- 综合排序
- 最热优先
- 最新优先
- 来自专栏机器学习入门
算法原理系列：2-3查找树
先给它来个简单的定义： 2-3查找树： 一种保持有序结构的查找树。 可以维持动态平衡的有序查找树。 我就不卖关子了，直接给出2-3树的其中一个基本定义： 一棵2-3查找树或为一颗空树，或由以下节点组成： 2-节点：含有一个键和两条链接，左链接指向的2-3树中的键都小于该节点，右链接指向的2-3树中的键都大于该节点 传统的树定义即为2-节点，但2-3树查找树的定义多了个3-节点，而3-节点，也就是为了让节点能够停留，而设计出来的新结构，它具有缓存能力？哈哈，可以这么理解。 BST的做法已经很明显了，生成如下结构A -> E -> S。我们来看看2-3树，刚才定义了3节点，我们就尝试性的让最开始的两个节点停留在根节点，于是有如下所示： ? 算法 第四版[M]. 北京：人民邮电出版社，2012.10 Cormen. 算法导论[M].北京：机械工业出版社，2013 算法原理系列：查找
1.2K20发布于 2019-05-26 - 来自专栏五分钟学算法
数据结构与算法——2-3树
2-3 树定义 2-3 树的定义如下： （1）2-3 树要么为空要么具有以下性质： （2）对于 2- 节点，和普通的 BST 节点一样，有一个数据域和两个子节点指针，两个子节点要么为空，要么也是一个2 （4）所有叶子点都在树的同一层。 2-3树查找 2-3 树的查找类似二叉搜索树的查找过程，根据键值的比较来决定查找的方向。 例如在图 2.1 所示的 2-3 树中查找键为H的节点： ? img 例如在图 2.1 所示的 2-3 树中查找键为 B 的节点： ? img 2-3树为满二叉树，删除叶子节点 操作步骤：若2-3树是一颗满二叉树，将2-3树层树减少，并将当前删除节点的兄弟节点合并到父节点中，同时将父节点的所有兄弟节点合并到父节点的父节点中，如果生成了4 但是2-3树需要维护两种不同类型的结点，查找和插入操作的实现需要大量的代码，而且它们所产生的额外开销可能会使算法比标准的二叉查找树更慢。 今日问题： 大家的开工状态怎么样？ ?
91610发布于 2019-09-03 - 来自专栏ypw
题目 1675: 算法2-3~2-6：Big Bang
题意：题目的意思就是insert 是在一个地方插入一个字符串，然后delete是删除一个字符串，show是展示当前存在的所有字符串，然后search 是查找字符串然后输出字符串存在的序号。 思路： 我们要插入字符串的话，需要给他腾出一个空间，并且其余的都往后移动一格，所以我们先遍历移动腾出空间然后我们在把需要插入的字符串插入。 我们删除字符串的话跟插入差不多，我们要先找到，不过删除并不是实际意义上的删除，而是当前要删除的那个元素的后一个，往前面移动将其覆盖！ 注意事项: 1）插入时判断位置是否合法 2）插入后表长度加1 3）删除后表长度减去1 4）插入前判断表是否满了，满了的话重分配空间 5）输出的时候人名用空格隔开 6）每个输出占一行 7）表为空的时候，没名字 ，但是考虑更加周全，并且插入删除比较方便，这在数据量很大的情况下会有更优的效果以及效率。
44440发布于 2021-03-04 - 来自专栏JAVA高级架构
Java数据结构与算法解析——2-3树
2-3查找树(2-3 Search Tree)保证在最坏的情况下插入和查找效率都能保证在对数的时间复杂度内完成。 对应3节点(3-node)，保存两个Key，2-3查找树的定义如下： 对于2节点，该节点保存一个key及对应value，以及两个指向左右节点的节点，左节点也是一个2-3节点，所有的值都比key要小，有节点也是一个 左节点也是一个2-3节点，所有的值均比两个key中的最小的key还要小；中间节点也是一个2-3节点，中间节点的key值在两个跟节点key值之间；右节点也是一个2-3节点，节点的所有key值比两个key中的最大的 一棵2-3查找树或为一颗空树，或由以下节点组成： 1)2-节点：含有一个键和两条链接，左链接指向的2-3树中的键都小于该节点，右链接指向的2-3树中的键都大于该节点。 2)3-节点：含有两个键和三条链接，左链接指向的2-3树中的键都小于该节点，中链接指向的2-3树中的键都位于该节点的两个键之间，右链接指向的2-3树中的键都大于该节点。
1.5K70发布于 2018-04-19 - 来自专栏深入理解Android
Java数据结构与算法解析(十)——2-3树
对应3节点(3-node)，保存两个Key，2-3查找树的定义如下： 对于2节点，该节点保存一个key及对应value，以及两个指向左右节点的节点，左节点也是一个2-3节点，所有的值都比key要小，有节点也是一个 左节点也是一个2-3节点，所有的值均比两个key中的最小的key还要小；中间节点也是一个2-3节点，中间节点的key值在两个跟节点key值之间；右节点也是一个2-3节点，节点的所有key值比两个key中的最大的 一棵2-3查找树或为一颗空树，或由以下节点组成： 1)2-节点：含有一个键和两条链接，左链接指向的2-3树中的键都小于该节点，右链接指向的2-3树中的键都大于该节点。 2)3-节点：含有两个键和三条链接，左链接指向的2-3树中的键都小于该节点，中链接指向的2-3树中的键都位于该节点的两个键之间，右链接指向的2-3树中的键都大于该节点。 所以只需要常数次操作即可完成2-3树的平衡。 性质 这些本地操作保持了2-3树的平衡。对于4-node节点变形为2-3节点，变形前后树的高度没有发生变化。
59910编辑于 2022-06-22 - 来自专栏yaphetsfang
算法和数据结构: 八 平衡查找树之2-3树
定义 和二叉树不一样，2-3树运行每个节点保存1个或者两个的值。对于普通的2节点(2-node)，他保存1个key和左右两个自己点。 对应3节点(3-node)，保存两个Key，2-3查找树的定义如下： 1. 要么为空，要么： 2. 左节点也是一个2-3节点，所有的值均比两个key中的最小的key还要小；中间节点也是一个2-3节点，中间节点的key值在两个跟节点key值之间；右节点也是一个2-3节点，节点的所有key值比两个key中的最大的 分析 完全平衡的2-3查找树如下图，每个根节点到叶子节点的距离是相同的： ? 2-3树的查找效率与树的高度是息息相关的。 在2-3查找树基础上改进的红黑树不仅具有较高的效率，并且实现起来较2-3查找树简单。 但是2-3查找树作为一种比较重要的概念和思路对于后文要讲到的红黑树和B树非常重要。
1.2K20发布于 2020-07-30 - 来自专栏静之森
记录折腾路上用到的教程 自2-3开始
netdata: Real-time performance monitoring nginx重启 failed (98: Address already in use) Linux下防御DDOS攻击的操作梳理 _OneIndex.sh && bash Aria2_OneIndex.sh COPY Typecho 配置 CDN 后获取访客真实 IP 想要正确获取访客真实IP，请在 Typecho 站点根目录里的 关于这个获取使用 CDN 后的真实访客IP地址的代码在 WordPress 上也是是适用的，WordPress 放到 wp-config.php 里即可。
80220编辑于 2021-12-28 - 来自专栏OSChina
springBoot 整合自定义的雪花算法
1 配置pom文件 # 雪花算法配置数据中心和机器编号，不同机器组合不能重复 snowflake: datacenterId: 1 machineId: 2 2 编写配置文件 SnowFlakeFactory.java java.util.concurrent.ConcurrentHashMap; import java.util.concurrent.TimeUnit; import java.util.concurrent.locks.LockSupport; /** * 雪花算法 = 5; //机器标识占用的位数 private final static long DATACENTER_BIT = 5;//数据中心占用的位数 /** * 每一部分的最大值 IllegalStateException("时钟在向后移动，当前时间是 " + currentMillis + " 毫秒，machineId映射 = " + machineIdLastTimeMap); } } 定义一个枚举 SnowFlakeController { @Autowired private SnowFlakeFactory snowFlakeFactory; /** * 雪花算法测试
5.4K10发布于 2020-05-28 - 来自专栏自然语言处理(NLP)论文速递
加速2-3倍，哈工大｜提出多模态大模型自适应剪枝算法：SmartTrim
基于 Transformer 结构的视觉语言大模型（VLM）在各种下游的视觉语言任务上取得了巨大成功，但由于其较长的输入序列和较多的参数，导致其相应的计算开销地提升，阻碍了在实际环境中进一步部署。 ：针对复杂的跨模态交互实例，自然需要更多计算才能完全理解图像和相关问题的复杂细节；相反，简单的实例则可以用更少的计算量解决。 为了解决上述这些问题，哈工大联合度小满推出针对多模态模型的自适应剪枝算法 SmartTrim，论文已被自然语言处理顶级会议 COLING 24 接收。 2-3 倍，同时性能下降最小。 上图 (a)-(c) 是由我们提出的跨模态感知 Token 修剪器获得的，可以看到针对不同的问题我们的修剪器网络可以合适地选择更为相关的 patch。
1.2K10编辑于 2024-03-25 - 来自专栏刷题笔记
半个【弗洛伊德算法】2-3 社交网络图中结点的“重要性”计算 (25分)
2-3 社交网络图中结点的“重要性”计算 (25分) 在社交网络中，个人或单位（结点）之间通过某些关系（边）联系起来。 他们受到这些关系的影响，这种影响可以理解为网络中相互连接的结点之间蔓延的一种相互作用，可以增强也可以减弱。而结点根据其所处的位置不同，其在网络中体现的重要性也不尽相同。 “紧密度中心性”是用来衡量一个结点到达其它结点的“快慢”的指标，即一个有较高中心性的结点比有较低中心性的结点能够更快地（平均意义下）到达网络中的其它结点，因而在该网络的传播过程中有更重要的价值。 在有N个结点的网络中，结点vi的“紧密度中心性”Cc(vi)数学上定义为vi到其余所有结点vj (j≠i) 的最短距离d(vi,vj)的平均值的倒数： ? 对于非连通图，所有结点的紧密度中心性都是0。 给定一个无权的无向图以及其中的一组结点，计算这组结点中每个结点的紧密度中心性。
80320发布于 2020-06-23 - 来自专栏苦逼的码农
算法专题(动规)：不同的定义产生不同的解法
今天聊一道 4 键键盘问题，这个问题挺有意思，而且可以明显感受到：对 dp 数组的不同定义需要完全不同的逻辑，从而产生完全不同的解法。 首先看一下题目： ? 尝试分析一下这个算法的时间复杂度，就会发现不容易分析。 所以这个算法并不好，复杂度太高，且已经无法优化了。 这也就说明，这样定义「状态」是不太优秀的，下面我们换一种定义 dp 的思路。 第二种思路 这种思路稍微有点复杂，但是效率高。 明确了这一点，可以通过这两种情况来设计算法： int[] dp = new int[N + 1]; // 定义：dp[i] 表示 i 次操作后最多能显示多少个 A for (int i = 0; i < 根据这个事实，我们重新定义了状态，重新寻找了状态转移，从逻辑上减少了无效的子问题个数，从而提高了算法的效率。
1.2K20发布于 2019-10-14 - 来自专栏码艺坊
自定义排序算法在JavaScript中的应用
前言在处理数据时，我们常常需要对数组进行排序以满足特定的展示或分析需求。虽然JavaScript提供了内置的sort()方法来简化这一过程，但在面对复杂排序逻辑时，自定义排序函数则显得尤为重要。 本文将以一个具体案例——按照自定义规则对字符串数组进行排序，来深入探讨如何实现和应用自定义排序算法。 我们的目标是根据这些字符串的特定部分，按照一定的规则（例如先按点前的部分，再按点后的数字部分排序）来对数组进行排序。 结论通过自定义排序函数，我们能够精确控制数组元素的排序逻辑，从而满足各种复杂的应用场景。理解并掌握这类算法不仅能够提升我们的编程能力，还能在实际开发中解决更多实际问题。 希望本文的讲解和示例能够激发你对自定义排序函数的兴趣，并在你的项目中发挥重要作用。
1.2K10编辑于 2024-05-28 - 来自专栏《C++与 AI：个人经验分享合集》
如何在 Java 中实现自定义的排序算法？
在Java中实现自定义排序算法的步骤如下： 创建一个类，实现Java的Comparator接口，该接口包含一个compare方法，用于比较两个对象的大小。 在compare方法中，根据自定义的排序规则，比较两个对象的大小并返回-1、0或1。 方法，指定自定义的Comparator对象作为参数进行排序。 for (Integer element : list) { System.out.print(element + " "); } 根据自定义的排序规则，上述代码将会输出：2 4 1 3 5。 注意：这里使用的是Java集合框架中的排序方法和接口，如果你需要实现自定义的排序算法（如快速排序、归并排序等），则需要自己编写相应的排序算法实现。
2.2K10编辑于 2024-12-09 - 来自专栏杨不易呀
Shiro自定义RealmAnd散列算法
前言Apache Shiro是一个强大的Java安全框架，提供了身份验证、授权、加密和会话管理功能。自定义Realm和使用散列算法是Shiro中两个关键的概念。 Realm，让安全管理器使用 Realm 的时候，让他使用我们定义好的 Realm，配置完成了之后启动运行即可。 myRealm=top.it6666.realm.MyRealmsecurityManager.realms=$myRealm概述散列算法一般用于生成数据的摘要信息，是一种不可逆的算法，一般适合存储密码之类的数据 ，常见的散列算法如 MD5、SHA 等。 ("md5", "yby6", "it6666", 2); System.out.println(simpleHash);}SimpleHash的几个参数主要是：第一个：算法名称第二个：需要加密的信息第三个
69910编辑于 2023-11-22 - 来自专栏DeepHub IMBA
反向传播算法：定义，概念，可视化
定义 向前传播 通常，当我们使用神经网络时，我们输入某个向量x，然后网络产生一个输出y，这个输入向量通过每一层隐含层，直到输出层。这个方向的流动叫做正向传播。 它使用了由反向传播算法产生的梯度。 反向传播算法 然后，反向传播算法返回到网络中，调整权重来计算梯度。一般来说，反向传播算法不仅仅适用于多层感知器。 张量的链式法则是， ? 概念 计算图 ? 这是一个关于直线方程的计算图的例子。开始节点是你将在方程中看到的，为了计算图的方便，总是需要为中间节点定义额外的变量，在这个例子中是节点u。 我们引入这个概念来说明复杂的计算流程的支撑算法。 ? 还记得之前，当我们把损失函数定义为差的平方，这就是我们在计算图的最后一层使用的。其中y是实际值a是预测值。 ? 最小化成本函数 如果你还记得定义6和7，特别是定义7，你会记得成本函数在概念上是预测产出和实际产出之差的平均值或加权平均值。 ?
1.2K30发布于 2020-09-23 - 来自专栏日常学python
Python NumPy自定义排序算法实现
NumPy 内置排序方法 在开始自定义排序算法之前，先了解 NumPy 提供的内置排序功能： numpy.sort：对数组进行排序，默认沿最后一个轴进行排序。 ： [1 1 3 4 5 9] 二维数组按列排序： [[1 6] [3 7] [4 9]] 这些方法对常见的排序任务非常高效，但当需要复杂逻辑时，可以基于 NumPy 实现自定义排序算法。 自定义排序算法实现 自定义排序算法可以通过以下几种方式实现： 方法一：基于索引的排序 可以通过 numpy.argsort 获取排序后的索引，然后根据这些索引重新排列数组。 ) 输出： 按每行最大值排序后的矩阵： [[5 4 3] [2 8 7] [1 6 9]] 实现自定义排序算法 实现冒泡排序 # 自定义冒泡排序 def bubble_sort(arr): 总结 本文详细介绍了 Python NumPy 中实现自定义排序算法的方法，包括基于索引、条件、多键排序以及自定义函数的排序。通过这些方法，可以灵活地满足不同场景下的排序需求。
81610编辑于 2024-12-27 - 来自专栏一枝花算不算浪漫的专栏
GuavaCache学习笔记一：自定义LRU算法的缓存实现
前言 今天在看GuavaCache缓存相关的源码，这里想到先自己手动实现一个LRU算法。于是乎便想到LinkedHashMap和LinkedList+HashMap, 这里仅仅是作为简单的复习一下。 LRU LRU（Least recently used，最近最少使用）算法根据数据的历史访问记录来进行淘汰数据，其核心思想是“如果数据最近被访问过，那么将来被访问的几率也更高”。 ：LinkedHashMap是继承自HashMap，只不过Map中的Node节点改为了双向节点，双向节点可以维护添加的顺序，在LinkedHashMap的构造函数中有一个accessOrder， 当设置为 System.out.println(cache); } } LinkedList实现： /** * @Description:使用LinkedList+HashMap来实现LRU算法 ，这里是使用LinkedHashMap来做LRU算法 * @Author: wangmeng * @Date: 2018/12/8-10:14 */ public class LinkedHashLRUCache
1.1K20发布于 2018-12-24 - 来自专栏FreeBuf
用BurpSuit的Brida自定义插件搞定加密签名算法
但是，通过跟踪发现sign的计算方法，被放到了so文件中并且此段算法已经被VM了，没有这个能力还原算法还原朋友可以看看我这篇文章。 山人自有妙招，今天这篇文章的就是告诉大家说应该怎么解决这个问题。 二、目标分析: 1.静态分析，找到关键位置 首先，找到要分析的APK，用jadx载入进行反编译，查找sign算法的位置（至于如何查找算法不是本文的重点所以这里就不详细说查找的步骤了），找到算法call后发现如下 2 还原参数算法 确定想法以后，开始看参数是怎么形成的。 中的Brida插件中有一个功能，可以把用户选定的内容，传入到Brida通过调用frida进行hook，来执行sign的算法 ? Brida提供了这个功能（用户自定义插件），正好做做尝试。 5 使用自定义插件(Custom plugin with Brida stub) 这个过程可能有点绕，我画个图，一图顶万语！
2.7K10发布于 2020-06-29 定义与探索化学空间：算法驱动分子发现的系统综述
效率问题：随机筛选的命中率极低（通常 1–3%），大量资源消耗在低价值的实验上。 这篇综述系统地梳理了如何通过算法——尤其是机器学习——定义和探索化学空间，从而使分子发现过程更加高效、可操作化。 典型实现方式：对所有可用起始原料的组合，应用少量（< 100 条）专家定义的单步反应模板，枚举所有可能产物。 当前挑战： • 替代模型在低数据场景下的泛化性 • 不确定性估计的可靠性（特别是分布外预测） • 考虑实验成本异质性的批量采集策略 三、按需生成化学空间：遗传算法与深度生成模型 3.1 为什么需要按需生成 4.4 方法对比总结 维度 预定义空间 + BO 遗传算法 深度生成模型 合成约束生成 空间大小 有限（10⁶–10¹⁰） 隐式（极大） 隐式（极大） 隐式但合成可及 合成可行性 可内嵌 需额外约束 通常较差 问题在于： • 这些指标对分子结构高度平滑，算法"太容易"取得好成绩 • 不能揭示真实场景下的失效模式 • 不惩罚样本低效性 作者呼吁建立新一代基准，需满足： 1.
14310编辑于 2026-07-29- 来自专栏文献分享及代码学习
文献精读-ICITOOLS及SPmarker算法定义markergene
这两篇文章都是针对于选用机器学习的算法来筛选marker基因，虽然前几天用了icitool对我的数据进行了分析，但是发现结果不太好，目前是准备调参进行后续的尝试，同时又发现了一篇文章写的新的机器学习的方法 因此选用细胞身份指数定义是有必要的。作者选用植物（拟南芥的根尖细胞）及人类的胶质母细胞瘤的数据集进行分类，验证这个分类方法的可靠性。 为了对相关的细胞身份指数进行研究，因此利用每个单细胞图谱的RNA-seq读取计数，计算预定义标记集中所有基因的平均表达，并根据特定身份的Spec评分对每个基因进行加权。 score另一篇是作者课题组开发的机器学习的算法的来筛选单细胞数据集的markergene的文章。 目前，确定拟南芥根细胞类型的方法主要有三大类:(1)细胞鉴定指数(ICI)法。该方法使用基于已发表的细胞表达谱信息理论得分的选定标记基因;(2)定义簇标记基因。
71620编辑于 2022-07-16
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号