C-qian

摘要： 剛開(kāi)始學(xué)，還只是一知半解，但是今天只學(xué)了這一點(diǎn)，容我水一點(diǎn)。其中肯定有不少錯(cuò)誤或者不恰當(dāng)?shù)牡胤剑笤彙ＯＭ乙院竽芏ㄆ诨仡欁约旱牟┛桶桑琱hh，估計(jì)有些難，但是給自己定下一個(gè)研究目標(biāo)總是好的。 一、什么是Docker 搜索發(fā)現(xiàn)，docker是一個(gè)開(kāi)源的應(yīng)用容器引擎。 emm，對(duì)我現(xiàn)在來(lái)說(shuō)，我還是不 閱讀全文

摘要： 符號(hào)規(guī)定 \(\Omega\) 模擬角頻率 \(\omega\) 數(shù)字角頻率 \(T\) 采樣周期 \(\Omega_{s}\) 采樣角頻率 \(\Omega_N\) 連續(xù)信號(hào)最大角頻率 連續(xù)信號(hào)的采樣 對(duì)于一個(gè)連續(xù)信號(hào)\(x_{c}(t)\)，其經(jīng)過(guò)沖擊采樣之后獲得之后變成一個(gè)沖擊串函數(shù)\(x_{ 閱讀全文

摘要： 離散傅里葉級(jí)數(shù) 對(duì)一個(gè)周期為N的序列，其離散傅里葉級(jí)數(shù)有： \[\tilde{x}(n) = \frac{1}{N}\sum\limits_{k=0}^{N-1}\tilde{X}[k]e^{j\frac{2\pi}{N}kn} \tag{1.1} \]兩邊同時(shí)乘以\(e^{-j \frac{2\p 閱讀全文

摘要： 一、 PCA算法 PCA(principal component analysis)是一種應(yīng)用廣泛的降維算法，其基本思想是想通過(guò)找到一個(gè)低維的“最具有代表性”的方向，并將原數(shù)據(jù)映射到這個(gè)低維空間中去，從而實(shí)現(xiàn)數(shù)據(jù)的降維。 1. 算法原理 我們先從二維數(shù)據(jù)簡(jiǎn)單說(shuō)明，假設(shè)我們有n個(gè)二維數(shù)據(jù)組成的數(shù)據(jù)集\ 閱讀全文

摘要： 對(duì)于一個(gè)信號(hào)，我們想對(duì)其進(jìn)行采樣轉(zhuǎn)化成數(shù)字信號(hào)，顯然，當(dāng)我們采樣頻率越改，我們所能保留的信息越多，但是當(dāng)高采樣頻率對(duì)我們的采樣設(shè)備要求也高，我們希望找到采樣頻率和模擬信號(hào)頻率之間的一些關(guān)系 有模擬信號(hào)$x_(t)\(，我們對(duì)其進(jìn)行理想采樣，即采樣信號(hào)\)\hat{(t) =}x(t)\sum\lim 閱讀全文

摘要： 簡(jiǎn)單總結(jié)一下幾個(gè)變換的性質(zhì)，主要為了形成體系，具體的推導(dǎo)過(guò)程可以查閱參考書(shū)。 Fourier Transform 1. 定義 對(duì)于一個(gè)周期函數(shù)，有復(fù)數(shù)形式的傅里葉展開(kāi)，即 \[f_{n}(t) = \sum\limits_{-\infty}^{\infty}\frac{1}{T}\int_{-T}^ 閱讀全文

摘要： 一、 復(fù)變函數(shù)的基本知識(shí) 由于在實(shí)數(shù)域中無(wú)法表示負(fù)數(shù)開(kāi)根號(hào)問(wèn)題，故將數(shù)系進(jìn)行擴(kuò)充，定義有\(zhòng)(i^{2}=-1\) 1. 復(fù)數(shù)的表示法 \[代數(shù)形式：z = x+iy \qquad 其中i為虛部單位 \]\[指數(shù)形式： z = re^{i\theta} \qquad 其中r為其幅值，\theta為幅角 閱讀全文

摘要： 在所面臨的問(wèn)題中，我們不僅需要知道兩個(gè)元素之間是否存在關(guān)系，還需要記錄其他要素，于是我們需要對(duì)原來(lái)的并查集進(jìn)行拓展。 種類(lèi)并查集 對(duì)于一般的并查集，只能表示“朋友的朋友就是朋友這種關(guān)系”，即我們只關(guān)系元素之間的連通性問(wèn)題。但是對(duì)于“敵人的敵人就是朋友”這種關(guān)系則無(wú)能為力。種類(lèi)并查集就是為了解決這種問(wèn) 閱讀全文

摘要： 背景引入 對(duì)于一個(gè)數(shù)字序列，如果我們只關(guān)心他們之間的相對(duì)大小，而不關(guān)心具體數(shù)值，并且直接使用原數(shù)值會(huì)對(duì)我們的解決方案產(chǎn)生影響，此時(shí)我們采用離散化 具體步驟 即將一個(gè)原數(shù)組映射到另一個(gè)等大的數(shù)組中，并且兩個(gè)數(shù)組數(shù)字之間的大小關(guān)系不變 如：原序列= [ 12 4 80 7 6 11 4 5*10e10] 閱讀全文

摘要： 一、問(wèn)題引入 Logu P3374 模版題--樹(shù)狀數(shù)組。 初始化一個(gè)數(shù)組，接下來(lái)進(jìn)行若干次以下操作： 單點(diǎn)修改：將某個(gè)元素的值進(jìn)行修改 區(qū)間訪問(wèn)：返回該區(qū)間的總和 問(wèn)題分析 如果通過(guò)簡(jiǎn)單索引操作，“1”的時(shí)間復(fù)雜度為 O（1），“2”的時(shí)間復(fù)雜度為O（n），其中如果使用一個(gè)dp表的方式來(lái)存儲(chǔ)前n項(xiàng)之 閱讀全文