二维

简介 背包问题是一类动态规划问题的统称，分有多种子类型。 01背包 给定 \(n\) 个物品，每个物品都有自己的价值 \(v_i\) 和重量 \(w_i\) 。现有一个容量为 \(W\) 的背包，求最大价值。 很容易想到每种物品只有选或者不选，那么依次枚举即可。 考虑到还需要判断能否装下这些物品，所以还需要在转移的时候维护剩余容量。 因此设子状态 \(f[i][j]\) 为当前在第 \(i\) 个物品处，包括 \(i\) 在内已经选了重量为 \(j\) 的物品的最大价值。 状态转移方程为 \(f[i][j]=max(f[i-1][j-v_i]+w[i],f[i-1][j])\) 此时的空间复杂度为 \(O(NM)\) ，可以通过滚动数组优化到 \(O(M)\) 。 事实上，还可以进行进一步优化： 由于每一层 \(i\) 之间是互相独立的（也就是说 \(f[i][j]\) 不会被 \(f[i][k]\) 更新），所以我们可以优化掉第一维，但是此时需要修改第二维的枚举顺序。 根据状态转移方程可知，第二维大的状态是由第二维小的状态转移来的，由于我们优化掉了第一维，所以必须先遍历第二维大的状态，否则将会出现覆盖的情况。 所以第一维遍历仍然顺序，第二维遍历须改为逆序。 来源： https://www.cnblogs.com/ilverene/p/11398617.html

Python | 一行命令生成动态二维码 当我看到别人的二维码都做的这么炫酷的时候，我心动了！ 我也想要一个能够吸引眼球的二维码，今天就带大家一起用 Python 来做一个炫酷的二维码！ 首先要安装工具 myqr： pip install myqr 安装完成后，就可以在命令行中输入 myqr 查看下使用帮助： $ myqr --help 可以看出 myqr 有着丰富的参数支持，这里就不再一一解释，后面使用到会再细说。 简单用法 首先我们生成一个普通二维码： $ myqr "http://weixin.qq.com/r/PnUmPg7E8lONrUpd9yAs" line 16: mode: byte Succeed! Check out your 2-H QR-code: /mnt/d/code/Python/learn/myqr/qrcode.png 这时就会在当前目录下生成一个名称为 qrcode.png 的二维码。 如果 myqr 后面传入的是普通字符串，那么扫描后会现在字符串。若是一个网址，扫描后会自动跳转。 大家可以扫描下看看，是不是我们设置的字符串。 需要注意的时，这里的字符串不能指定中文，否则会抛出 ValueError('Wrong words! Make sure the characters are supported!') 的异常。 1、使用 -d

平时开发程序，免不了要对图像做各种变换处理。有的时候变换可能比较复杂，比如平移之后又旋转，旋转之后又平移，又缩放。 直接用公式计算，不但复杂，而且效率低下。这时可以借助变换矩阵和矩阵乘法，将多个变换合成一个。 最后只要用一个矩阵对每个点做一次处理就可以得到想要的结果。 另外，矩阵乘法一般有硬件支持，比如3D 图形加速卡，处理3D变换中的大量矩阵运算，比普通CPU 要快上1000倍。 下面是3类基本的2D图形变换。 平移： 设某点向x方向移动 dx, y方向移动 dy ,[x,y]为变换前坐标， [X,Y]为变换后坐标。 则 X = x+dx; Y = y+dy; 以矩阵表示： 1 0 0 [X, Y, 1] = [x, y, 1][ 0 1 0 ] ; dx dy 1 1 0 0 0 1 0 即平移变换矩阵。 dx dy 1 旋转： 旋转相比平移稍稍复杂： 设某点与原点连线和X轴夹角为b度，以原点为圆心，逆时针转过a度 , 原点与该点连线长度为R, [x,y]为变换前坐标， [X,Y]为变换后坐标。 x = Rcos(b) ; y = Rsin(b); X = Rcos(a+b) = Rcosacosb - Rsinasinb = xcosa - ysina; (合角公式) Y = Rsin(a+b) = Rsinacosb + Rcosasinb = xsina + ycosa

Monitor 二维差分入门学习 题意 小腾有 \(n*m\) 的田地，但是有小偷来偷东西，在一片矩形区域上，有一部分区域是监控可以覆盖到的，这部分区域由一个或多个包含于该矩形区域的小矩形构成；现在给你另一个包含在该矩形区域的小矩形A，问你这个小矩形能否被监控完全覆盖。 解题思路 这个题可以模拟做，就是开一个二维数组，把能监控的区域标记为1，否者就是0，然后在给的小矩形内看看这里面1的个数已不是等于小矩形的面积，是的话就是YES，否者就是NO。但是这个方法会超时。我就无能为力了，这时旁白同学说这个题得用二维差分来做（还没学过），神奇，我就找了个博客，有位大佬正好写了这道题，而且很详细，易懂， 点我进来 。 这里我就补充一下自己看过这个博客后的一点见解。 这里建立二维数组，坐标不用像大佬所说的那样转换，就正常那样就行，二维数组可以正常表示，不用把左下改为左上，右上改为右下，这里可能是那位作者想错了。 这里需要使用vector来建立二维数组，要不然会爆，而这里如何用vector来建立二维数组我还真不会，下面代码里见（这个也很重要）。 感觉差分就是树状数组的简洁版。 代码实现 #include<cstdio> #include<cstring> #include<algorithm> #include<vector> using namespace std; const int maxn

原帖地址： http://blog.codinglabs.org/articles/pca-tutorial.html PCA（Principal Component Analysis）是一种常用的数据分析方法。PCA通过线性变换将原始数据变换为一组各维度线性无关的表示，可用于提取数据的主要特征分量，常用于高维数据的降维。网上关于PCA的文章有很多，但是大多数只描述了PCA的分析过程，而没有讲述其中的原理。这篇文章的目的是介绍PCA的基本数学原理，帮助读者了解PCA的工作机制是什么。 当然我并不打算把文章写成纯数学文章，而是希望用直观和易懂的方式叙述PCA的数学原理，所以整个文章不会引入严格的数学推导。希望读者在看完这篇文章后能更好的明白PCA的工作原理。 数据的向量表示及降维问题 一般情况下，在数据挖掘和机器学习中，数据被表示为向量。例如某个淘宝店2012年全年的流量及交易情况可以看成一组记录的集合，其中每一天的数据是一条记录，格式如下： (日期, 浏览量, 访客数, 下单数, 成交数, 成交金额) 其中“日期”是一个记录标志而非度量值，而数据挖掘关心的大多是度量值，因此如果我们忽略日期这个字段后，我们得到一组记录，每条记录可以被表示为一个五维向量，其中一条看起来大约是这个样子： 注意这里我用了转置，因为习惯上使用列向量表示一条记录（后面会看到原因），本文后面也会遵循这个准则

1.html 1 <div class="translate">1</div> 2 <div class="scale">2</div> 3 <div class="rotate">3</div> 4 <div class="skew">4</div> 2.css和介绍 1 <style> 2 *{ 3 margin: 0; 4 padding: 0; 5 } 6 .translate,.scale,.rotate,.skew{ 7 width: 100px; 8 height: 100px; 9 background-color: #ff1a23; 10 margin-left: 200px; 11 transition: transform 2s; 12 margin-bottom: 20px; 13 } 14 /*移动：translate */ 15 .translate:active{ 16 /*使用transform实现元素的移动 a.移动是参照元素的左上角 b.执行完毕之后会恢复到原始状态 17 1.如果只有一个参数就代表x方向 18 2.如果两个参数就代表x/y方向*/ 19 /*transform: translate(100px);*/ 20 /*transform: translate(200px,100px);*/ 21 /*添加水平方向或处置方向的移动*/

https://leetcode-cn.com/problems/search-a-2d-matrix/submissions/ 思路： 由于矩阵的每行都是递增的，且每行的首元素都大于上一行的尾部元素，所以把矩阵由二维数组变成一个一维数组的话是有序的，所以是二分查找。变成一维数组并不是真的去把矩阵储存到一个一维数组里面去，而是通过坐标转化方式去投影到一维数组里面 class Solution { public: bool searchMatrix(vector<vector<int> >& matrix, int target) { int rows = matrix.size();//求行数 if(rows == 0) return false; int columns = matrix[0].size();//求列数 int start = 0; int end = rows * columns -1;//在一维数组时候头部和尾部指针 while(start <= end) { int mid = start + ((end - start )>>1); //因为mid = i * columns + j (i, J )是二维数组下标,mid是一维数组对应下标 //数学公式就是mid / columns = i...j if(matrix[mid / columns][mid

上学期帮同校本科的同学做了毕业设计的实验部分，用MATLAB实现DCT水印算法，并且包含了攻击测试。先讲一个大体概念，然后放出具体代码。 一、DCT DCT（离散余弦变换），这里只以二维DCT为例。 信号经过DCT后，从空间域变换到频域。是一种正交变换的方法。是图像处理中应用即为广泛的傅氏变换中一种特殊的情况（被展开函数是实偶函数，再离散化，即为离散余弦变换）。 同傅氏变换一样，有正反两种变换。 正DCT：从空间域变为频域。反DCT：从频域变为空间域。具体公式如下。 正DCT： 其中： 反DCT *f（x,y）是空间采样值，简单说，就是点(x,y)的像素值。F(u,v)是频域采样值。* 二、水印算法 水印，就好像给图片盖章，注明所有权。 具体的概念不多讲，若是想深入了解，可以自行百度。 %图片加水印，提取出水印 %林多 %%% %%% %%% %%% % M = 256 ; %原图像长度 N = 32 ; %水印图像长度 K = 8 ; % 8 x8的分块 I =zeros( M , M );%创建一个 MxM 矩阵，元素全是 0 J =zeros( N , N ); BLOCK = zeros( K , K ); %显示原图像 subplot( 5 , 2 , 1 );%显示多幅图像，在第一个位置显示 I =imread( '23.bmp' );%将 23 .bmp读入 I 中

文章目录 MATLAB实现二维CFAR 效果图 MATLAB实现二维CFAR步骤如下： 实现代码 无人驾驶技术——雷达CFAR-代码实现 MATLAB实现二维CFAR 本节目标是实现二维CFAR的雷达虚警率计算。CFAR的介绍可参考文章 无人驾驶——雷达Clutter, CFAR,AoA 效果图 来源： https://blog.csdn.net/xiao_lxl/article/details/97112506

第一章 初识CAD 1.1 CAD能干什么 （1）绘制机械图/建筑图/装修图等二维复杂工程图的不二之选。二维设计软件的王者。 （2）CAD可以绘制平面图、轴测图（二维线框表示三维图形）、立体图（三维图形）。 （3）只要从事机械、建筑、家装、电子等行业，无论是技术人员还是一线工人，都离不开cad。（推荐CAD2010、2014、2018版本） 1.2 CAD2018新特性 1、支持高分辨率（4K）监视器，且专门针对W10做了优化。 2、PDF输入功能更强大，可将CAD导出的PDF里的几何图形格式的文字重新转化为shx。 3、视觉体验：图案填充显示和性能得到增强；受支持图形卡的反走样和高质量图形设置现在可彼此独立控制。 4、外部参照路径已设置为“相对”，功能更强大。 5、DWG格式已更新，改善了打开和保存操作的效率。 6、官网更新介绍：www.autodesk.com.cn/products 1.3 CAD界面及编辑 （1）界面分为快速访问工具栏、开始工具、工具栏、绘图区、命令栏、辅助状态栏。 （2）工具栏上右键可以对分区进行显示和隐藏设置。选项卡右边小三角，可让工具栏最小化。 （3）鼠标在工具图标上停留，可以弹出相应帮助。 （4）点击辅助状态栏里的齿轮图标可以切换工作空间，有恢复所有界面设置的作用。 第二章 CAD基础操作 2.1 CAD新建打开及保存 （1）新建文件有多种方式