摘要：
A. Cashier A. Cashier 题意：给n个时间段（不会有交叉），在总时间L下，有多少个a的时间段可以抽烟。 #include <bits/stdc++.h> using namespace std; struct Line { int l,r; bool operator < (con 阅读全文
摘要：
A. 礼物 题意： 我从买奥利奥的事情中想出了一个算法题：假设某个店铺有N种不同类型的1元奥利奥和M种不同类型的2元奥利奥,而且余量无限,我的钱有k元,我想把k元都用来买奥利奥,且可以买同类型的奥利奥,你能帮我算出有多少种购买方式吗？设答案为Z,这个数字也许会很大,所以我们只需要输出Z mod P的 阅读全文
摘要：
这里使用高通的Vuroria来做一个AR歌姬。 工具： Vuforia,MMD4Mecanim 模型： 初音未来pmd模型文件，极乐净土vmd动作文件。 逻辑： 当发现识别卡时：开启音乐，模型速度为1。 当识别卡丢失时：暂停音乐，模型速度为0。 效果： 阅读全文
摘要：
塔防游戏，类似于保卫萝卜的一种。 需要注意的是几点问题是： 游戏地图是瓦片地图，设置特定的标记，用来标记哪些点是地图点，哪些是塔点。 游戏关卡选择：需要在两个cpp文件传参，用的是静态成员变量。 每一关的不同点是地图的不一样，根据关卡使用不同地图，无需写重复的game1.cpp,game2.cpp。 阅读全文
摘要：
逻辑首先有控制台写了一下。 需要注意的地方不少： 进一步，需要考虑3个层面的问题。 需要后退一步的时候，需要考虑两种情况。 Source Code: 1 using System; 2 using System.Collections.Generic; 3 using System.Linq; 4 阅读全文
摘要：
关于APIT定位算法的讨论 【摘要】 无线传感器网络节点定位机制的研究中，基于距离无关的定位技术得到快速发展，其中基于重叠区域的APIT定位技术在实际环境中的定位精度高，被广泛研究和应用。 【关键词】 无线传感器网络；定位算法；APIT； 【正文】 在传感网络中的许多应用中，用户一般都会关心一个重要 阅读全文
摘要：
CSU还有一个星期举办夏令营，老龄级选手已经退化了不少，打算刷一个套餐出来熟练一下。 、 题目不打算像ACM-ICPC那个难度，但是尽量面面俱到，大体分为以下几个部分： 数据结构（栈，队列，链表，树，图——简单） 贪心，动归 图论 贪心，动归 简单数学 真题 具体习题今天会找好，难度适中！！！ 已经 阅读全文
摘要：
C. Vasya and String time limit per test 1 second memory limit per test 256 megabytes input standard input output standard output High school student V 阅读全文
摘要：
时间序列 移动平均法 栗子：P168 某个企业1~11月的销售输入时间序列，用一次简单移动平均法预测第12个月的销售收入。 公式很简单： 标准误差为： 指数平滑法 一次 栗子P171 某市1976-1987年某种电器销售额如表所示。预测1988年改电器销售额。 采用指数平均法 公式也很简单： 误差公 阅读全文
摘要：
神经网络应用 基于神经网络的年径流预报分析。 网络学习样本的建立 网络学习样本的建立 某水库实测年径流量与因子特征值 ：几个重要月份的降水量（单位：mm），年径流量为 (单位：) 这样，将这4个预报因子作为输入量，年径流量 y 为输出量，构成 4 个输入，1个输出的网络，将前19个实测数据 阅读全文
摘要：
神经网络 神经网络主要分为两种，BP神经网络，RBF神经网络 BP神经网络 BP神经网络的认识 BP神经网络的认识 其实，BP神经网络就像我们生物学中的环境系统里面的生态稳定，正反馈，负反馈。看BP神经网络的名字就知道，的确这样。（Back Propagation） BP（Back Propagat 阅读全文
摘要：
GA——遗传算法 同模拟退火算法一样，都是现代优化算法之一。模拟退火是在一定接受程度的情况下仍然接受一个比较差的解。 遗传算法，是真真正正的和大自然的遗传进化有着非常紧密的联系的，当然遗传进化的只是在生物学中已经讲过了，8个字，物竞天择，适者生存。 简介 简介 《物种起源》，有兴趣可以看看达尔文的著 阅读全文
摘要：
A. Supermarket We often go to supermarkets to buy some fruits or vegetables, and on the tag there prints the price for a kilo. But in some supermarket 阅读全文
摘要：
【转】http://blog.csdn.net/df865017/article/details/48164429 使用MATLAB进行编码时， 长时间面对白底黑字的屏幕， 眼睛会疼！ 因此， 选择一个合适的颜色主题 (theme) 来改善用眼是十分必要的！ 由于MATLAB preference选 阅读全文
摘要：
TSP——模拟退火解法 都知道TSP是经典的NP问题，从一个点开始遍历所有点，不重复，求最短路径。 可以用枚举终点，跑流量为2的最小费用，图论来做，时间复杂度为 费用流已经用到堆优化了。显然点，边较多将无法承受。 如果不要求精确解，使用模拟退火也是一个不错的选择。模型简单，转移很暴力。 先随机生 阅读全文
摘要：
最小球覆盖：用半径最小的球去覆盖所有点。 纯粹的退火算法，是搞不定的，精度不够，不然就会TLE，根本跑不出答案来。 任取一点为球心，然后一点点靠近最远点。其实这才是最主要的。 因为：4个点确定一个球，也就是说，这个球，会慢慢稳定，每次用一个点到最远的点的距离去靠近，怎么靠近，玄学距离 。 再在这 阅读全文
摘要：
模拟退火算法，很久之前就写过一篇文章了。双倍经验题（POJ 2420） 题意： 在一个矩形区域内，求一个点的距离到所有点的距离最短的那个，最大。 这个题意，很像二分定义，但是毫无思路，也不能暴力枚举，那就模拟退火。 参考著名的ACdream，哈哈，有个共同点，那就是，大部分的代码，都没有做接受准则， 阅读全文
摘要：
结尾0的个数 描述: 给你一个正整数列表 L, 输出L内所有数字的乘积末尾0的个数。(提示:不要直接相乘,数字很多,相乘得到的结果可能会很大)。 例如： L=[2,8,3,50], 则输出：2 给你一个正整数列表 L, 输出L内所有数字的乘积末尾0的个数。(提示:不要直接相乘,数字很多,相乘得到的结 阅读全文
摘要：
发现一个Python的题库，嘿嘿，练练手吧~~~ http://www.pythontip.com/ a + b 描述: 给你两个数a、b，请你计算它们的和，并输出。 例如： a = 3, b = 2 则输出：5 提示：挑战python栏目的所有题目，题目中所给变量使用前不用声明，也不用赋值，系统自 阅读全文
摘要：
给出一个 n 个点的有向图，找若干个圈，是的每个结点恰好属于一个圈。要求总长度尽量小。 三倍经验题 Uva 12264，HDU 1853 这题有两种解法，一是匹配： 每个点只在一个圈中，则他有唯一的前驱和后继，也就是入度为1，出度为1，拆成 入度点和出度点，跑最小全匹配，因为是匹配，这样就保证了他在 阅读全文
摘要：
题意：有 n 个工作，他的允许的工作时间是 [l,r] ，工作量是 v ，求CPU最速度的最小值。 分析： 可能太久没有做题了，竟然脑子反应好慢的。还是很容易想到二分，但是二分怎么转移呢？ 可以看出，[l,r] 的区间范围不大，可以枚举，cpu 此时的二分答案 x，尽可能的贪心，怎么贪心呢，在同一速 阅读全文
摘要：
判别分析 回忆一下，我们已经学过了聚类分析（物以类聚，人以群分），主成分分析（因子的线性变换），因子分析（因子内部的联系）。今天要介绍的又是另外一种多元分析，判别分析，他是对于给定的样本 ，要判断他是来自哪一个总体。神奇不！！！ 如何进行判别呢，主要有三种方法： 距离判别 判别 判别 距 阅读全文
摘要：
因子分析——因子得分 因子分析的最后一步了，悲伤 ！！！ 在因子分析中，人们一般关注的重点是估计因子模型的参数（载荷矩阵），有时公共因子的估计（即所谓的因子得分）也是需要的，因子得分可以用于模型诊断，也可以作为下一步分析的原始数据。 需要指出的是，因子的得分计算并不是通常意义下的参数估计，他是对 阅读全文
摘要：
因子分析——应用 P248 在一项消费者爱好的研究中，随机邀请了一些顾客对某种新食品进行评价，共有5项指标（变量1-5）味道，价格，风味，适于快餐，补充能量。得到他们的相关系数矩阵。 求出载荷矩阵： 其实从相关系数矩阵中就可以看出，变量1,3之间联系很大，变量2,5之间联系很大。于是可以期望，因子模 阅读全文
摘要：
因子分析——因子旋转 前面经过千辛万苦终于把载荷矩阵求出来了，并且知道评价的公共因子好坏的标准，但是，我们还有两个问题没有解决，那就是因子旋转和最后的因子得分。 因子旋转有称为正交变换，建立因子分析的目的不仅是找出公共因子以及对变量分组，更重要的是知道每个公共因子的含义。 由于因子载荷矩阵是不唯一的 阅读全文
摘要：
因子分析——建立载荷矩阵 到这里已经学了好多的多元分析方法了，有聚类分析法，有主成分分析法，尤其是主成分分析法，为什么还要讨论因子分析法呢？很多地方都有对主成分分析法和因子分析法的区别比较，这里就不多说了，只记录一下最重要的地方。 主成分分析法：是对原始变量的线性组合，且相互垂直。 因子分析法：研究 阅读全文
摘要：
主成分分析案例——我国各地区普通高等教育发展水平综合评价 主成分分析步骤 对原始数据进行标准化处理 计算相关系数矩阵 计算特征值和特征向量 选择 个主成分，进行综合评价 对原始数据进行标准化处理 计算相关系数矩阵 计算特征值和特征向量 选择 个主成分，进行综合评价 分析 看程序应该是 阅读全文
摘要：
主成分分析理论 主成分分析的目的看上去和聚类分析的R型聚类很类似，目的是希望用较少的变量去解释原来资料中的大部分变异。 通常是选出比原始变量个数少，能解释大部分资料中的变异的几个新变量 ，即所谓主成分。 其理论当然没有聚类分析那样来一个距离表示就ok了，理论如下： 但是有时候，一个主成分还是不能表示 阅读全文
摘要：
我国各地区普通高等教育发展状况分析 建立综合评价指标体系 R型聚类分析 建立综合评价指标体系 R型聚类分析 根据数据猜测 每10万人口高等院校招生数，每10万人口高等院校在校生数，等等，有可能存在较强的相关性，验证猜想做一个R型聚类分析。 需要注意的是，要对数据进行标准化，里面的数据有的是高校数目， 阅读全文
摘要：
聚类分析 Q型聚类 评价两两之间的距离有很多，绝对值距离，欧式距离，切比雪夫距离，马氏距离。 举个栗子P219 从图中其实分为几类已经明确了。 R型聚类 Q型聚类可以是说，对对象物以类聚，人以群分，而R型聚类，是指对你评判的标准进行简化，也是按照Q型聚类的方法做的，只不过处理的对象不一样了而已。 栗 阅读全文
摘要：
多目标规划 多个目标函数，之间可以用他们的重要程度分析，来一次进行这个序贯算法，当然也可以无限逼近的方案—— 如何设置权重weight呢？ 比如： 第一个式子的重要程度是20%，第二个式子的重要程度是80%。 哈哈，想到这里，其实是错误的，可以有这种想法，但是我们的多目标规划问题，就是要无限逼近这 阅读全文
摘要：
目标规划的序贯算法 但是目标规划就和人们的生活生产是差不多的，更加灵活。 过程： 仔细阅读Lingo程序后，还是发现了他的规律。 虽然lingo写的少，但是看懂以后，还是可以考虑去换一下MATLAB编程。 从二级目标函数说起，目标函数是原来的目标函数的一部分，然后列不等式，加上之前的式子（之前求出 阅读全文
摘要：
蒙特卡洛法 其实所谓的蒙特卡洛法就是我们的随机化算法啊，最简单的应用就是撒豆子求面积了。 那就举两个栗子，一个就是撒豆子，一个是非线性整数规划问题。 撒豆子 非线性整数规划 可以算一个概率，假设目标函数落在高值区域的概率为 、 ，则当枚举 个点后，至少有一个点能落在高值区域的概率为： 阅读全文
摘要：
整数规划 到整数规划了，可以说是线性规划的特殊情况，当然不能将整数规划的解直接取整得到。 解法有很多： 分支定界法 割平面（图解法） 隐枚举法 匈牙利法 蒙特卡洛法 分支定界法 割平面（图解法） 隐枚举法 匈牙利法 蒙特卡洛法 这里主要讲计算机如何进行函数调用，哈哈！！！ 0-1指派问题 模型：分配 阅读全文
摘要：
线性规划 线性规划问题 MATLAB的标准形式： 举个栗子吧： 线性规划变形 （带上绝对值咯）： 的确很复杂，不能直接用MATLAB直接计算(Lingo完全OK)，需要对其进行数学变换： 理论：对于任意的，可以写成： 原来的目标函数就变成了： 不等式就变成了： 嘿嘿，现在就可以建立矩阵了，举个 阅读全文
摘要：
灰度预测 首先说，为啥要引出这个灰度预测，其实也就是在拟合的时候，效果不理想的一种另外的处理方案。 做灰度预测的步骤 P401，主要讨论G(1,1)模型 什么是G(1,1) 模型式一阶微分方程，且只含有1个变量的灰色模型。 举个栗子： 利用G(1,1) 模型预测某个城市道路交通噪声平均声级数。 数据 阅读全文
摘要：
cftool拟合&函数逼近 cftool 真是神奇，之前我们搞的一些线性拟合解方程，多项式拟合，函数拟合求参数啊，等等。 已经超级多了，为啥还得搞一个cftool拟合啊？而且毫无数学理论。 如果你足够细心，你会发现，之前的拟合，都是我们猜测这个拟合的式子大概是什么形式，只需要求个参数。嘿嘿到底准不准 阅读全文
摘要：
最小二乘优化 在之前有一个， 我们用的是解方程的方法（嘿嘿，要是无解咋办呢？），当然也可以用多项式拟合。 最小二乘优化是一个什么问题呢？ 最小化这个 ，这也是最小二乘优化的定义，在Matlab中有处理这个最小二乘优化问题的函数： lsqlin,lsqcurvefit,Lsqnonlin,Ls 阅读全文
摘要：
最小二乘法拟合 最小二乘法拟合解方程组方法多项式拟合 最小二乘法拟合解方程组方法多项式拟合 解方程组方法 栗子：最小二乘法求一个形如： 的经验公式。 看上去好简单：但是还是要简单，但是要知道怎么来的。 多项式拟合 多项式拟合编程倒是简单了一点，理论可能复杂的。 栗子：P94 看上去有点像直 阅读全文