精华内容
下载资源
问答
  • 算法学习笔记之一阶低通滤波算法

    万次阅读 多人点赞 2016-09-27 11:29:13
    1. 一阶滤波算法的原理 一阶滤波,又叫一阶惯性滤波,或一阶低通滤波。是使用软件编程实现普通硬件RC低通滤波器的功能。 一阶低通滤波的算法公式为: Y(n)=αX(n) (1-α)Y(n-1) 式中:α=滤波系数;X(n)=本次采样...

     

     1. 一阶滤波算法的原理 

    一阶滤波,又叫一阶惯性滤波,或一阶低通滤波。是使用软件编程实现普通硬件RC低通滤波器的功能。 

    一阶低通滤波的算法公式为:

                             Y(n)=αX(n) + (1-α)Y(n-1) 

     

      式中:α=滤波系数;X(n)=本次采样值;Y(n-1)=上次滤波输出值;Y(n)=本次滤波输出值。 

     

    一阶低通滤波法采用本次采样值与上次滤波输出值进行加权,得到有效滤波值,使得输出对输入有反馈作用。

     

     2. 一阶滤波算法的程序(适用于单个采样) 

    #define a   0.01                // 滤波系数a(0-1)
    
    char value;                    //滤波后的值
    char new_value;                 //  新的采样值
    
    char filter() 
    { 
    char new_value; 
    new_value = get_ad(); 
    return 0.01*value + (1-0.01)*new_value;
     }
    </pre><pre>

     

     

     

     

     

    3. 一阶滤波算法的不足 


    1. 关于灵敏度和平稳度的矛盾 

         

          滤波系数越小,滤波结果越平稳,但是灵敏度越低;

          滤波系数越大,灵敏度越高,但是滤波结果越不稳定。


         一阶滤波无法完美地兼顾灵敏度和平稳度。有时,我们只能寻找一个平衡,在可接受的灵敏度范围内取得尽可能好的平稳度。而在一些场合,我们希望拥有这样一种接近理想状态的滤波算法。即:

         当数据快速变化时,滤波结果能及时跟进(灵敏度优先);

         当数据趋于稳定,在一个固定的点上下振荡时,滤波结果能趋于平稳(平稳度优先)。

     

    2. 关于小数舍弃带来的误差 


       一阶滤波算法有一个鲜为人知的问题:小数舍弃带来的误差。 比如: 本次采样值=25,上次滤波结果=24,滤波系数=10, 根据滤波算法:

          本次滤波结果=(25*10+24*(256-10))/256=24.0390625 
       但是,我们在单片机运算中,很少采用浮点数。因此运算后的小数部分要么舍弃,要么进行四舍五入运算。这样一来,本例中的结果24.0390625就变成了24。假如每次采样值都=25,那么滤波结果永远=24。也就是说滤波结果和实际数据一直存在无法消除的误差。
     

    展开全文
  • 大神的算法学习之路

    万次阅读 多人点赞 2018-10-29 18:30:58
    我的算法学习之路 关于 严格来说,本文题目应该是我的数据结构和算法学习之路,但这个写法实在太绕口——况且CS中的算法往往暗指数据结构和算法(例如算法导论指的实际上是数据结构和算法导论),所以我认为本文...

    我的算法学习之路

    关于

    严格来说,本文题目应该是我的数据结构和算法学习之路,但这个写法实在太绕口——况且CS中的算法往往暗指数据结构和算法(例如算法导论指的实际上是数据结构和算法导论),所以我认为本文题目是合理的。

    原文链接:http://zh.lucida.me/blog/on-learning-algorithms/

    原文作者:Lucida

    这篇文章讲了什么?

    • 我这些年学习数据结构和算法的总结。
    • 一些不错的算法书籍和教程。
    • 算法的重要性。

    初学

    第一次接触数据结构是在大二下学期的数据结构课程。然而这门课程并没有让我入门——当时自己正忙于倒卖各种MP3和耳机,对于这些课程根本就不屑一顾——反正最后考试划个重点也能过,于是这门整个计算机专业本科最重要的课程就被傻逼的我直接忽略过去了。

    直到大三我才反应过来以后还要找工作——而且大二的折腾证明了我并没有什么商业才能,以后还是得靠码代码混饭吃,我当时惊恐的发现自己对编程序几乎一无所知,于是我给自己制订了一个类似于建国初期五年计划的读书成长计划,其中包括C语言基础、数据结构以及计算机网络等方面的书籍。

    读书计划的第一步是选择书籍,我曾向当时我觉得很牛的"学长"和"大神"请教应该读哪些算法书籍,"学长"们均推荐算法导论,还有几个"大神"推荐计算机程序设计艺术(现在我疑心他们是否翻过这些书),草草的翻了下这两本书发现实在看不懂,但幸运的是我在无意中发现了豆瓣这个神奇的网站,里面有很多质量不错的书评,于是我就把评价很高而且看上去不那么吓人的计算机书籍都买了下来——事实证明豆瓣要比这些"学长"或是"大神"靠谱的多得多。

    数据结构与算法分析——C语言描述

    数据结构与算法分析——C语言描述

    数据结构与算法分析——C语言描述是我学习数据结构的第一本书:当时有很多地方看不懂,于是做记号反复看;代码看不明白,于是抄到本子上反复研读;一些算法想不通,就把它所有的中间状态全画出来然后反复推演。事实证明尽管这种学习方法看起来傻逼而且效率很低,但对于当时同样傻逼的我却效果不错——傻人用傻办法嘛,而且这本书的课后题大多都是经典的面试题目,以至于日后我看到编程之美的第一反应就是这货的题目不全是抄别人的么。

    至今记得,这本书为了说明算法是多么重要,在开篇就拿最大子序列和作为例子,一路把复杂度从O(N^3)杀到O(N^2)再到O(NlgN)最后到O(N),当时内心真的是景仰之情=如滔滔江水连绵不绝,尼玛为何可以这么屌,

    此外,我当时还把这本书里图算法之前的数据结构全手打了一遍,后来找实习还颇为自得的把这件事放到简历里,现在想想真是傻逼无极限。

    凭借这个读书成长计划中学到的知识,我总算比较顺利的找到了一份实习工作,这是后话。

    入门

    我的实习并没有用到什么算法(现在看来就是不停的堆砌已有的API,编写一堆自己都不知道对不对的代码而已),在发现身边的人工作了几年却还在和我做同样的事情之后,我开始越来越不安。尽管当时我对自己没什么规划,但我清楚这绝壁不是我想做的工作。

    微软的梦工厂

    微软的梦工厂

    在这个摇摆不定的时刻,微软的梦工场成了压倒骆驼的最后一支稻草,这本书对微软亚洲研究院的描写让我下定了"找工作就要这样的公司"的决心,然而我又悲观的发现无论是以我当时的能力还是文凭,都无法达到微软亚研院的要求,矛盾之下,我彻底推翻了自己"毕业就工作"的想法,辞掉实习,准备考研。

    考研的细节无需赘述,但至今仍清楚的记得自己在复试时惊奇且激动的发现北航宿舍对面就是微软西格玛大厦,那种离理想又进了一步的感觉简直爽到爆。

    算法设计与分析

    我的研究生生涯绝对是一个反面典型——翘课,实习,写水论文,做水研究,但有一点我颇为自得——从头到尾认真听了韩军教授的算法设计与分析课程。

    韩军给我印象最深的有两点:课堂休息时跑到外面和几个学生借火抽烟;讲解算法时的犀利和毫不含糊。

    算法设计与分析基础

    尽管韩军从来没有主动提及,但我敢肯定算法设计与分析基础就是他算法课程事实上的(de-facto)教材,因为他的课程结构几乎和这本书的组织结构一模一样。

    如果数据结构与算法分析——C语言描述是我的数据结构启蒙,那么韩军的课程和算法设计与分析基础就是我的算法启蒙,结合课程和书籍,我一一理解并掌握了复杂度分析、分治、减治、变治、动态规划和回溯这些简单但强大的算法工具。

    算法引论

    算法引论

    算法引论是我这时无意中读到的另一本算法书,和普通的算法书不同,这本书从创造性的角度出发——如果说算法导论讲的是有哪些算法,那么算法引论讲的就是如何创造算法。结合前面的算法设计与分析基础,这本书把我能解决的算法问题数量扩大了一个数量级。

    之后,在机缘巧合下,我进入微软亚洲工程院实习,离理想又近了一步,自我感觉无限牛逼。

    巩固

    在微软工程院的实习是我研究生阶段的一个非常非常非常重要的转折点:

    1. 做出了一个还说的过去的小项目。
    2. 期间百度实习面试受挫,痛定思痛之下阅读了大量的程序设计书。
    3. 微软的实习经历成为了我之后简历上为数不多的亮点之一(本屌一没成绩,二没论文,三没ACM)。

    这里就不说1和3了(和本文题目不搭边),重点说说2。

    由于当时组内没有特别多的项目,我负责的那一小块又提前搞定了,mentor便很慷慨的扔给我一个Kinect和一部Windows Phone让我研究,研究嘛,自然就没有什么deadline,于是我就很鸡贼的把时间三七开:七分倒腾Windows Phone,三分看书&经典论文。

    然而一件事打断了这段安逸的生活——

    百度实习面试

    基友在人人发百度实习内推贴,当时自我感觉牛逼闪闪放光芒,于是就抱着看看国内IT环境+虐虐面试官的变态心理投了简历,结果在第一面就自己的师兄爆出翔:他让我写一个stof(字符串转浮点数),我磨磨唧唧半天也没写出完整实现,之后回到宿舍赶快写了一个版本发到师兄的邮箱,结果对方压根没鸟我。

    这件事对我产生了很大的震动——

    • 原来自己连百度实习面试都过不去。
    • 原来自己还是一个编程弱逼。
    • 原来自己还是一个算法菜逼。

    痛定思痛,我开始了第二个"五年计划",三七开的时间分配变成了七三开:七分看书,三分WP。而这一阶段的重点从原理(Principle)变成了实现(Implementation)——Talk is cheap, show me the code.

    Elements of Programming

    Elements of Programming

    由于一直觉得名字里带"Elements of"的都是酷炫叼炸天的书,所以我几乎是毫不犹豫的买了这本Elements of Programming(中译本:编程原本),事实上这本书里的代码(或者说STL的代码)确实是:快,狠,准,古龙高手三要素全齐。

    C Interfaces and Implementation

    C Interfaces and Implementation

    百度面试被爆出翔的经历让我意识到另一个问题,绝大多数公司面试时都需要在纸上写C代码,而我自己却很少用C(多数情况用C#),考虑到自己还没牛逼到能让公司改变面试流程的地步,我需要提升自己编写C代码的能力(哪怕只是为了面试)。一顿Google之后,我锁定了C Interfaces and Implementation——另一本关于如何写出狂炫酷帅叼炸天的C代码的奇书,这里套用下Amazon的评论:Probably the best advanced C book in existance。

    严格来说上面两本书都不是传统的算法书,因为它们侧重的都不是算法,而是经典算法的具体实现(Implementation),然而这正是我所需要的:因为算法的原理我能说明白,但要给出优雅正确简练的实现我就傻逼了,哪怕是stof这种简单到爆的"算法"。

    依然是以前的傻逼学习方法:反复研读+一遍又一遍的把代码抄写到本子上,艰难的完成了这两本书后,又读了相当数量的编程实践(Programming Practice)书籍,自我感觉编程能力又大幅提升,此外获得新技能——纸上编码。这也成为了我之后找工作面试的三板斧之一。

    应用

    说老实话,自从本科实习之后,我就一直觉得算法除了面试时能用用,其它基本用不上,甚至还写了一篇当时颇为自得现在读起来极为傻逼的文章来黑那些动不动就"基础"或"内功"的所谓"大牛"们,这里摘取一段现在看起来很傻逼但当时却觉得是真理的文字:

    所以那些动则就扯什么算法啊基础啊内功啊所谓的大牛们,请闭上你的嘴,条条大道通罗马。算法并不是编程的前提条件,数学也不会阻碍一个人成为优秀的程序员。至少在我看来,什么算法基础内功都是唬人的玩意,多编点能用的实用的程序才是王道,当然如果你是一个pure theorist的话就当我什么都没说好了。

    然而有意思的是,写了这篇文章没多久,鼓吹算法无用论的我自己做的几个大大小小的项目全部用到了算法——我疑心是上天在有意抽我的脸。

    LL(k)

    我在微软实习的第一个项目做的是代码覆盖率分析——计算T-SQL存储过程的代码覆盖率。

    简单的看了下SQL Server相关的文档,我很快发现SQL Reporting Service可以记录T-SQL的执行语句及行号,于是行覆盖(line coverage)搞定,但老大说行覆盖太naive,我们需要更实际的块覆盖(block coverage)。

    阅读了块覆盖的定义后,我发现我需要对T-SQL进行语法分析,在没有找到一个好用的T-SQL Parser的情况下,只能自己动手搞一个:

    Language Implementation Patterns

    比较奇诡的是,做这个项目时当时我刚好把ANTLR作者的Language Implementation Patterns(中译本:编程语言实现模式)看了一半,什么LL(k)啊Packrat啊AST Walker的概念啊正热乎着呢。

    于是,自己自己就照着T-SQL的官方EBNF,三下五除二撸了一个T-SQL存储过程的LL(k) Parser,把代码转换成AST,然后用一个External AST Walker生成代码块覆盖的HTML报表,全部过程一周不到。

    老大自然是很满意——我疑心他的原计划是花两三个月来完成这个项目,因为这个项目之后的两个月我都没什么活干,天天悠哉游哉。

    拼音索引

    拼音索引是我接的一个手机应用私活里的小模块,用户期待在手机文本框可以根据输入给出智能提示:

    比如说输入中国:

    智能提示

    同样,输入拼音也应给出提示:

    智能提示

    中文匹配这个简单,但拼音匹配就得花时间想想了——懒得造轮子的我第一时间找到了微软的拼音库,但接下来我就发现微软这个鸟库在手机上跑不动,研究了下发现WP7对Dictionary的items数量有限制,貌似是7000还是8000个item就会崩盘,而标准汉字则有两万多个,尼玛。

    痛骂MS坑爹+汉字坑爹之余,还是得自己撸一个库出来:

    1. 首先把那两万个汉字搞了出来,排序,然后弄成一个超长的字符串。
    2. 接下来用Int16索引了汉字所有的拼音(貌似500多个)。
    3. 再接下来用Int64建立汉字和拼音的关联——汉字有多音字,所以需要把多个拼音pack到一个Int64里,这个简单,位操作就搞定。
    4. 最后用二分+位移Unpack,直接做到从汉字到拼音的检索。
    5. 后来小测了下性能,速度是MS原来那个库的五十倍有余,而代码量只有336行。

    用户很happy——因为我捎带把他没想到的多音字都搞定了,而且流畅的一逼。

    我也很happy,因为没想到自己写的库居然比MS的还要快几十倍,同时小十几倍。

    从这个事情之后我变得特别理解那些造轮子的人——你要想想,如果你需要一个飞机轮子但市场上只有自行车轮子而且老板还催着你交工,你能怎么搞

    快速字符串匹配

    前面提到在微软实习时老大扔给我一个Windows Phone让我研究下,我当时玩了玩就觉着不太对劲,找联系人太麻烦。

    比如说找"张晓明",WP只支持定位到Z分类下——这意味着我需要在Z分类下的七十多个联系人(姓张的姓赵的姓钟的等等)里面线性寻找,每次我都需要滑动四五秒才能找到这个张姓少年。

    E51

    这TMD也太傻逼了,本屌三年前的老破NOKIA都支持首字母定位,996->ZXM->张晓明,直接搞定,尼玛一个新时代Windows Phone居然会弱到这个程度。

    搜了一下发现没有好用的拨号程序,于是本屌就直接撸了一个支持首字母匹配的拨号程序出来扔到WP论坛里。

    结果马上就有各种问题出现——最主要的反映是速度太慢,一些用户甚至反馈按键有时要半秒才有反应。本屌问了下他的通讯录大小:大概3000多人。

    Cry

    吐槽怎么会有这么奇葩的通讯录之余,我意识到自己的字符串匹配算法存在严重的性能问题:读取所有人的姓名计算出拼音,然后一个个的匹配——结果如果联系人数量太多的话,速度必然拙计。

    于是我就开始苦思冥想有没有一个能够同时搜索多个字符串的高端算法,以至于那两天坐地铁都在嘟囔怎么才能把这个应用搞的快一些。

    Algorithms on Strings, Trees and Sequences

    最终还是在Algorithms on Strings, Trees and Sequences里找到了答案——确实有能够同时搜索多个字符串的方法:Tries,而且这本书还用足足一章来讲怎么弄Multiple string comparison,看得我当时高潮迭起,直呼过瘾。

    具体细节不多说,总之换了算法之后,匹配速度快了大约九十多倍,而且代码还短了几十行。哪怕是有10000个联系人,也能在0.1秒内搞定,速度瓶颈就这样愉快的被算法搞定。

    Writing Efficient Programs

    之后又做了若干个项目,多多少少都用到了"自制"的算法或数据结构,最奇诡的一次是写一个电子书阅读器里的分页,我照着模拟退火(Simulated Annealing)的原理写了一个快速分页算法,事实上这个算法确实很快——但问题是我都不知道为啥它会这么快。

    总之,算法是一种将有限计算资源发挥到极致的武器,当计算资源很富余时算法确实没大用,但一旦到了效率瓶颈算法绝壁是开山第一刀(因为算法不要钱嘛!要不还得换CPU买SSD升级RAM,肉疼啊!!)。一些人会认为这种说法是有问题,因为编写新算法的人力成本有时比增加硬件的成本还要高——但别忘了增加硬件提升效率也是建立在算法是Scalable的基础上——说白了还是得撸算法。

    Writing Efficient Programs

    说到优化这里顺带提一下Writing Efficient Programs——很难找到一本讲代码优化的书(我疑心是自从Knuth说了过早优化是万恶之源之后没人敢写,万恶之源嘛,写它干毛),注意这本书讲的是代码优化——在不改变架构、算法以及硬件的前提之下进行的优化。尽管书中的一些诸如变量复用或是循环展开的trick已经过时,但总体仍不失为一本好书。

    提高

    实习实习着就到了研二暑假,接下来就是求职季。

    求职季时我有一种莫名的复仇感——尼玛之前百度实习面试老子被你们黑的漫天飞翔,这回求职老子要把你们一个个黑回来,尼玛。

    现在回想当时的心理实属傻逼+幼稚,但这种黑暗心理也起了一定的积极作用:我丝毫不敢有任何怠慢,以至于在5月份底我就开始准备求职笔试面试,比身边的同学早了两个月不止。

    我没有像身边的同学那般刷题——而是继续看书抄代码学算法,因为我认为那些难得离谱的题面试官也不会问——事实上也是如此。

    Algorithm Design Manual

    Algorithm Design Manual

    因为很多Coding Interview的论坛都提到这本红皮书,我也跟风搞了一本。事实证明,仅仅是关于Backtrack Template那部分的描述就足以值回书价,更不用说它的Heuristics和课后题。

    编程珠玑&更多的编程珠玑

    Programming Pearls

    More Programming Pearls

    这两本书就不用多介绍,编程珠玑更多的编程珠玑,没听说过这两本书请自行面壁。前者偏算法理论,后者偏算法轶事,前者提升能力,后者增长谈资,都值得一读。

    The Science of Programming

    The Science of Programming

    读到编程珠玑里面关于Binary Search的正确性证明时我大呼过瘾,原来程序的正确性也是可以推导的,然后我就在那一章的引用里发现David Gries的The Science of Programming。看名字就觉得很厉害,直接搞了一本开撸。

    不愧为编程珠玑引用的书籍,撸完The Science of Programming之后,本屌获得了证明简单代码段的正确性这个技能——求职面试三板斧之二。

    证明简单代码段的正确性是一个很神奇的技能——因为面试时大多数公司都会要求在纸上写一段代码,然后面试官检查这段代码,如果你能够自己证明自己写的代码是正确的,面试官还能挑剔什么呢?

    之后就是各种面试,详情见之前的博客,总之就是项目经历纸上代码正确性证明这三板斧,摧枯拉朽。

    进化

    求职毕业季之后就是各种Happy,Happy过后本屌发现即将面临另一个问题:算法能力不足。

    因为据说以后的同事大多是ACM选手,而本屌从来没搞过算法竞赛,而且知道的算法和数据结构都极为基础:像那些元胞自动机、斐波那契堆或是线段树这些高端数据结构压根只是能把它们的英文名称拼写出来,连用都没用过,所以心理忐忑的一逼。

    为了不至于到时入职被鄙视的太惨烈,加上自己一贯的算法自卑症,本屌强制自己再次学习算法:

    Algorithms 4th

    Algorithms

    Algorithms是我重温算法的第一本书,尽管它实际就是一本数据结构的入门书,但它确实适合当时已经快把算法忘光的本屌——不为学习,只为重温。

    这本书最大的亮点在于它把Visualization和Formatting做到了极致——也许它不是最好的数据结构入门书,但它绝壁是我读过的排版最好的书,阅读体验爽的一逼;当然这本书的内容也不错,尤其是红黑树那一部分,我想不会有什么书会比此书讲的更明白。

    6.851 Advanced Data Structures

    Advanced Data Structures

    Advanced Data Structures是MIT的高级数据结构教程,为什么会找到这个教程呢?因为Google Advanced Data Structures第一个出来的就是这货。

    这门课包含各种让本屌世界观崩坏的奇诡数据结构和算法,它们包括但不限于:

    • 带"记忆"的数据结构(Data Structure with Persistence)。
    • van Emde Boas(逆天的插入,删除,前驱和后继时间复杂度)。
    • o(1)时间复杂度的的LCA、RMQ和LA解法。
    • 奇幻的o(n)时间复杂度的Suffix Tree构建方法。
    • o(lglgn)的BST。
    • ...

    总之高潮迭起,分分高能,唯一的不足就是没有把它们实现一圈。以后本屌一定找时间把它们一个个撸一遍。

    总结

    从接触算法到现在,大概七年:初学时推崇算法牛逼论,实习后鼓吹算法无用论,读研后再被现实打回算法牛逼论。

    怎么这么像辩证法里的肯定到否定再到否定之否定。

    现在来看,相当数量的鼓吹算法牛逼论的人其实不懂算法的重要性——如果你连用算法解决实际问题的经历都没有,那你如何可以证明算法很有用?而绝大多数鼓吹算法无用论的人不过是低水平码农的无病呻吟——他们从未碰到过需要用算法解决的难题,自然不知道算法有多重要。

    Peter Norvig曾经写过一篇非常精彩的SICP书评,我认为这里把SICP换成算法依然适用:

    To use an analogy, if algorithms were about automobiles, it would be for the person who wants to know how cars work, how they are built, and how one might design fuel-efficient, safe, reliable vehicles for the 21st century. The people who hate algorithms are the ones who just want to know how to drive their car on the highway, just like everyone else.

    MIT教授Erik Demaine则更为直接:

    If you want to become a good programmer, you can spend 10 years programming, or spend 2 years programming and learning algorithms.

    总而言之,如果你想成为一个码农或是熟练工(Code Monkey),你大可以不学算法,因为算法对你确实没有用;但如果你想成为一个优秀的开发者(Developer),扎实的算法必不可少,因为你会不断的掉进一些只能借助算法才能爬出去的坑里。

    以上。

    By Lucida

     

     

    本文转载自:https://www.cnblogs.com/figure9/p/3708351.html

    看完大神的算法学习之路,感觉心潮澎湃,远不能及,却心向往之,后面集中精力学习算法……

    展开全文
  • 算法学习网站推荐

    万次阅读 多人点赞 2018-07-11 15:07:53
    1、基础算法学习清单~ 2、基础的数据结构! 3、杂七杂八的算法学习~(这位博主写的东西很杂但是还是不错的) 4、ACM习题! 5、约瑟夫环问题~(简单的问题也有非常巧妙的解法,这位博主改的一个优化算法非常...

    博主最近在学算法,看了很多不错的文章,顺便推荐几个写的不错的网站~我会慢慢更新

     

    1、基础算法学习清单~

    2、基础的数据结构

    3、杂七杂八的算法学习~(这位博主写的东西很杂但是还是不错的)

    4、ACM习题

    5、约瑟夫环问题~(简单的问题也有非常巧妙的解法,这位博主改的一个优化算法非常有意思)

    6.、A*算法

    7、LeetCode(这个应该大家都知道,刷题网站)

    8、我个人github算法实现源码(鄙人的代码,都没写注释,千万不要看)

    9、Codeforces(听说大神都在上面刷题)

    10、BuildYourOwnLisp(学习Lisp编译原理,C语言1000行代码实现简单Lisp,非常赞)

    11、coursera(外国的学习网站,上面看视频还带课后作业,蛮不错的)

     

    ——————————————————————————————————————————————————

    最近看了《剑指offer》这本书,还是挺不错的。书上题目比较基础,个人觉得边看边刷leetcode简单难度挺好的。

    持续更新~欢迎支持!

    ——————————————————————————————————————————————————

    Leetcode刷了差不多270道了,说一下感想。

    个人觉得能力还是提升了不少,考虑问题更加周到了,动态规划也初步会玩了。

    大概每一百道题是一个瓶颈吧。前期水平较低,一直在刷简单难度,后面慢慢适应以后,觉得简单难度实在简单(膨胀了),去刷中等难度时,由于我是从简单慢慢刷到困难的,逐渐开始觉得有点吃力,刷到180题的时候,基本上人就非常疲惫了,看到题都头疼。休息了一段时间,继续学各类算法,看了些算法书(西瓜书、剑指offer之类的)。重新再面对leetcode的时候,又有了新的思路,逐渐开始能做一些以前不会的题目了,当然有的题目可能还是不会,不过慢慢来吧,毕竟还有七百多道题还等着我呢。

    ————————————————————————————————————————————————————————

    学算法的朋友,相信大部分是为了找工作,作为过来人必须给各位一些建议。

    1.算法不是一蹴而就的,需要日积月累,个人觉得如果有编程基础的,至少要花3个月的时间研究和练习算法,没有编程基础的朋友,至少要6个月。当然,如果有时间的话,提前一年是最好的。

    2.算法在程序员的笔试和面试当中所占的比重越来越重,且题目难度也在逐年增加

    3.学算法必须要自己独立思考,不断地做题,才能以不变应万变。

    展开全文
  • rake算法学习

    千次阅读 2018-03-06 14:36:28
    关键词提取算法有TF-IDF,主题模型和RAKE算法,RAKE算法在短文本关键字提取方面有不错的效果。RAKE算法学习

    关键词提取算法有TF-IDF,主题模型和RAKE算法,RAKE算法在短文本关键字提取方面有不错的效果。

    RAKE算法学习

    展开全文
  • 随机森林算法学习(RandomForest)

    万次阅读 多人点赞 2017-10-21 16:24:37
    随机森林算法学习最近在做kaggle的时候,发现随机森林这个算法在分类问题上效果十分的好,大多数情况下效果远要比svm,log回归,knn等算法效果好。因此想琢磨琢磨这个算法的原理。要学随机森林,首先先简单介绍一下...
  • 路径规划算法学习Day3

    千次阅读 多人点赞 2020-12-13 15:14:57
    路径规划算法学习Day3-Dijkstra算法实现前言一、Dijkstra算法二、使用步骤1.引入库2.读入数据总结 前言 算法原理:参考路径规划算法学习Day1 提示:本文会用matlab实现Dijkstra算法,并且会分享一些函数用法的链接...
  • 初级算法学习步骤

    千次阅读 多人点赞 2018-07-29 18:51:51
    这是一篇初级算法学习的步骤总结,或许可以帮助你怎么去接触算法 阅读本文需要一定java语法基础和api文档查看基础,但算法其实看重的是思想而不是语言,所以都可以借鉴。 本人大二,参加过蓝桥杯。一直没时间吧...
  • Q-Learning算法学习

    万次阅读 2017-07-28 11:54:25
    Q-Learning算法学习简介Q-Learning算法下,目标是达到目标状态(Goal State)并获取最高收益,一旦到达目标状态,最终收益保持不变。因此,目标状态又称之为吸收态。Q-Learning算法下的agent,不知道整体的环境,知道...
  • 算法为什么那么难?——算法学习秘籍 遇到一个问题,如何分析,使用什么算法策略,采用什么数据结构,算法的复杂性如何?是否有优化的可能?
  • bundle adjustment算法学习

    万次阅读 2016-11-27 16:34:26
    今天学习了稀疏的光束平差法,基于上一篇博文Levenberg–Marquardt算法学习,这里对学习内容做一个理论梳理。本次内容包括:BA简介BA迭代步长的数学推导稀疏BA迭代步长的算法求解过程1.BA简介 摄像机在静态环境中...
  • 算法学习的新阶段

    千次阅读 2016-04-10 06:48:55
    算法学习的新阶段最近忙得一塌糊涂,所以根本没时间总结整理学习成果了。之前刚开学不太忙时写了几篇都没写完,因为发现面前开启了一道道大门,想系统整理的东西太多了。于是时隔快两个月,先发一篇以作记录,系统...
  • 排序算法学习

    万次阅读 2018-09-16 21:30:43
    一、算法评价 操作时间:关键字的比较和数据元素的移动 空间:执行算法所需要的辅助存储空间 排序算法的稳定性:简单形式化定义为:如果Ai = Aj,排序前Ai在Aj之前,排序后Ai还在Aj之前,则称这种排序...
  • 小白的蚁群算法学习总结

    千次阅读 多人点赞 2017-08-14 23:16:15
    小白的蚁群算法学习总结 综述 说起接触这个蚁群算法(ACO),是在我大学毕业读研的那个暑假,需要看导师的论文,提前学习时遇到的。想必许多人在读研前没有提前进实验室习惯于看导师论文,刚开始都是一知半解,什么...
  • 音频算法学习和应用谱图

    万次阅读 多人点赞 2017-07-20 20:16:06
    音频算法学习和应用谱图做音频算法也7年了,非常庆幸在读研期间就确定了方向,尽早切入了这个行业。这些年主要工作集中在前处理方面,不少比较年轻的同志,或者是刚刚开始研究生生涯的同学,会问到我:“如何学习...
  • 激光SLAM算法学习(一)——激光SLAM简介

    万次阅读 多人点赞 2019-05-25 23:04:00
    激光SLAM算法学习(一) 激光SLAM简介 1、SLAM是什么 2、SLAM的分类 3、SLAM的框架 4、激光SLAM
  • 算法学习建议

    千次阅读 多人点赞 2017-07-27 10:12:00
    学习算法,可以先阅读一本简单的入门书,然后综合几本书横向多角度看,例如学习动态规划,拿几本算法书,把动态规划这章找出来,比较学习,多角度对比分析更清晰,或许你会恍然大悟,噢,原来如此简...
  • 算法系列之算法学习书籍以及资料推荐

    千次阅读 多人点赞 2019-01-04 22:04:58
    算法资料推荐
  • 关于算法学习方法的讨论

    千次阅读 2014-07-20 08:53:53
    你说要通过实践,我现在看到数据结构的图了,算法学习我借了刘汝佳的算法入门那本书,数据结构我把书中的代码在电脑上敲了出来,并且搞懂了第一行代码,也算是记住了思想。但是有时候敲完后会觉得模糊。算法在看动态...
  • 算法学习:蝙蝠算法简介

    千次阅读 2018-08-24 16:03:36
    蝙蝠算法(Bat Algorithm,缩写 BA),是一种元启发式优化算法,是杨新社(音译自:Xin-She Yang)在2010年提出的算法[1]。这个蝙蝠算法以微蝙蝠(microbats)回声定位行为的基础,采用不同的脉冲发射率和响度[2][3]...
  • 如何进行算法学习(刷题/刷leetcode)

    万次阅读 多人点赞 2019-05-16 18:02:02
    算法学习or刷题/leetcode可能是每个计算机学生或者其他想做程序员的人必须经历的一件事情,因为无论实习还是校园招聘,都会对这方面进行考察。对很多人来说,刷题可能是一件比较枯燥乏味的事情,当然除了accepted那...
  • 提升方法AdaBoost算法学习笔记

    千次阅读 2016-09-03 21:19:23
    提升方法AdaBoost算法学习笔记 For xgboost:为了好好学习xgboost,由于算法基础比较薄弱,曲线救国,从提升方法、提升树、GBDT一步步看起。手头有李航老师的《统计学习方法》以及周志华老师的西瓜书。对比来看,...
  • 机器学习及flinkML算法学习

    万次阅读 2019-05-29 14:00:54
    机器学习及flinkML算法 机器学习概念 机器学习算法根据训练数据(training data)使得表示算法行为的数学目标最大化,并以此来进行预测或者做出决定。机器学习分为分类、回归、聚类等,每种都有不一样的目标。 应用...
  • C5.0算法学习

    千次阅读 2012-03-11 17:32:29
    C5.0算法学习   C5.0是决策树模型中的算法,79年由J R Quinlan发展,并提出了ID3算法,主要针对离散型属性数据,其后又不断的改进,形成C4.5,它在ID3基础上增加了队连续属性的离散化。C5.0是C4.5...
  • 算法学习资源整理

    千次阅读 2020-09-06 08:19:09
    设计模式 + 算法 https://pan.baidu.com/s/10fkMX1oeaZLIbIcxhNIFYg 算法(经典的设计算法练习及详解) ...算法与数据结构(完整的算法与数据结构学习) https://pan.baidu.com/s/1qzYV-72t-DKEWao
  • 算法学习》 一:为什么要学习算法?时间复杂度

    千次阅读 多人点赞 2020-01-05 15:36:20
    为什么要学习算法和结构? 面试必问,面试官一上来,就让你写一个冒泡排序 ,你一脸懵逼,心想啥是冒泡排序,这就尴尬了,只能跟这家公司说good bye了,继续开始你的面试之旅。 作为一个开发人员,你想在这条...
  • 蓝桥杯的历届真题,省赛国赛都有,以及真题的测试数据,还有一些算法学习文件 群号:99979568
  • 算法学习之路和程序员(技术)学习必读书籍

    万次阅读 多人点赞 2015-05-26 09:46:56
    我的算法学习之路 原文链接:http://lucida.me/blog/on-learning-algorithms/ 关于 严格来说,本文题目应该是我的数据结构和算法学习之路,但这个写法实在太绕口——况且CS中的算法往往暗指数据结构和...
  • 算法学习路线总结

    千次阅读 多人点赞 2018-12-03 15:31:34
    1.基础算法总结 点击就可以查看相关博客文档讲解 Created with Raphaël 2.2.0基础算法排序、查找算法选择排序冒泡排序插入排序
  • 群体智能优化算法学习

    万次阅读 2018-10-21 17:20:46
    这是开通CSDN以来的第一篇博文,之前专门开通过新浪博客,想记录下一些学习的心得,可自己一直拖沓,没好好学习,这个就用来作为自律的练习,坚持下来的好习惯!!! 本来对优化算法了解特别少,基本属于零的状态...
  • 机器学习算法概述 “机器智能是人类永远需要的一项发明。”— Nick Bostrom. ​ 如果您可以回顾几年前的AI并将其与现在的AI进行比较,您会惊讶地发现AI的发展速度随着时间的增长呈指数级增长。 ​ 它已扩展到...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 269,114
精华内容 107,645
关键字:

算法学习