式 2- 11 网络编程 网络通信协议原理及适用场景,Socket编程,WEB服务器的工作原理 2-11 JDK1.5、JDK1.6、JDK1.7、JDK1.8每个版本都比前面一个版本添加了哪些新特性,进行了哪些提升

    90830发布于 2019-06-28
  • 来自专栏Java编程

    Java进阶之路——从初级程序员到架构师,从小工到专家

    # 一: 编程基础 不管是C还是C++,不管是Java还是PHP,想成为一名合格的程序员,基本的数据结构和算法基础还是要有的。下面几篇文章从思想到实现,为你梳理出常用的数据结构和经典算法。 1-1 常用数据结构 数组、链表、堆、栈、队列、Hash表、二叉树等 1-2 算法思想 算法时间复杂度和空间复杂度的分析计算 算法思想:递推、递归、穷举、贪心、分治、动态规划、迭代、分枝界限 1-3 经典算法 、图的广度优先搜索、拓扑排序、Dijkstra算法(单源最短路径)、霍夫曼编码、辗转相除法、最小生成树等 # 二:Java语言基础 诞生不过二十余年的Java语言凭借其跨平台、面向对象、适合于分布式计算的特性 IO性能 2-9XML 熟悉SAX、DOM以及JDOM的优缺点并且能够使用其中的一种完成XML的解析及内容处理;这几种解析方法的原理 2-10 一些高级特性 反射、代理、泛型、枚举、Java正则表达式 2- 11 网络编程 网络通信协议原理及适用场景,Socket编程,WEB服务器的工作原理 2-11 JDK1.5、JDK1.6、JDK1.7、JDK1.8每个版本都比前面一个版本添加了哪些新特性,进行了哪些提升

    3K11发布于 2017-12-17
  • 来自专栏程序猿DD

    Redis 限流的 3 种方式

    当然这种做法的弊端是很多的,比如当统计1-10秒的时候,无法统计2-11秒之内,如果需要统计N秒内的M个请求,那么我们的Redis中需要保持N个key等等问题。 基于Redis的数据结构zset 其实限流涉及的最主要的就是滑动窗口,上面也提到1-10怎么变成2-11。其实也就是起始值和末端值都各+1即可。 基于Redis的令牌桶算法 提到限流就不得不提到令牌桶算法了。 令牌桶算法提及到输入速率和输出速率,当输出速率大于输入速率,那么就是超出流量限制了。 有兴趣的可以后续了解下他的GeoHash算法;BitMap,HLL以及布隆过滤器数据(Redis4.0之后加入,可以用Docker直接安装redislabs/rebloom)结构。

    1.8K10编辑于 2022-03-04
  • 来自专栏慕容千语的架构笔记

    从Java程序员到架构师,从工程师到技术专家,迷茫之路

    一: 编程基础 不管是C还是C++,不管是Java还是PHP,想成为一名合格的程序员,基本的数据结构和算法基础还是要有的。下面几篇文章从思想到实现,为你梳理出常用的数据结构和经典算法。 1-1 常用数据结构 数组、链表、堆、栈、队列、Hash表、二叉树等 1-2 算法思想 算法时间复杂度和空间复杂度的分析计算 算法思想:递推、递归、穷举、贪心、分治、动态规划、迭代、分枝界限 1-3 经典算法 、图的广度优先搜索、拓扑排序、Dijkstra算法(单源最短路径)、霍夫曼编码、辗转相除法、最小生成树等 数据结构与算法 01 链表(上):轻松写出正确的链表算法,并实现LRU缓存淘汰算法 02 链表( IO性能 2-9XML 熟悉SAX、DOM以及JDOM的优缺点并且能够使用其中的一种完成XML的解析及内容处理;这几种解析方法的原理 2-10 一些高级特性 反射、代理、泛型、枚举、Java正则表达式 2- 11 网络编程 网络通信协议原理及适用场景,Socket编程,WEB服务器的工作原理 2-11 JDK1.5、JDK1.6、JDK1.7、JDK1.8每个版本都比前面一个版本添加了哪些新特性,进行了哪些提升

    1.1K30发布于 2019-06-12
  • 来自专栏电力电子

    Transients of Modern Power Electronics

    开关器件理想模型的缺点 无法计算开关损耗(包括反向恢复损耗、正向恢复损耗);对电流和电压波形进行线性化处理,是目前被普遍采纳的损耗计算方式 理想模型无法描述许多重要的短时参数所产生的影响 另一个指的关注的问题是理想控制算法和实际工作情况之间的互相影响 -\iiint (\varepsilon E \frac{\delta E}{\delta t}+\mu H \frac{\delta H}{\delta t} + J \cdot E) dV$ (2- 式(2-11)中的第二项和第三项开始增加; 电压大幅度增加而电流开始下降。磁场能量减少而电能增加。 主电路的各个部分 互相影响的控制模块和功率系统 瞬态过程的研究方法 准确度高的测量手段 为半导体开关建立合适的模型 为外围电路和元器件建模 对任意时间和位置的能量流动路径进行预测 在微观层面实施宏观控制算法

    71800发布于 2020-02-20
  • 来自专栏glm的全栈学习之路

    麦森数

    算法训练 麦森数描述   形如2P-1的素数称为麦森数,这时P一定也是个素数。但反过来不一定,即如果P是个素数,2P-1不一定也是素数。到1998年底,人们已找到了37个麦森数。 第2-11行:十进制高精度数2P-1的最后500位数字。(每行输出50位,共输出10行,不足500位时高位补0)   不必验证2P-1与P是否为素数。

    87820发布于 2020-09-28
  • 来自专栏物联网IOT安全

    看大佬如何破解智能门锁

    最后一个字节是校验,校验算法暂时未知。 通过数据包的特征,我们在嗅探到的通信中定位到图2-9了这样一组数据包。 ? 按照类似的方式取出Request数据包的Payload,按照上一篇文章的分析,只需要将Response的Request两个数据包的Payload做差即可得到这个门锁的productInfo,做差过程如图2-2-11 计算productInfo 我们在已绑定了门锁的手机中查看app的数据库,其中显示了已绑定门锁的productInfo,如图2-12所示。 ? 图2-12 数据库中的productInfo 对比图2-11我们计算出来的结果,和2-12中数据库里的product_info字段数值,二者前6字节是相同的,上一篇分析中在分析productInfo变量的使用时

    3.4K12发布于 2020-05-29
  • 来自专栏技术分享

    算法】----BF算法&KMP算法

    我们今天所讨论的两个算法就是有关该过程的算法。 事实上,对于检索,无非就是两个字符串的匹配过程,模式串是你想要匹配的串,主串是你搜索所在串。 BF算法和KMP算法是较为著名的模式匹配算法,接下来作出详细介绍。 BF算法 BF算法(Brute-Force)也称为暴力算法,其核心原理是逐个比较文本串和模式串的字符,如果匹配失败,则通过向右移动模式串的位置,再次进行比较。 在实际情况下,BF算法的效率并不高,特别是当文本串T和模式串P的长度很大时。对于较长的文本串和模式串,BF算法的时间复杂度可能会导致性能问题。 答案就是KMP算法。 KMP算法 KMP算法的核心思想是利用模式串自身的特点来加速匹配过程,避免重复匹配。

    58110编辑于 2024-06-18
  • 来自专栏技术杂记

    Daily Script6

    flag=3 } ; if (/^~~~/ and $flag == 3) {s/^~~~/endflag/ ; $flag=2 }' jk.md----[paste]cat u |cut -c 2-

    35920编辑于 2022-07-09
  • 来自专栏数据科学与人工智能

    算法】PCA算法

    小编邀请您,先思考: 1 PCA算法的原理是什么? 2 PCA算法有什么应用?

    1.9K60发布于 2018-03-27
  • 来自专栏数据科学与人工智能

    算法】Adaboost 算法

    小编邀请您,先思考: 1 Adaboost算法的原理是什么 ? 2 Adaboost算法如何实现? 是一个加法模型,而Adaboost算法其实是前向分步算法的特例。那么问题来了,什么是加法模型,什么又是前向分步算法呢? 3.1 加法模型和前向分步算法 如下图所示的便是一个加法模型 ? 这个优化方法便就是所谓的前向分步算法。 下面,咱们来具体看下前向分步算法算法流程: 输入:训练数据集 ? 损失函数: ? 基函数集: ? 输出:加法模型 ? 3.2 前向分步算法与Adaboost的关系 在上文第2节最后,我们说Adaboost 还有另外一种理解,即可以认为其模型是加法模型、损失函数为指数函数、学习算法为前向分步算法的二类分类学习方法。 前向分步算法逐一学习基函数的过程,与Adaboost算法逐一学习各个基本分类器的过程一致。 下面,咱们便来证明:当前向分步算法的损失函数是指数损失函数 ?

    2.5K140发布于 2018-03-27
  • 来自专栏数据科学与人工智能

    算法】SVD算法

    2 SVD算法与PCA算法有什么关联? 3 SVD算法有什么应用? 4 SVD算法如何优化? 前言 奇异值分解(Singular Value Decomposition,简称SVD)是在机器学习领域广泛应用的算法,它不光可以用于降维算法中的特征分解,还可以用于推荐系统,以及自然语言处理等领域,是很多机器学习算法的基石 本文就对SVD的原理做一个总结,并讨论在在PCA降维算法中是如何运用运用SVD的。 也可以用于推荐算法,将用户和喜好对应的矩阵做特征分解,进而得到隐含的用户需求来做推荐。同时也可以用于NLP中的算法,比如潜在语义索引(LSI)。 SVD小结 SVD作为一个很基本的算法,在很多机器学习算法中都有它的身影,特别是在现在的大数据时代,由于SVD可以实现并行化,因此更是大展身手。

    2K121发布于 2018-03-27
  • 来自专栏用代码征服天下

    算法——排序算法

     基本思想:现在有一个数组arr= {12,35,99,18,76},需要将其从小到大排序

    1K10编辑于 2022-05-09
领券