空间分析

复杂度分析是整个算法学习的精髓，只要掌握了它，数据结构和算法的内容基本上就掌握了一半了。 数据结构和算法解决是 “如何让计算机更快时间、更省空间的解决问题”。 因此需从执行时间和占用空间两个维度来评估数据结构和算法的性能。 分别用时间复杂度和空间复杂度两个概念来描述性能问题，二者统称为复杂度。 复杂度描述的是算法执行时间（或占用空间）与数据规模的增长关系。 和性能测试相比，复杂度分析有不依赖执行环境、成本低、效率高、易操作、指导性强的特点。 掌握复杂度分析，将能编写出性能更优的代码，有利于降低系统开发和维护成本。 算法的执行时间与每行代码的执行次数成正比，用 T(n) = O(f(n)) 表示，其中 T(n) 表示算法执行总时间，f(n) 表示每行代码执行总次数，而 n 往往表示数据的规模。这就是大 O 时间复杂度表示法。 1）定义 算法的时间复杂度，也就是算法的时间量度。 大 O 时间复杂度表示法 实际上并不具体表示代码真正的执行时间，而是表示 代码执行时间随数据规模增长的变化趋势 ，所以也叫 渐进时间复杂度 ，简称 时间复杂度 （asymptotic time complexity）。 例子1： function aFun() { console.log("Hello, World!"); // 需要执行 1 次 return 0; // 需要执行 1 次 }

1、主流颜色空间 RGB三通道彩色图，每个通道都是[0,255]，常用的三通道―>单通道，Gray=R*0.3+G*0.59+B*0.11 2、图像增强的目标 改善图像的视觉效果 转换为更适合人或机器分析处理的形式； 突出对人或机器分析有意义的信息 抑制无用信息，提高图像的使用价值 包括图像锐化、平滑、去躁、灰度调整（对比度增强） 3、图像处理方法 3.1 特征提取方法 直方图 3.2 空间域处理及其变换 来源: https://www.cnblogs.com/yqpy/p/11337369.html

地理编码：给数据赋予坐标值； 3S系统包括： 1. GIS（地理信息系统） 2. RS（遥感系统） 3. GPS 4D产品： 2. DOM（数字正射影像） 3. DLG（数字线画图） 4. DRG（数字栅格地图） 是对地图进行扫描的产品 系统安全设计 包括：（ 重 ）（ 2013、2015、2016 ） 网络安全 与保密‘ 2. 应用 系统安全 措施 3. 数据 备份与恢复 机制 用户管理 （容易漏） （迷惑项目：审计与认证，数字水印技术（这个应该是著作权问题）） 地理信息系统的分类包括：（ 重 ） 专题 地理信息系统； 区域 地理信息系统； 3. 地理信息 系统工具 ；（易漏） 专题地理数据 的 更新原则 ：（ 重 ） 精度匹配 原则； 现势性 原则； 3. 空间信息与属性 同步更新 原则； GIP设计的主要方法有： 原型 法；（容易漏） 2. 结构化生命周期法； 　　当用户对于新系统的功能需求十分明确时使用 地理数据的三个基本特征是：（重） 1. 空间特征； 2. 属性特征； 3. 时间特征； （因为地理数据要保持 现势性 ） （易错：地理特征，拓扑特征） 专题 地理信息数据采集，包括： 1. 地理数据采集； 文档数据 采集； 3. 专题统计数据采集； 声像数据 采集；（容易漏） 根据 应用层次 的高低，从低到高，GIS可以分为： 1. 空间事物 处理 系统； 2. 空间 管理

内存四区（代码区，全局区，栈区，堆区） Code ：即代码域，它指的是编译器生成的机器指令，这些内容被存储到ROM区。 RO-data ：Read Only data，即只读数据域，它指程序中用到的只读数据，这些数据被存储在ROM区，因而程序不能修改其内容。例如C语言中const关键字定义的变量就是典型的RO-data。 RW-data ：Read Write data，即可读写数据域，它指初始化为 “ 非0值 ” 的可读写数据，程序刚运行时，这些数据具有非0的初始值，且运行的时候它们会常驻在RAM区，因而应用程序可以修改其内容。例如C语言中使用定义的全局变量，且定义时赋予“非0值”给该变量进行初始化。 ZI-data ：Zero Initialie data，即0初始化数据，它指初始化为“0值”的可读写数据域，它与RW-data的区别是程序刚运行时这些数据初始值全都为0，而后续运行过程与RW-data的性质一样，它们也常驻在RAM区，因而应用程序可以更改其内容。例如C语言中使用定义的全局变量，且定义时赋予“0值”给该变量进行初始化(若定义该变量时没有赋予初始值，编译器会把它当ZI-data来对待，初始化为0)； ZI-data的栈空间(Stack)及堆空间(Heap)：在C语言中，函数内部定义的局部变量属于栈空间，进入函数的时候从向栈空间申请内存给局部变量，退出时释放局部变量

1.随机过程 Y 是一个随机变量，与t有关 2.状态空间与参数空间 状态空间:对于一个随机过程，其取值所在的空间 参数空间:其随机过程中所有参数所在的空间，若参数空间离散，则Y t 为离散随机过程，若参数空间连续，则Y t 为连续随机过程 3.均值，方差，协方差 均值:u = E(Y t ) 自协方差函数：γ t,s = Conv(Y t , Y s ) 自相关函数：ρ t,s t , Y s )/ sqrt(Var(Y t )*Var(Y s 4.两个简单的随机过程 随机游动过程 e t ) = 0 　　Var(e t e 2 Y = Y + e t u = 0 Var(Y t ) = tσ e 2 滑动平均过程 e t ) = 0 　　Var(e t e 2 Y = (e t + e t-1 ) / 2 u t = 0 Var(Y t ) = 0.5 * σ e 2

下载： https://pan.baidu.com/s/1PkoFDSnp0qadqFzXdSW7VA 更多资料： http://blog.51cto.com/14050756 分享《Python地理空间分析指南（第2版）》中文PDF+英文PDF+源代码 中文PDF，289页，带书签目录，文字可以复制粘贴。 英文PDF，394页，带书签目录，文字可以复制粘贴。 中英文两版对比学习。 其中中文版如图：

很多文章都是讲如何配置JVM各个参数的，但是生产环境里参数的值到底配置为多少，却没有一个具体的指标。文章分四个部分，分别是JVM说明、配置，GC的过程和具体配置值。 一.JVM空间说明 JDK 1.7及以前，Java 类信息、常量池、静态变量都存储在 Perm（永久代）里。类的元数据和静态变量在类加载的时候分配到 Perm，当类被卸载的时候垃圾收集器从 Perm 处理掉。 JDK 1.8 的对 JVM 架构的改造将类元数据放到本地内存中，另外，将常量池和静态变量放到 Java 堆里。HotSopt VM 将会为类的元数据明确分配和释放本地内存。在这种架构下，类元信息就突破了原来 -XX:MaxPermSize 的限制,所以PermSize的配置也是无效的，现在可以使用更多的本地内存。这样就从一定程度上解决了原来在运行时生成大量类的造成经常 Full GC 问题，如运行时使用反射、代理等 jvm内存 干货：可以发现最明显的一个变化是元空间从虚拟机转移到本地内存；默认情况下，元空间的大小仅受本地内存的限制。这意味着以后不会因为永久代空间不够而抛出OOM异常了。 jdk1.8以前版本的class和jar包数据存储在permGen下面 ，permGen大小是固定的，而且项目之间无法共用公有的class，所以很容易碰到OOM异常。 改成metaSpaces后

https://blog.csdn.net/qq_19528953/article/details/78785818 一 介绍 对于数据处理来说，整个处理的流程如下图所示： 数据预处理——通常包括特征选择、维规约、规范化等方法。 数据挖掘——这部分的方法和技术非常多，在处理时主要根据自己的目的来选择对应的方法最为恰当。 数据后处理——主要包括模式过滤、可视化等，目的是为了让数据挖掘的结果利于使用和观察。 为了让大家有一个清晰的框架，后面内容的思维导图如下展示： 二 了解数据 数据处理最关键的地方在于解决问题，并不是使用的方法越复杂越好。无论方法多么简单，只要解决问题就是好的方法 。为了解决数据处理的相关问题， 第一步是观察数据，了解数据相关的概念 ，然后对数据进行一些处理。这样对后面具体使用哪个方法来进行分析非常有用。 2.1数据预处理 数据预处理对于后续使用数据挖掘或者机器学习技术非常重要。在面临大数据的当下，数据的维度通常非常的多，因此 数据预处理的一个主要任务就是降低数据维度 。 2.1.1维归约 所谓维归约，就是要减少数据的特征数目，摒弃掉不重要的特征，尽量只用少数的关键特征来描述数据。人们总是希望看到的现象主要是由少数的关键特征造成的，找到这些关键特征也是数据分析的目的。维归约中主要方法很多，下面介绍几个： （1）主成分分析 主成分分析是一种统计方法

经作者授权，发表Tieto某青年牛的一篇《程序员》大作。 Android 系统性能调优工具介绍 在软件开发过程中，想必很多读者都遇到过系统性能问题。而解决系统性能问题的几个主要步骤是： 测评：对系统进行大量有针对性的测试，以得到合适的测试数据。 分析系统瓶颈：分析测试数据，找到其中的hotspot（热点，即bottleneck）。 性能优化：对hotspot相关的代码进行优化。 由上述步骤可知，性能优化的目标对象是 hotspot 。如果找到的 hotspot 并非真正的热点，则性能优化的结果必然是事倍功半甚至竹篮打水一场空。所以，作为 Android 性能调优相关知识的第一部分，本篇首先将向读者介绍 Android 平台中三个重要的性能测试工具，它们能很好得帮助开发者找到 hotspot 。 一 Traceview 介绍 1.1 Traceview 简介 Traceview 是 Android 平台特有的数据采集和分析工具，它主要用于分析 Android 中应用程序的 hotspot 。 Traceview 本身只是一个数据分析工具，而数据的采集则需要使用 Android SDK 中的 Debug 类或者利用 DDMS 工具。二者的用法如下： 开发者在一些关键代码段开始前调用Android SDK中Debug类的startMethodTracing函数

本文索引目录： 一、PTA实验报告题1 ： 二分查找 　　1.1　　实践题目 　　1.2　　问题描述 　　1.3　　算法描述 　　1.4　　算法时间及空间复杂度分析 二、PTA实验报告题2 ： 改写二分搜索算法 　　2.1　　实践题目 　　2.2　　问题描述 　　2.3　　算法描述 　　2.4　　算法时间及空间复杂度分析 三、PTA实验报告题3 ： 两个有序序列的中位数 　　3.1　　实践题目 　　3.2　　问题描述 　　3.3　　算法描述 　　3.4　　算法时间及空间复杂度分析 四、实验心得体会（实践收获及疑惑） 一、PTA实验报告题1 ： 二分查找 　　1.1　　实践题目： 　　1.2　　问题描述： 　　　　　　这道题主要阐述，给你一段有序的数字序列（已经排好序了），并给出需要查找的数Value，利用二分查找发法找出Value所在的下标，以及查找过程中所比较的次数。 　　1.3　　算法描述： 　　　　二分查找的定义： 　　　　　　二分查找也称折半查找（Binary Search），它是一种效率较高的查找方法。 　　　　　　折半查找要求 线性表必须采用顺序存储结构 ，而且表中元素 按关键字有序排列 。 　　　　二分查找的操作： 　　　　　　假如以本例的样例来说，具体操作流程如下： 　　　　　　首先得到了一段数字序列，存入空间Temp： 　　　　　　将这段Temp数组送入递归中