学习笔记-数据结构-线性表（2024-04-27）
设计一个高效算法，将顺序表L的所有元素逆置，要求算法的空间复杂度为O(1)。 算法思想： 扫描顺序表L的前半部分元素，对于元素L.data[i]（0<=i<L.length/2）将其与后边部分的对应元素L.data[length-i-1]进行交换。 使用双指针技术，即用两个指针分别指向顺序表的首尾元素，然后交换这两个元素的位置，之后将指针向中间移动，继续交换，直到两个指针相遇或者错过 算法伪代码： ...
数据结构——哈希表的平均查找长度
哈希表并不是为了单纯存储数据的，他并不会减小存储这些数据使用的空间，而是为了实现快速的数据查找，插入和删除操作。map就可以使用哈希表来实现，所以map可以实现利用键来快速访问到值。 哈希表是一种数据结构，它通过使用哈希函数将关键字映射到内存中的特定位置（通常是数组的索引），从而将关键字和其存储的地址之间建立了联系。这样一来，当需要查找特定关键字时，可以通过哈希函数计算出其在哈希表中的位置，并直接访问...
C++的数据结构(四）：队列
在数据结构中，队列（Queue）是一种特殊的线性表，只允许在表的前端（front）进行删除操作，而在表的后端（rear）进行插入操作。队列中没有元素时，称为空队列。队列的数据元素又称为队列元素。在队列中插入一个队列元素称为入队，从队列中删除一个队列元素称为出队。因为队列只允许在一端插入，在另一端删除，所以又称为先进先出（FIFO—First In First Out）的线性表。 ...
数据结构面试常见问题：什么是二叉树？如何进行二叉树的遍历？
二叉树的介绍 二叉树是一种特殊的数据结构，它的每个元素都有零个、一个或两个子元素。这些元素被称为节点，每个节点都有一个值，以及两个指向其子节点的链接。 这种结构就像一个家族树，每个节点都有一个父节点（除了顶部的根节点），以及左右两个子节点。在实际项目中，我们经常会用到二叉树这种数据结构，它在数据存储、搜索等方面都有着广泛的应用。 接下来，我们将深入探讨二叉树的结构，包括节点、父节点、子节点、叶节点、...
YoloV7改进策略：下采样改进|自研下采样模块（独家改进）|疯狂涨点|附结构图
摘要 本文介绍我自研的下采样模块。本次改进的下采样模块是一种通用的改进方法，你可以用分类任务的主干网络中，也可以用在分割和超分的任务中。已经有粉丝用来改进ConvNext模型，取得了非常好的效果，配合一些其他的改进，发一篇CVPR、ECCV之类的顶会完全没有问题。 本次我将这个模块用来改进YoloV7，实现大幅度涨点。 自研下采样模块及其变种 第一种改进方法 将输入分成两个分支，一个分支用卷积，一个...
学习笔记-数据结构-树与二叉树（2024-4-22）
递归遍历二叉树 先序遍历： typedef struct BiTNode{ Elemtype data; struct BiTNode *lchild,*rchild;}BiTNode,*BiTree;void PreOrder(BiTree T){ if(T!=NULL) { vist(T);//访问根节点 PreOrder(T->lchild);//递归遍历左子树 PreOrder(T-...
广东一季度社融增长1.2万亿、贷款余额同比增长8.23%，信贷投向结构更加优化
与广东经济占全国份额基本一致，增速与广东经济增长和价格水平预期目标基本匹配，处于合理适度区间，为实体经济回升向好提供了稳固有力的支持。”人民银行广东省分行调查统计处副处长邹炜在新闻发布会上说。信贷投向结构更加优化一季度，广东信贷增长呈现有三大特点：信贷投放节奏更加平稳、信贷投向结构更加优化、信贷区域分布更趋均衡。邹炜表示，去年下半年以来，人民银行加强引导信贷均衡投放，缓解金融机构“冲时点”现象，今年一...
C++的数据结构(二）
一、链表的基本概念 链表（Linked List）是一种物理存储单元上非连续的、非顺序的线性数据结构，数据元素的逻辑顺序是通过链表中的指针链接次序实现的。链表由一系列节点（链表中每一个元素称为节点）组成，节点可以在运行时动态生成。每个节点包括两个部分：一个是存储数据元素的数据域，另一个是存储下一个节点地址的指针域。相比于线性数组，链表的好处在于不需要事先分配固定大小的存储空间，并且在插...
数据结构与算法学习笔记三---队列的链式存储表示和实现(C++)
目录 前言 1.队列的概念 2.队列的表示和实现 1.定义 2.初始化 编辑 3.销毁队列 4.清空队列 5.队列判空 6.队列长度 7.获取队头元素 8.入队 9.出队 10.遍历 11.完整代码 前言 这篇博客主要讲的是对队列的链式存储。 1.队列的概念 队列是一种访问受限的线性表。仅允许在表的一端进行插入操作，在表的另一端进行删除操作。和日常生活中的排队是一致的，最先...
主成分分析（PCA）：揭秘数据的隐藏结构
选定的特征向量将原始数据转换到新的特征空间，这些新的特征就是我们的主成分。 4. PCA的应用 PCA的应用广泛，涉及各个领域： 数据可视化：通过将高维数据降至二维或三维，PCA可以帮助我们可视化数据结构，便于观察样本之间的相似性和差异性。去噪：PCA可以通过忽略那些贡献较小的成分来滤除噪声，强化数据中最重要的信号。特征抽取和数据压缩：在机器学习模型中，使用PCA可以减少特征的数量，提高算法的效率和性...