通俗易懂-＞哈希表详解 什么是哈希表？哈希表，顾名思义，就是一个表。可是为什么叫哈希表？因为这是从老美哪里音译过来的叫做->Hash Table翻译过来就是->哈希表既然是表，那么第一，这个哈希表长什么样子？第二，为什么会有这个哈希表？第三，这个哈希表用来做什么？第三，这个哈希表的特点是什么？第四，什么是取余法？第五，什么是映射？第六，什么是线性探测？第七，什么是哈希桶？一些常见的概念，是什么？要怎么理解？下面一一我来解析。综上，我们来总结一下：1、值很分散，因此哈希表也叫做散列表。

阅读 3.0w

1.2k赞

收藏 1.5k
数据结构（1）—基础概念、单向链表 1.（1）顺序表（数组）特点：存储空间连续，访问元素方便无法利用小的空间，必须连续的大空间，顺序表元素必须为有限的（不存在无限连续的空间）缺点：插入和删除效率低。（2）链表特点：存储空间不需要连续，可以利用一些小的存储空间，链表元素可以没有上限，插入和删除效率高 缺点：链表特点：访问元素不方便。创建一个空的链表节点，数据无需赋值，pnext必须赋值为NULL，此时该节点就为最后一个节点，将节点地址返回。//存放下一个节点地址。2.（1）单向链表：只能通过链表节点找到后一个节点，访问链表元素的方向是单向的。

阅读 825

20赞

收藏 8
剑指offer第2版：动态规划+记忆化搜索 前三题是同一种模型，所以我分别用递推、记忆化、动归来做

阅读 3.3k

201赞

收藏 123
分享本周所学——三维重建算法3D Gaussian Splatting（3DGS） 三维重建一般就是指通过一些二维的数据（例如照片、视频等）去还原一个三维的场景。什么意思呢？我们可以拿自己的眼睛做个类比。人之所以能看见东西，是因为外部的光线投射在了我们眼睛的视网膜上，由视杆和视锥细胞将光线的强度、颜色等信息传递给大脑，让我们能够看见东西。显然，人眼只能看到一个二维的画面，无法感知物体的三维结构信息。那为什么我们在看东西的时候会感觉东西是立体的呢？主要有两点原因。第一，人有两只眼睛，我们在看一个场景的时候，两只眼睛看到的画面会有一些微小的差异，这个差异叫做“视差”。

阅读 2.1w

375赞

收藏 626
【烧脑算法】拓扑排序：从“依赖”到“序列”，理解题目中的先后逻辑 本文介绍了拓扑排序的概念及其在图论中的应用。拓扑排序能将杂乱的数据按照一定的先后顺序排列，适用于解决课程安排、任务调度等问题。文章通过多个力扣题目（如1557、210、2115、2392、802、1591、LCR114、1203等）详细讲解了拓扑排序的实现方法，包括统计入度、构建邻接表、使用队列处理等关键步骤。对于复杂题目（如1203题），还分析了如何处理多层级依赖关系。拓扑排序的通用解题思路：记录数据关系、从入度为0的节点扩展、验证结果。

阅读 1.4k

62赞

收藏 61
数学建模常用30个算法——Python代码（一） K均值聚类算法是先随机选取K个对象作为初始的聚类中心。然后计算每个对象与各个种子聚类中心之间的距离，把每个对象分配给距离它最近的聚类中心。每分配一个样本，聚类的聚类中心会根据聚类中现有的对象被重新计算。终止条件可以是没有（或最小数目）对象被重新分配给不同的聚类，没有（或最小数目）聚类中心再发生变化，误差平方和局部最小。用于分析和预测时间序列数据，结合自回归（AR）、差分（I）和移动平均（MA）来建模趋势和季节性。基于树状结构进行决策，通过特征分裂实现分类，直观易解释，如ID3、C4.5和CART算法。

阅读 1.4k

33赞

收藏 49
思维与算法共舞：AIGC语言模型的艺术与科学 语言模型的核心任务是根据给定的输入文本预测下一个单词或短语。在训练过程中，语言模型通过大量的文本数据学习到词语之间的语法和语义关系。常见的语言模型包括基于统计的语言模型和基于神经网络的语言模型。统计语言模型统计语言模型是最早的语言模型类型，它依赖于统计方法，通过计算词语的联合概率分布来估计语言的生成过程。例如，n-gram模型就是一种基于统计的语言模型，它通过分析文本中连续出现的n个单词的频率来估算下一个单词的概率。然而，这种方法存在很大的局限性，主要体现在无法捕捉长距离依赖关系和语境信息。

阅读 2.7k

160赞

收藏 133
【算法】字符串问题 字符串问题、字符串哈希、字符串匹配

阅读 2.6k

219赞

收藏 147
排序算法中——冒泡排序和快速排序 上篇介绍了排序算法中的插入，选择，希尔和堆排序，本篇讲主要讲解冒泡排序和快速排序。

阅读 5.5k

105赞

收藏 82
深入详解：决策树在医学影像领域癌症检测与分类的应用及实现细节 摘要： 决策树作为一种可解释性强、高效的机器学习算法，在医学影像癌症检测（如乳腺癌、肺癌、皮肤癌）中具有重要应用。其核心通过特征选择（信息增益、基尼指数）递归构建树结构，结合医学影像特征（纹理、形状等）实现分类。典型流程包括图像预处理、特征提取、决策树训练与评估。以乳腺癌为例，Python实现展示了从DICOM影像提取特征到模型训练的完整过程，凸显决策树在医疗诊断中的透明性与实用性，但需注意过拟合和噪声敏感性等局限。

阅读 1.9k

80赞

收藏 49
动态规划：从入门到精通 一篇文章帮你彻底掌握动态规划。

阅读 923

30赞

收藏 14
作者推荐
程序员莫小特
8年Python、C/C++教学经验，深耕编程教育领域。 AI深度使用者，持续探索AI!
关注
草莓熊Lotso
会当凌绝顶 ，一览众山小
关注
lvy-
学习的使命是见识各种设计
关注
王老师青少年编程
具有15年以上IT行业教学经验，在Linux、C++、Python、Scratch、网络安全等领域有丰富从业经验。教学理念：助力每一个学生更好的成长！（提醒：想学习信奥赛完整体系课程的，请关注老师个人主页中的课程）
关注
君义_noip
五道口职业技术学院毕业 信息学奥赛教练 小说作者
关注
咸鱼_要_翻身
一只偷懒的大学生
关注
热爱编程的通信人
白天办公室打杂，晚上实验室码字。
关注
花开富贵ii
平平淡淡才是真
关注
爱coding的橙子
努力的小白一枚
关注
山顶风景独好
半山腰总是拥挤的，为什么不上山顶看看呢
关注