图像处理-卷积的理解
卷积这个概念之前学过,大学,研一。但是没有仔细去理解,流于计算,这次把自己的理解过程记录一下。 最先接触到卷积的概念就是数字信号处理,这次同样也从数字信号处理来展开。 首先假定系统是线性时不变系统,也就是说对于不同时间下,同样的输入信号,系统的输出信号不随时间改变。 那么卷积操作求的就是某一个时间段内,系统的输出。 那么这个输出到底是什么? 输出是一个关于时间变化的函数。 当输入是离散时,输出就是离散,输入连续则输出连续。 例如: 这是某个离散输入信号(冲击,激励都可以,下同)X(i)
Windows ( Win10 ) 下 安装 Lua 包管理工具 Luarocks ( 非 binary 版) 安装教程
首先 去下载: 包管理工具 Luarocks 地址为:https://github.com/luarocks/luarocks/wiki/Installation-instructions-for-Windows#The_default_settings 点击 a 连接 latest windows-32.zip file here 进入 这个 页面 这里提供的教程 是 非 binary 的安装 教程 因此 请下载 非 binary 版本 的 压缩文件 解压后: 将文件放到 Lua 安装 目录
luogu P2183 [国家集训队]礼物
LINK:礼物 n个物品 m个人 每个人要分得wi 个物品 每个物品互异 分给每个人的物品不分顺序 求方案数。 \(n,p\leq 1e9 m\leq 5\) 方案数 那显然是 第一个人拿了w1件物品 方案为组合数 第二个人在第一个人之后拿 由于礼物不分顺序 所以这么做是正确的。 方案数显然为乘法原理 组合数 是一个1e9的 模数也是1e9的 卢卡斯定理肯定不行。 上扩展卢卡斯 考虑质因数分解p 最后采用中国剩余定理合并即可。 这个模型出过好多遍了 一定要会写。 //#include<bits
NETCA和NETMGR工具的区别
netca能做的,netmgr都能做到,netmgr功能更强大,可以配置静态监听、可以配置tns的LOAD_BALANCE和FAILOVE、可以配置监听登录超时时间、允许或受限IP登录 netca 无法配置静态监听,可以配置listener.ora、tnsname.ora、sqlnet.ora listener configuration:修改的是listener.ora文件 listener configuration有4个选项add\reconfigure\delete\rename li
Vue:前后端交互、路由
前后端交互 Promise > fetch > axios > async/await 1、Promise 由于$.ajax()调用后端接口,要按顺序调用接口时需要在这个方法的回调函数里边调用 $.ajax(),会形成回调地狱(回调十八层地狱)。 而 Promise的产生就是为了解决这个问题,Promise是一个异步对象,可以获取到异步操作的消息 var p = new Promise(function(resolve,reject){
//成功调用 resolve('数据') ,然后
node-replay 一个很不错的nodejs api 录制以及回放包
api 的测试是很烦人的,而且是很费事的,但是我们可以通过请求录制以及数据回放的方式解决 类似的golang 版本的goreplay 很不错 包含的特性 api 录制,以及回放 http 请求stub 同一请求不同响应的回放 说明 对于基于nondejs 开发应用的同学node-replay 是一个很那不错的工具,结合zombie 可以灵活的开发自动化测试 参考资料 https://github.com/assaf/node-replay
二路归并排序学习笔记
二路归并排序 分治法 分治法基本思想 将一个问题分解成若干个规模更小的子问题,子问题相互独立且与原问题性质相同,通过子问题的解,合并出原问题的解。 怎样的问题适合通过分治法解决? 该问题的规模缩小到一定规模就容易解决。 该问题能够分解成若干个规模更小的子问题,即该问题具有最优子结构性质。 分解出来的子问题的解,能够 合并出原问题的解。 子问题是相互独立的。 二路归并排序 基本思想 递归的对待排序序列进行对半划分,直到子序列只包含一个元素(显然,这时子序列是有序的,即子序列的排序问题已经解决)。
字符串的一些算法(有时间就更新)
有关字符串的算法有点多,打算一个一个慢慢来。 KMP 这是一个十分神奇的字符串匹配算法,详细过程可在网上搜索。为什么说KMP神奇呢?因为它困扰了我很久很久。days?no,years! 我就是对这个算法始终有点模糊,学了忘,忘了学,今天又学了一遍有了印象,也写出来了模板,但是可能过了几天又忘了,这种感觉很难讲,我觉得应该要始终备着一个模拟数据来每次模拟一遍,要不然我会对这个算法一直有阴影的。 例题:GDOI2017 房屋购置 这道题是对KMP有阴影的另一个原因……,其实就是道裸题,但是我永远不
今日推荐
周排行