当前标签：动态规划

剑指Offer43:1~n整数中1出现的次数（数位DP）

ISGuXing 2021-03-31 13:27 阅读:154 评论:0 推荐:0 编辑

LeetCode132：分割回文串（DP、回文）

ISGuXing 2021-03-10 18:20 阅读:143 评论:0 推荐:0 编辑

leetcode:354 俄罗斯套娃信封问题(LIS)

ISGuXing 2021-03-05 14:17 阅读:94 评论:0 推荐:0 编辑

埃森哲杯第十六届上海大学程序设计联赛春季赛暨上海高校金马五校赛 L题 K序列

ISGuXing 2018-04-17 17:38 阅读:217 评论:0 推荐:0 编辑

蓝桥杯-地宫取宝

ISGuXing 2018-03-15 14:25 阅读:271 评论:0 推荐:0 编辑

蓝桥杯-波动数列

ISGuXing 2018-03-10 16:23 阅读:548 评论:0 推荐:0 编辑

2017百度之星资格赛1003 度度熊与邪恶大魔王

ISGuXing 2017-08-06 22:42 阅读:332 评论:0 推荐:0 编辑

UVA-11584

ISGuXing 2017-08-03 21:47 阅读:231 评论:0 推荐:0 编辑

JXNU acm选拔赛涛涛的Party

ISGuXing 2017-07-30 13:34 阅读:270 评论:0 推荐:0 编辑

HDU-1087 Super Jumping! Jumping! Jumping!

ISGuXing 2017-07-29 22:02 阅读:168 评论:0 推荐:0 编辑

LCIS最长公共上升子序列！HDU-1423

ISGuXing 2017-07-28 00:45 阅读:230 评论:0 推荐:0 编辑

常见的几种背包讲解

ISGuXing 2017-07-21 00:03 阅读:1741 评论:0 推荐:0 编辑

HDU-2639 Bone Collector II

ISGuXing 2017-07-20 23:18 阅读:258 评论:0 推荐:0 编辑

HDU-1171

ISGuXing 2017-07-20 23:04 阅读:157 评论:0 推荐:0 编辑

POJ-3260 The Fewest Coins

ISGuXing 2017-07-20 22:56 阅读:246 评论:0 推荐:0 编辑

POJ-1742 Coins

ISGuXing 2017-07-20 22:46 阅读:164 评论:0 推荐:0 编辑

POJ-1014 Dividing

ISGuXing 2017-07-20 22:35 阅读:532 评论:0 推荐:0 编辑

POJ-1252 Euro Efficiency

ISGuXing 2017-07-20 22:23 阅读:224 评论:0 推荐:0 编辑

HDU-2159 二维背包

ISGuXing 2017-07-20 22:10 阅读:239 评论:0 推荐:0 编辑

HDU-3591 混合背包

ISGuXing 2017-07-20 01:03 阅读:196 评论:0 推荐:0 编辑

公告

昵称： ISGuXing
园龄： 7年7个月
粉丝： 18
关注： 4

<

2025年3月

>

日

一

二

三

四

五

六

23

24

25

26

27

28

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

16

17

18

19

20

21

22

23

24

25

26

27

28

29

30

31

1

2

3

4

5

随笔分类

随笔档案

文章档案

2017年7月(1)

阅读排行榜

评论排行榜

推荐排行榜

最新评论

1. Re:高斯朴素贝叶斯（Gaussian Naive Bayes）原理与实现——垃圾邮件识别实战
您好，请问预处理的代码是怎样的呢？
--谁来救救我
2. Re:A Novel Cascade Binary Tagging Framework for Relational Triple Extraction（论文研读与复现）
博主您训练时长多少啊，我这训练的好慢啊
--哈西西
3. Re:使用Py2neo更新Neo4j中节点的属性值的正确姿势
你好，请问，您图中这个治愈数等属性是能根据值更新的么？
--李舒木子馨
4. Re:KNN算法之KD树（K-dimension Tree）实现 K近邻查询
@ISGuXing 感谢博主的解答，相明白了😁...
--pengkai
5. Re:KNN算法之KD树（K-dimension Tree）实现 K近邻查询
@pengkai K是KNN算法的一个超参数，跟你是否使用KD树没有任何关系，在我这篇博客的实现里，get_nearest_neighbour()函数的K默认为1，你也可以改为3,5,7，……，K最好...
--ISGuXing