摘要: 概念 完全二叉树:若设二叉树的深度为 h,除第 h 层外,其它各层(1~h-1)的结点数都达到最大个数,第 h 层所有的结点都连续集中在最左边。 用数组表示(下标从 1 开始),则有: arr[i] 的左孩子是 arr[2*i],右孩子是 arr[2*i+1]; arr[i] 的父节点是 arr[i 阅读全文
posted @ 2020-09-17 01:28 TimDyh 阅读(566) 评论(0) 推荐(0) 编辑
摘要: 该项目系笔者大二时计算机组成课的课程设计,源代码及完整文档请移步 Github 仓库。 阅读全文
posted @ 2020-09-17 01:18 TimDyh 阅读(336) 评论(0) 推荐(0) 编辑
摘要: 目前北航的学术讲座、博雅课堂、社团活动和各个学生会组织的活动并没有一个统一的发布平台和入口,学生、老师及活动组织者需要通过不同的网站进行注册报名,并且这些网站也没有相关的日程提醒功能,也无法让活动参与者对组织者提供反馈。我们旨在用一个带有网页端的平台,来改变这一现状,方便北航师生的课余生活。 本系统 阅读全文
posted @ 2020-07-19 15:30 TimDyh 阅读(164) 评论(0) 推荐(0) 编辑
摘要: 项目 GitHub 仓库 项目需求 系统建模 活动图 普通用户注册后通过前台页面登录,进行浏览、查询、借书、还书等操作。 图书馆管理员通过后台管理界面登录,可直接对数据库进行增删改查操作。 用例图 首页 用户可以选择登录或注册。 个人中心 用户可以浏览借阅列表,对列表中的书籍进行还书操作。如果逾期, 阅读全文
posted @ 2020-07-19 14:23 TimDyh 阅读(1309) 评论(0) 推荐(0) 编辑
摘要: 实验工具与环境配置 服务器操作系统:macOS Catalina 10.15.2 客户端操作系统:macOS High Sierra 10.13.6 FTP 服务器:QuickFTP Server 1.0.4 FTP 客户端:ForkLift 2.6.6 浏览器:Chrome 83.0.4103.6 阅读全文
posted @ 2020-07-19 13:32 TimDyh 阅读(685) 评论(0) 推荐(0) 编辑
摘要: 实验工具与环境配置 虚拟机软件:VMware Fusion 11.5.5 操作系统:Windows XP 虚拟病毒:VirtualVirus 进程管理器:IceSword 运行虚拟病毒 在 Windows XP 虚拟机中,运行 VirtualVirus 可执行文件。 从现象上看,病毒会导致每隔一段时 阅读全文
posted @ 2020-07-19 12:13 TimDyh 阅读(401) 评论(0) 推荐(0) 编辑
摘要: 图像的正交变换在数字图像的处理与分析中起着很重要的作用,被广泛应用于图像增强、去噪、压缩编码等众多领域。本文手工实现了二维离散傅里叶变换和二维离散余弦变换算法,并在多个图像样本上进行测试,以探究二者的变换效果。 1. 傅里叶变换 实验原理 对一幅图像进行离散傅里叶变换(DFT),可以得到图像信号的傅 阅读全文
posted @ 2020-07-19 10:53 TimDyh 阅读(5645) 评论(0) 推荐(3) 编辑
摘要: 灰度变换是指根据某种目标条件,按一定变换关系逐点改变源图像中每一个像素灰度值的方法,目的是为了改善画质,使图像的显示效果更加清晰。图像的灰度变换处理是图像增强处理技术中的一种非常基础、直接的空间域图像处理方法,也是图像数字化软件和图像显示软件的一个重要组成部分。 本文通过实现直方图均衡和线性变换分别 阅读全文
posted @ 2020-07-19 10:15 TimDyh 阅读(817) 评论(0) 推荐(1) 编辑
摘要: 万维网客户程序与万维网服务器程序之间的交互遵守严格的协议,这就是超文本传输协议 HTTP(HyperText Transfer Protocol)。HTTP 是一个应用层协议,它使用 TCP 连接进行可靠的传送。 安全套接字层 SSL(Secure Socket Layer) 和运输层安全 TLS( 阅读全文
posted @ 2020-07-15 23:12 TimDyh 阅读(481) 评论(0) 推荐(0) 编辑
摘要: 本文提出了一种用于训练支持向量机的新算法:序列最小优化算法(SMO)。训练支持向量机需要解决非常大的二次规划(QP)优化问题。SMO 将这个大的 QP 问题分解为一系列最小的 QP 问题。这些小的 QP 问题可以通过解析来解决,从而避免了将耗时的数值 QP 优化用作内部循环。SMO 所需的内存量与训练集大小成线性关系,这使 SMO 可以处理非常大的训练集。由于避免了矩阵计算,因此对于各种测试问题,SMO 随训练集大小在线性和二次方之间缩放,而标准分块 SVM 算法随训练集大小在线性和三次方之间缩放。SMO 的计算时间主要由 SVM 评估决定,因此 SMO 对于线性 SVM 和稀疏数据集最快。在现实世界的稀疏数据集上,SMO 的速度可以比分块算法快 1000 倍以上。 阅读全文
posted @ 2020-07-15 23:04 TimDyh 阅读(715) 评论(0) 推荐(0) 编辑