02 2020 档案
摘要:1、LINGO是用来求解线性和非线性优化问题的简易工具。LINGO内置了一种建立 最优化模型的语言,可以简便地表达大规模问题,LINGO高效的求解器可快速求解并 分析结果。 2、集是LINGO建模语言的基础,是程序设计最强有力的基本构件。借助于集, 能够用一个单一的、长的、简明的复合公式表示一系列相
阅读全文
摘要:读标题关键词,读摘要,读结论,判断是否要读
阅读全文
摘要:2D图形库,能够生成各种格式的图形(诸如折线图,散点图,直方图等等),界面可交互(可以利用鼠标对生成图形进行点击操作),同时该2D图形库跨平台,即既可以在Python脚本中编码操作,也可以在Jupyter Notebook中使用,以及其他平台都可以很方便的使用Matplotlib图形库,而且生成图形
阅读全文
摘要:算法和算子的关系: 算法(algorithm)是为了达到某个目标,实施的一系列指令的过程,而指令包含算子(operator)和操作数(operand)。 算子:operator, 简单说来就是进行某种“操作“,动作。与之对应的,就是被操作的对象,称之为操作数,operand 我们看下面这段简单汇编代
阅读全文
摘要:https://pypi.tuna.tsinghua.edu.cn/simple/
阅读全文
摘要:Softmax是用于分类过程,用来实现多分类的 它把一些输出的神经元映射到(0-1)之间的实数,并且归一化保证和为1,从而使得多分类的概率之和也刚好为1。 Softmax可以分为soft和max,max也就是最大值,假设有两个变量a,b。如果a>b,则max为a,反之为b。那么在分类问题里面,如果只
阅读全文
摘要:一、什么是Hex 将每一个字节表示的十六进制表示的内容,用字符串来显示。 二、作用 将不可见的,复杂的字节数组数据,转换为可显示的字符串数据 类似于Base64编码算法 区别:Base64将三个字节转换为四个字符,Hex将三个字节转换为六个字节 三、应用场景 在XML,JSON等文本中包含不可见数据
阅读全文
摘要:1、感知野: 在卷积神经网络中,感受野(Receptive Field)的定义是卷积神经网络每一层输出的特征图(feature map) 上的像素点在输入图片上映射的区域大小。再通俗点的解释是,特征图上的一个点对应输入图上的区域,如图1所示。 感受野(Receptive Field),指的是神经网络
阅读全文
摘要:一、彩色图形处理 1、全彩色图像处理研究分为两大类:分别处理每一分量图像,然后合成彩色图像;直接对 彩色像素处理。 2、彩色变换 3、补色,在彩色环上,与一种色调直接相对立的另一种色调称为补色。作用:增强 嵌在彩色图像暗区的细节。 4、彩色图像平滑和锐化。拉普拉斯微分。 5、彩色分割,HSI直观;R
阅读全文
摘要:一、傅里叶变换特性及应用 1、DFT傅里叶变换,一幅图像经过DFT变成频域显示图像。IDFT 2、图像中心化,对频域进行换位,使得频谱分布呈中间低频,四周高频。使用fftshift函数 3、图像信号的傅里叶变换一般是复函数,包含幅度与相位两部分。 4、图像空域平移,频域幅值不变,相位改变。图像空域旋
阅读全文
摘要:一、概述 1、c#中的标记,分为标识符、关键字、文本、运算符和标点符号。 空白和注释不是标记,但他们可以充当标记的分隔符 2、 using System;//引用命名空间 namespace ConsoleApp2 {//命名空间定义 class Hello//类定义 { static void M
阅读全文
摘要:一、平滑与锐化滤波器 1、模板尺寸对效果的影响,模板尺寸越大,图像越模糊,细节丢失越多 2、低通空域滤波的缺点和问题,如果图像处理的目的是去除噪音,那么,低通滤波 在去除噪音的同时也平滑了边和尖锐的细节。 3、均值滤波器(平滑滤波器):提取感兴趣的部分,但是会模糊图像 4、中值滤波器的优点:抑制噪声
阅读全文
摘要:分为八个专题 一、数字媒体技术基础概论 学习目标: 1. 理解媒体、多媒体、数字媒体的概念与区别 2. 了解数字媒体技术与艺术所关注的内容的区别与联系 3. 了解数字媒体处理的软件系统和硬件系统 4. 了解数字媒体新技术的应用 5.掌握数字媒体的一些关键技术所包含的内容 笔记: 一、媒体概念及特性
阅读全文
摘要:版本控制系统分为几种?分布式版本控制系统 配有上述两个仓库,在你的电脑上有一个本地仓库,在远程的服务器上有一个远程仓库。我们在提交文件的时候会先提交到本地仓库,然后在有网络的情况下,再从本地仓库提交到网络上的远程仓库。Git 就是一个典型的分布式版本控制系统 集中式版本控制系统 只配有上述的远程仓库
阅读全文
摘要:第一章概述 一、互联网概述 1、计算机网络由若干结点和连接这些结点的链路组成。 结点可以是计算机、集线器、交换机或路由器等。 2、互联网也称为,网络的网络。 3、互联网的基础结构大体上经历了三个阶段的演进: 第一个是从单个网络ARPNET向互连网发展的过程。 internet是互连网,Interne
阅读全文
摘要:一、人眼视觉特性 1、色弱 2、色盲 3、暗适应 4、人眼错觉 眼见不一定为实 马赫带效应 电影利用了视觉暂留 快拍慢放,慢拍快放 二、基本运算 1、点运算,是一种像素的逐点运算。是灰度到灰度的映射过程。 可以改变图像数据所占据的灰度值范围,从而改善图像显示效果。 线性、非线性点运算:灰度压缩:图像
阅读全文
摘要:一、数字图像的质量 1、灰度级:表示像素明暗程度的整数量。例如:像素的量化范围是0-255, 称为有256个灰度级的图像。 层次 :表示图像实际拥有的灰度级的数量。图像数据的实际层次越多,视觉效果就越好。 2、清晰度 影响清晰度的因素:大小,颜色饱和度 3、均方误差,峰值信噪比。客观判断图像的质量
阅读全文
摘要:1、NN 神经网络 2、CNN卷积神经网络 CNN网络一共有5个层级结构: 输入层 卷积层 激活层 池化层 全连接FC层 一、输入层 与传统神经网络/机器学习一样,模型需要输入的进行预处理操作, 常见的输入层中预处理方式有: 去均值 归一化 PCA/SVD降维等 1、去均值:各维度都减对应维度的均值
阅读全文
摘要:拟合:形象的说,拟和就是把平面上一系列的点,用一条光滑的曲线连接起来.因为这条曲线有无数种可能, 从而有各种拟和方法.拟和的曲线一般可以用函数表示.根据这个函数的不同有不同的拟和的名字. 如果待定函数是线性,就叫线性拟合或者线性回归(主要在统计中),否则叫作非线性拟合或者非线性回归。表达式也可以是分
阅读全文
摘要:和01背包的区别是每种物品的个数是无限的。 void solve_1() { for(int i=1; i<=n; i++) for(int j=1; j<=W; j++) { dp[i][j]=-1; for(int k=0; k*w[i]<=j; k++) dp[i][j]=max(dp[i][
阅读全文
摘要:1、正则化缓解过拟合 正则化在损失函数中引入模型复杂度指标,利用给w加权值,弱化了训练数据的噪声 一般不会正则化b。 2、matplotlib.pyplot 3、搭建模块化的神经网络八股: 前向传播就是搭建网络,设计网络结构(forward.py) def forward(x,regularizer
阅读全文
摘要:jQuery 是一个 JavaScript 库。 jQuery 极大地简化了 JavaScript 编程。 jQuery 很容易学习。
阅读全文
摘要:1、监督学习(supervised learning)又叫做回归问题 2、其实分类和回归的本质是一样的,都是对输入做出预测,其区别在于输出的类型。 分类问题:分类问题的输出是离散型变量(如: +1、-1),是一种定性输出。(预测明天天气是阴、晴还是雨)回归问题:回归问题的输出是连续型变量,是一种定量
阅读全文
摘要:1、01背包 例如:https://www.luogu.com.cn/problem/P1060 01背包的状态转换方程 f[i,j] = Max{ f[i-1,j-Wi]+Pi( j >= Wi ), f[i-1,j] } f[i,j]表示在前i件物品中选择若干件放在承重为 j 的背包中,可以取得
阅读全文
摘要:注意读题,求的不是七周中位数的和,而是七周中位数的中位数的最大值 如图 a,b,c,x,e,f,g分别是每周的中位数。 而x是a,b,c,x,e,f,g是这七周的每一周的中位数的中位数 题目的要求是让我们最大化这个x; 我们可以假定x已经是我们要求的值,那么为了让x符合题目信息,我们必须让第4周的后
阅读全文
摘要:#include <math.h> //平方 pow()int a = pow(4,2);// 4的平方=16//开方int b = pow(4,0.5);// 4的平方根=2int c = sqrt(4);// 4的平方根=2//整数绝对值int c = abs(b-c);//浮点数绝对值doub
阅读全文
摘要:1、先输入再求勾股定理会超时 2、需要一边输入一边求。 #include<iostream> #include<cmath>#include<cstdio> using namespace std; struct node{ int x,y; }p[100001]; int n; double di
阅读全文
摘要:1.后端如何得到前端数据1)如果前端提交的方法为POST:后端接收时要写methods=[‘GET’,‘POST’]xx=request.form.get(xx);xx=request.form[’‘xx’]2)如果是GETxx=request.args.get(xx)2.后端向前端传数据1) 传单
阅读全文
摘要:1、Python中的package定义很简单,其层次结构与程序所在目录的层次结构相同, 这一点与Java类似,唯一不同的地方在于,python中的package必须包含一个__init__.py的文件。 2、__ init__.py可以为空,只要它存在,就表明此目录应被作为一个package处理。
阅读全文
摘要:#include<iostream> #include<cmath> #include<cstdio> #include<algorithm> #include<string> #include<cstring> using namespace std; int main() { freopen("
阅读全文
摘要:古时丧葬活动中经常请高僧做法事。仪式结束后,有时会有“高僧斗法”的趣味节目,以舒缓压抑的气氛。 节目大略步骤为:先用粮食(一般是稻米)在地上“画”出若干级台阶(表示N级浮屠)。又有若干小和尚随机地“站”在某个台阶上。最高一级台阶必须站人,其它任意。(如图1所示) 两位参加游戏的法师分别指挥某个小和尚
阅读全文
摘要:1、 tf.multiply(x,y1) # 对应元素相乘 tf.matmul(x,y2) # 矩阵相乘 2、会话:执行计算图中的节点运算的。 with tf.Session() as sess: print sess.run(y) 3、参数:就是权重w,用变量表示。随机给初值。 w=tf.Vari
阅读全文
摘要:1、激活函数 (1)由于sgmoid函数自身的特性,在反向传播时,很容易出现梯度消失的情况,从而难以完成网络的训练。 (2)ReLU的表达式: 2、过拟合问题 欠拟合:根本原因是特征维度过少,模型过于简单,导致拟合的函数无法满足训练集,误差较大; 解决方法:增加特征维度,增加训练数据; 过拟合:根本
阅读全文
摘要:母题:有若干堆石子,每堆石子的数量是有限的,二个人依次从这些石子堆中拿取任意的石子,至少一个(不能不取),最后一个拿光石子的人胜利。 1、我们首先以一堆为例: 假设现在只有一堆石子,你的最佳选择是将所有石子全部拿走,那么你就赢了。 2、如果是两堆:假设现在有两堆石子且数量不相同,那么你的最佳选择是取
阅读全文
摘要:1、用集合中的某个元素来代表这个集合,该元素称为集合的代表元。 https://blog.csdn.net/niushuai666/article/details/6662911 这个博客里很详细
阅读全文
摘要:问题描述 你的表妹正在学习整数的加法,请编写一个程序来帮助她学习。该程序调用了一个函数GetTwoInts,由它来返回两个从键盘读入的100以内的整数,然后计算这两个整数之和,并把答案显示出来。要求:在主函数中不能使用scanf等函数直接输入这两个整数,而必须通过调用GetTwoInts函数来完成,
阅读全文
摘要:动态规划算法是通过拆分问题,定义问题状态和状态之间的关系,使得问题能够以递推(或者说分治)的方式去解决。 动态规划算法的基本思想与分治法类似,也是将待求解的问题分解为若干个子问题(阶段), 按顺序求解子阶段,前一子问题的解,为后一子问题的求解提供了有用的信息。在求解任一子问题时, 列出各种可能的局部
阅读全文
摘要:题目描述 棋盘上 AA 点有一个过河卒,需要走到目标 BB 点。卒行走的规则:可以向下、或者向右。同时在棋盘上 CC 点有一个对方的马,该马所在的点和所有跳跃一步可达的点称为对方马的控制点。因此称之为“马拦过河卒”。 棋盘用坐标表示,AA 点 (0, 0)(0,0)、BB 点 (n, m)(n,m)
阅读全文
摘要:1、Keras是一个由Python编写的开源人工神经网络库。 2、深度学习主要应用在三个大的方向,计算机视觉,自然语言处理,强化学习 3、计算机视觉主要有:图片识别,目标检测,语义分割,视频理解(行为检测), 图片生成,艺术风格迁移等等。 4、自然语言处理:机器翻译、聊天机器人 5、强化学习:虚拟游
阅读全文
摘要:1、原理: 任何一副灰度图像都可以被看成拓扑平面,灰度值高的区域可以被看成是 山峰,灰度值低的区域可以被看成是山谷。我们向每一个山谷中灌不同颜色的 水。随着水的位的升高,不同山谷的水就会相遇汇合,为了防止不同山谷的水 汇合,我们需要在水汇合的地方构建起堤坝。不停的灌水,不停的构建堤坝知 道所有的山峰
阅读全文
摘要:1、霍夫变换 2、cv2.HoughLines() 返回值就是(ρ, θ)。ρ 的单位是像素,θ 的单位是弧度。这个函数的第一个参 数是一个二值化图像,所以在进行霍夫变换之前要首先进行二值化,或者进行 Canny 边缘检测。第二和第三个值分别代表 ρ 和 θ 的精确度。第四个参数是 阈值,只有累加其
阅读全文
摘要:1、原理:模板匹配是用来在一副大图中搜寻查找模版图像位置的方法 OpenCV 为我们提供了函数:cv2.matchTemplate()。和 2D 卷积一样,它也是用模 板图像在输入图像(大图)上滑动,并在每一个位置对模板图像和与其对应的 输入图像的子区域进行比较。OpenCV 提供了几种不同的比较方
阅读全文
摘要:1、初识轮廓 为了准确,要使用二值化图像。在寻找轮廓之前,要进行阈值化处理,或者Canny边界检测。 查找轮廓的函数会修改原始图像。如果你在找到轮廓之后还想使用原始图像的话,你应该将原始图像存储到其他变量中。 在 OpenCV 中,查找轮廓就像在黑色背景中超白色物体。你应该记住, 要找的物体应该是白
阅读全文
摘要:1、腐蚀 cv2.erode() 就像土壤侵蚀一样,这个操作会把前景物体的边界腐蚀掉(但是前景仍然 是白色)。这是怎么做到的呢?卷积核沿着图像滑动,如果与卷积核对应的原图 像的所有像素值都是 1,那么中心元素就保持原来的像素值,否则就变为零。 这回产生什么影响呢?根据卷积核的大小靠近前景的所有像素都
阅读全文
摘要:1、简单阈值(整个图像,采用同一个数作为阈值) cv2.threshhold()第一个参数是原图像,第二个参数就是用来对像素值进行分类的阈值。第三个参数就是当像素值高于(有时是小于)阈值时应该被赋予的新的像素值。 OpenCV 提供了多种不同的阈值方法,这是有第四个参数来决定的。这些方法包括: •
阅读全文
摘要:有两类图像金字塔:高斯金字塔和拉普拉斯金字塔 1、高斯金字塔的顶部是通过将底部图像中的连续的行和列去除得到的。顶 部图像中的每个像素值等于下一层图像中 5 个像素的高斯加权平均值。这样 操作一次一个 MxN 的图像就变成了一个 M/2xN/2 的图像。所以这幅图像 的面积就变为原来图像面积的四分之一
阅读全文
摘要:步骤 :噪声去除,计算图像梯度,非极大值抑制, 滞后阈值 cv2.Canny()可以完成以上几步。 import cv2 import numpy as np from matplotlib import pyplot as plt img = cv2.imread('messi5.jpg',0)
阅读全文
摘要:1、2D卷积 LPF:低通滤波,去除噪音,模糊图像 HPF:高通滤波,帮助我们找到图像的边缘 cv.filter2D()可以对图像进行卷积操作。 操作如下:将核放在图像的一个像素 A 上,求与核对应的图像上 25(5x5) 个像素的和,在取平均数,用这个平均数替代像素 A 的值。重复以上操作直到 将
阅读全文
摘要:1、变换 OpenCV 提供了两个变换函数,cv2.warpAffine 和 cv2.warpPerspective, 使用这两个函数你可以实现所有类型的变换。cv2.warpAffine 接收的参数是 2 × 3 的变换矩阵,而 cv2.warpPerspective 接收的参数是 3 × 3 的
阅读全文
摘要:1、转换颜色空间 HSV:色调(H),饱和度(S),明度(V)。 比如从 BGR 到灰度图,或者从BGR 到 HSV 等 我们要用到的函数是:cv2.cvtColor(input_image,flflag),其中 flflag 就是转换类型。 对于 BGR↔Gray 的转换,我们要使用的 flfla
阅读全文
摘要:1、图像加法 可以用函数cv2.add()将两幅图像进行加法运算,当然也可以直接使用numpy。 res=img1+img2。两幅图像的大小,类型必须一致,或者第二个,图像可以使一个简单的标量值。 注意:OpenCV 中的加法与 Numpy 的加法是有所不同的。OpenCV 的加法 是一种饱和操作,
阅读全文
摘要:1、先读取一个图片 import cv2 import numpy as np img = cv2.imread('test.jpg') 我们可以获取该图像的属性:行,列,通道,图像数据类型,像素数目等,具体如下。 img.shape:获取图像的形状,返回值是一个包含行数,列数,通道数的元组 img
阅读全文
摘要:1、创建一个VideoWriter的对象,我们应该确定一个输出文件的名字。 2、接下来指定FourCC编码。这是一个4字节码,用来确定视频的编码格式, 以MJPG为例,cv2.cv.FOURCC(*'MJPG') 3、播放频率和帧的大小也都需要确定。 4、最后一个是isColor标签,如果是True
阅读全文
摘要:1、VideoCapture()括号中写视频文件的名字,在播放每一帧的时候,使用cv2.waitKey()设置适当的持续时间,太低会播放的很快,太高会很慢,通常情况下25毫秒就行了。 2、获取相机/视频的各种属性–常见函数 cv2.VideoCapture.get(propId) 访问视频的某些功能
阅读全文
摘要:2.1 公平的席位分配 2.2 录像机计数器的用途 2.3 双层玻璃窗的功效 2.4 汽车刹车距离 2.5 划艇比赛的成绩 2.6 实物交换 2.7 核军备竞赛 2.8 启帆远航 2.9 量纲分析与无量纲化
阅读全文
摘要:1、建立数学模型的全过程:表述、求解、解释、检验 2、可以利用编程,穷举法(暴力) 3、基本方法: 机理分析:找出反映内部机理的数量规律 测试分析:将对象看作“黑箱”,通过对量测数据的 统计分析,找出与数据拟合最好的模型 二者结合:用机理分析建立模型结构,用测试分析确定模型参数 4、模型准备--模
阅读全文
摘要:1、ord()函数:它以一个字符(长度为1的字符串)作为参数,返回对应的 ASCII 数值,或者 Unicode 数值,如果所给的 Unicode 字符超出了你的 Python 定义范围,则会引发一个 TypeError 的异常。 2、cap.read()返回一个布尔值,如果帧读取的是正确的,就是T
阅读全文
摘要:1、Matplotlib是python的一个绘图库。 2、from matplotlib import pyplot as plt
阅读全文
摘要:1、安装pytesseract,用于图像验证识别。 2、 图像属性:通道数目,高与宽,像素数据,图像类型 3、读取一种格式的图像文件,将其保存成另一种格式 image = cv2.imread("cat.jpg") cv2.imwrite("cat.png",image) 4、cv2.imread读
阅读全文
摘要:一开始的代码,运行超时 #include<iostream> #include<cmath> #include<cstdio> #include<algorithm> #include<string> #include<cstring> using namespace std; int a[105]
阅读全文
摘要:1、深度学习,恰恰就是通过组合低层特征形成更加抽象的高层特征(或属性类别)。 2、机器学习是人工智能的一个分支,简单来说就是通过算法,使得机器能够从大量历史数据中学习规律,从而对新的样本做智能识别或对未来做预测。 3、 弱人工智能,也被称为狭义人工智能,是一种为特定的任务而设计和训练的人工智能系统。
阅读全文
摘要:https://www.jianshu.com/p/d7c4cf8dc62d 1、数学公式在 \( 和 \)之间,$和$之间,或者\begin{math}和\end{math}之间 2、对于较大的数学式子,最好的方法是使用显示式样来排版:将他们放置于\[ 和 \]之间, 或者\begin{displ
阅读全文
摘要:1、空格和制表符等空白字符视为相同的空白距离,多个连续的空白字符等同为一个字符。 2、# $ % ^ _ { } ~ 在这些字符前面加上反斜线,就可以在文本中得到它们。 反斜线\不能在前面添加反斜线的得到,\\是一个用来断行的命令 3、注释 % 4、\documentclass{...}和\begi
阅读全文
摘要:写论文真的是不断遇到各种困难啊,这个Latex软件就很多,好不容易中个A1区的文章,期刊说更新了新的模板就下载了,忽然发现打开有reading error,看不到一点内容,神奇的是竟然可以运行。这样的问题可能就是utf-8编码问题了。 不过神奇的百度真的好给力,找到合适的答案,但是觉得说的还是有些欠
阅读全文
摘要:#include<iostream> #include<cstring> #include<iomanip> #include<cmath> #include<algorithm> #include<bits/stdc++.h> using namespace std; int N, M; int
阅读全文
摘要:Sticks Time Limit: 1000MS Memory Limit: 10000K Total Submissions: 113547 Accepted: 26078 问题描述 George took sticks of the same length and cut them rando
阅读全文