个人技术分享

黑猩猩算法改进的深度极限学习机DELM的回归预测

与传统深度学习算法相同，DELM 也是用逐层贪婪的训练方法来训练网络，DELM每个隐藏层的输入权重都使用ELM-AE初始化，执行分层无监督训练，但是与传统深度学习算法不同的是DELM不需要反向微调过程。由上述原理可知原始DELM中的，权重采用随机初始化的方式进行初始化，而初始权重对于整个模型的预测结果影响比较大，于是采用黑猩猩算法对DELM的初始权重进行优化。综上，ELM-AE是一个通用的逼近器，特点就是使网络的输出与输入相同，而且隐藏层的输入参数。这里DELM采用2层结构，每层的节点数分别为2，3。

Python 机器学习 基础 之 监督学习 [朴素贝叶斯分类器] / [决策树] 算法 的简单说明 / [graphviz] 绘制决策树

Python是一种跨平台的计算机程序设计语言。是一种面向对象的动态类型语言，最初被设计用于编写自动化脚本(shell)，随着版本的不断更新和语言新功能的添加，越多被用于独立的、大型项目的开发。Python是一种解释型脚本语言，可以应用于以下领域： Web 和 Internet开发、科学计算和统计、人工智能、教育、桌面界面开发、软件开发、后端开发、网络爬虫。Python 机器学习是利用 Python 编程语言中的各种工具和库来实现机器学习算法和技术的过程。

【保姆级】基于matlab自动识别车辆号牌设计与实现

在当今世界，出于多种原因，我们需要识别各种车辆的号牌。例如，不必在停车场入口处设置警卫，而是可以在出入口放置摄像头，以便摄像头扫描车辆号码，从而自动计算应支付的停车时间。然后，我使用了‘regionprops’函数，该函数返回每个边界框的‘boundingboxes’向量，配置如下：每个边界框的[left top horizontal vertical]。该系统的目标是提供一个高效、可定制的车牌识别算法，能够在不同条件下准确识别车牌，并通过提供的性能分析帮助用户理解算法的局限性和潜在改进方向。

算法训练营第三十一天 | LeetCode 491非递减子序列、LeetCode 46 全排列、LeetCode 47 全排列II

这题对于之前一直套模板的我来说算是狠狠的一个打击了。所以每一层要用一个哈希表或者数组进行去重记录。到了下一层的话是另一个函数，当前栈空间内记录的数组不会对下一层数组造成影响。我们不用再用一个index来限定每一层起始节点，取而代之的是，我们需要用一个全局的used数组像path那样记录每一个元素是否被使用过。这样在该逻辑的下一层，我们会知道该元素已经被使用过了。这题采用的是全局下标去重和提前排序+局部循环去重的方式来完成。LeetCode 47 全排列II。LeetCode 46 全排列。

JVM之分代思想的详细解析

Java8 时，堆被分为了两份：新生代和老年代（1:2），在 Java7 时，还存在一个永久代新生代使用：复制算法老年代使用：标记 - 清除 或者 标记 - 整理 算法Minor GC 和 Full GCMinor GC：回收新生代，新生代对象存活时间很短，所以 Minor GC 会频繁执行，执行的速度比较快Full GC：回收老年代和新生代，老年代对象其存活时间长，所以 Full GC 很少执行，执行速度会比 Minor GC 慢很多Eden 和 Survivor 大小比例默认为 8:1:1。

C语言的优先队列

此外，还可以使用其他数据结构（如二叉堆、斐波那契堆等）来实现优先队列，具体选择取决于你的应用场景和性能需求。优先队列是一种数据结构，其中每个元素都有一个优先级，优先级最高的元素最先出队。以下是一个使用数组实现的简单优先队列的示例，其中使用最小堆（min-heap）的性质来保持队列的优先级顺序。这个示例假设元素是可以比较大小的整数，且优先级与元素的值成反比（即值越小，优先级越高）。函数用于从队列中提取并返回优先级最高的元素（即值最小的元素），并重新调整堆以保持其性质。

C语言的优先队列

此外，还可以使用其他数据结构（如二叉堆、斐波那契堆等）来实现优先队列，具体选择取决于你的应用场景和性能需求。优先队列是一种数据结构，其中每个元素都有一个优先级，优先级最高的元素最先出队。以下是一个使用数组实现的简单优先队列的示例，其中使用最小堆（min-heap）的性质来保持队列的优先级顺序。这个示例假设元素是可以比较大小的整数，且优先级与元素的值成反比（即值越小，优先级越高）。函数用于从队列中提取并返回优先级最高的元素（即值最小的元素），并重新调整堆以保持其性质。