MST

网站架构： B/S架构（Brower/Server）：浏览器/服务器架构 C/S架构：客户端/服务端架构 DNS：当用户输入一个网址并按下回车键的时候，浏览器得到了一个域名。而在实际通信过程中，我 们需要的是一个IP地址。因此我们需要先把域名转换成相应的IP地址，这个过程称作DNS解析。 CDN:内容分发式网络 Host文件：C:\Windows\System32\drivers\etc\HOSTS 本地DNS服务器 更快的解析域名 绑定网站的真实IP 屏蔽域名（把不想访问的网站绑定到本地） http协议：不安全的，超文本传输协议，80端口，无需证书 https：加密后的http，443端口，内容加密，需要证书 http请求方式： get:提交的数据在网址(URL)中显示 例如： http://localhost/study/get.php?a=mst head：类似于get请求，只不过返回的响应中没有具体的内容，用于获取报头。 post:在数据包的底部显示(肉眼看不见) put：从客户端向服务器传送的数据取代指定地点文档的内容。 delete:请求服务器删除指定的页面 options：允许客户端查看服务器的性能。 Cookie：存储在用户客户端中的数据 状态码 200 ：请求已经成功. 默认情况下状态码为200的响应可以被缓存。 302：强制跳转 500:服务器错误 404

程序员常用的10个算法： 1)2分查找 场景：非递归的二分查找。 (1)之前讲过递归算法. 非递归反而更好理解。 (2)需要先保证数组有序. 2)dac(divide and conquer分治算法) (1)分治算法使用场景： 傅里叶变换 二分搜索 大整数乘法 棋盘覆盖 合并排序 快速排序 线性时间选择 最接近点对问题 循环赛日程表 汉诺塔 (2)如何分、如何治: 看成2部分，AB为1个部分，C为一个部分，那么就是AB移动到b位置，C移动到c位置，AB移动到c位置. 先把最上面的盘A--》B 把最下面的盘A--》C 把B塔的所有盘，从B--》C (3)没有思想，不知道如何拆分是难点. 先有思想，然后把思想转为代码。 3)dynamic(动态规划) 场景： 01背包问题 (1)把大的问题划分为小的问题，从而一步步获取最优解的处理算法 (2)动态规划与分治不同的是： 适用于动态规划求解的问题，经分解得到子问题往往不是独立的。 下一个子阶段的求解是建立在上一个子阶段的解的基础上。 而 分治在2个盘和3个盘的移动是没有什么关系的，是独立的问题。 (3)动态规划是：填表的方式实现的。 思想--》公式--》水到渠成。和数学也没有什么关系。 w[i]: 第i的商品的重量 v[i]: 第i个商品的价值 v[i][j]: 表示在前i个物品中能够装入容量为j v[i][0] = v[0][j] = 0

博主太菜，可能会炸联赛，于是恶补一下 QAQ 题目比较基础，动态更新 Tags 生成树 ， 最短路 ， 差分约束 ， 树的直径与重心 ， LCA ， 树链剖分 ， 拓扑序 ， 强连通分量 ， 割点 ， 桥 ， 点双连通分量 ， 边双连通分量 ， 2-SAT ， 二分图 ， 正/负环 ， 最小环 ， 数据结构优化建图 ， 哈密顿路径/回路 ， 欧拉路径/回路 Content 「Codeforces 888G」Xor-MST 生成树 「AtCoder JSC2019 Qual E」Card Collector 生成树 「HDU 4725」The Shortest Path in Nya Graph 最短路 「2018-2019 XIX Open Cup, Grand Prix of Korea」Dev, Please Add This! 2-SAT 「2015 ACM Amman Collegiate Programming Contest」Bridges 边双连通分量 树的直径与重心 「HDU 4370」0 or 1 最短路 最小环 「NOI2019」弹跳 最短路 数据结构优化建图 「Codeforces 1280C」Jeremy Bearimy 「AtCoder AGC018D」Tree and Hamilton Path 树的直径与重心 「APIO2010」巡逻 树的直径与重心

DE2是Altera公司针对大学教学及研究机构推出的FPGA多媒体开发平台。DE2开发平台选用的FPGA是CycloneII系列FPGA中的EP2C35F672C6,通过对DE2的学习，我们能够迅速理解和掌握实时多媒体工业产品设计的技巧，并进行系统设计的验证。DE2平台的设计和制造完全按照工业产品标准进行，可靠性很高。本文利用处理器FPGA与液晶显示模块的图形显示的编程技术,并以点阵为320×RGB×240的TFT LCD模块D036THEA1为例,研究了FPGA与液晶显示模块的图形显示技术。其关键是对驱动芯片D036THEA1的各引脚和时序进行控制。在电路控制部分中，使用QUARTUS II 6.0开发工具来完成软件设计、仿真。所有功能全部用硬件描述语言Verilog HDL编程实现,并下载到DE2实验开发板上CycloneII系列EP2C35F672C6目标芯片上，使用40脚扁平电缆直接把DE2和TFT LCD模块D036THEA1连接起来.运行验证满足TFT LCD模块D036THEA1的图形显示。图形数据可以从外接摄像头获取或者从FPGA芯片内产生图形数据，本设计采用FPGA作为TFT LCD的控制，性能稳定，也可以灵活显示参数以适应各种不同TFT LCD的控制。 目前，电子产品的生命周期越来越短，许多消费类电子产品的生命周期只有一年左右的时间，因而必须缩短产品的开发周期

Mask TextSpotter v3 号称最强端到端 文本识别 模型 实际测试，检测效果确实非同凡响，速度上稍微差于ABCNet.先上图看看效果 同样存在部分漏检情况。但是第一张图，这个居然检测出来了，还是很强大的，要知道ABCNet对第一张图里的，检测实在太差。 速度上，如下， ABC： mst: 环境及脚本如下： Python3 (Python3.7 is recommended) PyTorch >= 1.4 (1.4 is recommended) cocoapi yacs matplotlib GCC >= 4.9 (This is very important!) OpenCV CUDA >= 9.0 (10.0.130 is recommended) my env: torch 1.4.0 torchvision 0.5.0 py362 python 3.6.2 cuda 10.1 git clone https://github.com/NVIDIA/apex.git cd apex python setup.py install --cuda_ext --cpp_ext # 注意：apex编译在torch==1.5.1 torchvision==0.6.1下的 cd MaskTextSpotterV3 # build python setup.py build

应用分析 　　它的作用就是题目给了一个选物品的限制条件，要求刚好选$m$个，让你最大化（最小化）权值， 　　然后其特点就是当选的物品越多的时候权值越大（越小）。 算法分析 　　我们先不考虑物品限制条件， 　　假定我们要最大化权值。 　　然后其中我们二分一个$C$，表示选一次物品的附加权值， 　　如果我们$C$越大，我们选的物品个数越多，权值越大， 　　于是当选的物品个数大于$m$时，减小$C$，否则增大$C$， 　　最后计算答案的时候去掉$C$值的影响即可。 　　Updata :这回还是讲一讲算法吧-->理论算法分析 　　首先我们拿到一个题，然后发现有一个重要的条件：一共有n个数(下面有时候会称为"点")， 要求刚好选$m$个， 有某种限制，以某种方式计算和(为了表示方便我暂且称$h(x)$表示选第$x$个点的收益)，选多少个和怎么选都会影响到答案 　　同时我们一般可以得到一个关于n和m的dp方程$dp[i][j] = ......$,其中的复杂度一般都是$O(nm)$及以上的，无法接受，但是 经过打表 发现：设选$j$的数所的到的dp最大值为$g(j)$，然后发现$g(j)$关于$j$的 斜率单调不增， 也就是一个上凸包 　　然后如果这题没有刚好选$m$个的限制的时候就可以dp降维的话，那么就可以考虑一下WQS二分 　　首先我们看一下$g$长什么样子(横坐标$x$表示我选多少个数

Plan 最近搞颓有些搞得意识模糊。 省选不会太远了。 高一了，至少要做一些准备。 算法基本都学习了，但是需要复习巩固的不少，熟练度远远不够。 现在模拟考试的难度和HNOI也不是一个档次。 先复习关键的算法。 首先是网络流，二分图的各种知识: 最小割最大流模型的运用。 上下界有源汇网络流。 分层图的网络流建模。 二分图的Hall定理。 二分图中最大独立集和最小覆盖集的关系。 （可持久化）线段树优化建图 拆点 平面图转对偶图 最大权闭合子图的网络流建模。 数据结构方面 分块，莫队的熟练运用。 （动态）树分治的应用。 LCT维护MST,维护最迟删除时间生成树，维护点双与边双。 平衡树，平衡树的合并。 (可持久化)01trie的应用。 cdq分治和整体二分的熟练运用。 线段树分治的熟练运用。 线段树合并的熟练运用。 可持久化线段树的熟练运用。 笛卡尔树的基本运用。 dsu on tree 启发式合并 二维数点问题各种解决办法 cdq分治套树，树套cdq,主席树和cdq的结合。 以及KD-Tree的熟练运用。 了解 \(bitset\) 求高维偏序 图论方面 差分约束的熟练应用。 最小生成树算法的熟练应用。 kruskal重构树的熟练应用。 朱刘算法的基本应用。 2-SAT的基本了解 支配树的基本了解 DP及优化方面 斜率优化的复习 cdq分治维护凸包的熟练应用 平衡树维护凸包

原题地址： http://acm.hdu.edu.cn/showproblem.php?pid=6808 本文主要参考的博客： https://www.cnblogs.com/stelayuri/p/13405914.html Go Running Time Limit: 10000/5000 MS (Java/Others) Memory Limit: 524288/524288 K (Java/Others) Total Submission(s): 1358 Accepted Submission(s): 500 Problem Description Zhang3 is the class leader. Recently she's implementing a policy about long-distance running. This forces every student in her class to take a run. There is a main road in the school from west to east, which can be regarded as an infinite axis, and its positive direction is east. Positions on the road are

博主太菜，可能会炸联赛，于是恶补一下 QAQ 题目比较基础，动态更新 Tags 生成树 ， 最短路 ， 差分约束 ， 树的直径与重心 ， LCA ， 树链剖分 ， 拓扑序 ， 强连通分量 ， 割点 ， 桥 ， 点双连通分量 ， 边双连通分量 ， 2-SAT ， 二分图 ， 正/负环 ， 最小环 Content 「Codeforces 888G」Xor-MST 生成树 「AtCoder JSC2019 Qual E」Card Collector 生成树 「Codeforces 888G」Xor-MST update - 2020.8.4 此题需要用到一个叫 Borůvka 的最小生成树算法，大致就是对现在的每一个连通块都找一遍的最短边，最后每个连通块择优，将这些边全部连上。这样复杂度之正确的原因可以参考启发式合并， \(O(|E|\log |V|)\) 。 对于此题，我们以可以用这样的思路来“择优合并”，即选取两个结点 \(u, v\) ，使得 \(a_u \oplus a_v\) 最小，然后合并。现在如何找到这个最小的就是个问题。 对于两个二进制数 \(x = (10001010)_2,y = (10000110)_2\) ，前 \(4\) 位相同，即 \(\text{lcp} = 4\) ，那么异或一次前四位都是 \(0\) 。我们优先考虑二进制下 \(\text{lcp}\)

1、Kruskal算法描述 Kruskal算法是基于贪心的思想得到的。首先我们把所有的边按照权值先从小到大排列，接着按照顺序选取每条边，如果这条边的两个端点不属于同一集合，那么就将它们合并，直到所有的点都属于同一个集合为止。至于怎么合并到一个集合，那么这里我们就可以用到一个工具——-并查集(不知道的同学请移步： Here )。换而言之，Kruskal算法就是基于并查集的贪心算法。 Prim算法适用于稠密图 Kruskal适用于稀疏图 2、Kruskal算法流程 对于图G(V,E)，以下是算法描述： 输入： 图G 输出： 图G的最小生成树 具体流程： (1)将图G看做一个森林，每个顶点为一棵独立的树 (2)将所有的边加入集合S，即一开始S = E (3)从S中拿出一条最短的边(u,v)，如果(u,v)不在同一棵树内，则连接u,v合并这两棵树，同时将(u,v)加入生成树的边集E' (4)重复(3)直到所有点属于同一棵树，边集E'就是一棵最小生成树 输入： 图G 输出： 图G的最小生成树 具体流程： (1)将图G看做一个森林，每个顶点为一棵独立的树 (2)将所有的边加入集合S，即一开始S = E (3)从S中拿出一条最短的边(u,v)，如果(u,v)不在同一棵树内，则连接u,v合并这两棵树，同时将(u,v)加入生成树的边集E' (4)重复(3)直到所有点属于同一棵树，边集E