本文介绍几种常用的排序算法：冒泡排序、选择排序、插入排序、希尔排序、归并排序。 冒泡排序 冒泡排序（BubbleSort）：它重复地走访过要排序的数列，一次比较两个元素，如果他们的顺序（如从大到小、首字母从A到Z）错误就把他们交换过来。走访数列的工作是重复地进行直到没有再需要交换，也就是说该数列已经排序完成。这个算法的名字由来是因为越小的元素会经由交换慢慢“浮”到数列的顶端。 实例： include<stdio.h> voidbubble_sort(int[],int); intmain() { inti; intarr[]={22,34,3,32,82,55,89,5...

本文记录单链队列（队列的链式存储结构）的数据结构定义及基本操作的算法描述，并对算法进行简单应用。 采用C语言实现，其中应用了少数C特性，比如引用等。 源程序 //LinkQueue.cpp include<stdio.h> include<stdlib.h> defineMAXQSIZE5 defineOK1 defineERROR0 defineTRUE1 defineFALSE0 defineOVERFLOW-2 typedefintStatus; typedefintQElemType; typedefstructQNode { QElemT...

本文记录顺序栈的数据结构定义及基本操作的算法描述，并对算法进行简单应用。 采用C语言实现，其中应用了少数C特性，比如引用等。 源程序 //LinkQueue.cpp include<stdio.h> include<stdlib.h> defineSTACK_INIT_SIZE100 defineSTACKINCREMENT10 defineOK1 defineERROR0 defineTRUE1 defineFALSE0 defineOVERFLOW-2 typedefintStatus; typedefcharSElemType; typedefs...

本文记录顺序串的数据结构定义及基本操作的算法描述，并对算法进行简单应用。 采用C语言实现。 源程序 //SString.c include<stdio.h> include<string.h> /状态码/ defineTRUE1//真/是 defineFALSE0//假/否 defineOK1//通过/成功 defineERROR0//错误/失败 /状态码类型/ typedefintStatus; /宏定义/ defineMAXSTRLEN10//顺序串的最大串长 /串的顺序存储类型定义/ typedefunsignedcharSString[MA...

本文介绍redhat7.6服务器上配置163yum源的方法。 yum源简介 yum需要一个yum库，也就是yum源。默认情况下，CentOS就有一个yum源，其配置文件在/etc/yum.repos.d/目录下。 当使用yum下载安装rpm包时，首先要找一个yum库（源），然后确保本地有一个客户端（yum这个命令就是客户端），由yum程序去连接服务器。连接的方式是由配置文件决定的。通过编辑/etc/yum.repos.d/CentOS-Base.repo文件，可以修改设置。 确认版本 [root@promote]cat/etc/redhat-release RedHatEnterp...

1、轮廓提取 轮廓提取是提取出图像的外部轮廓特征，轮廓可能是边缘的一部分。 2、轮廓提取方法及Python实现 2.1掏空内部点法 掏空内部点法的原理非常简单：如果原图中有一点为黑，且它的8个相邻点皆为黑色，则将该点删除，否则认为该点在图像的边缘，需要保留。依次处理图像中每一个像素，则最后留下来的就是图像的轮廓。对于非二值图像，需要先进行二值化处理。代码如下： defGet_contour(bin_img): contour_img=np.zeros(shape=(bin_img.shape),dtype=np.uint8) contour_img+=255 h=bin_img.shape[...

1.什么是边缘检测 边缘检测是图像处理与计算机视觉中的重要技术之一。其目的是检测识别出图像中亮度变化剧烈的像素点构成的集合。图像边缘的正确检测对于分析图像中的内容、实现图像中物体的分割、定位等具有重要的作用。边缘检测大大减少了源图像的数据量，剔除了与目标不相干的信息，保留了图像重要的结构属性。 图像的边缘指的是图像中像素灰度值突然发生变化的区域，如果将图像的每一行像素和每一列像素都描述成一个关于灰度值的函数，那么图像的边缘对应在灰度值函数中是函数值突然变大的区域。函数值的变化趋势可以用函数的导数描述。当函数值突然变大时，导数也必然会变大，而函数值变化较为平缓区域，导数值也比较小，因此可以通过寻...

本文介绍几种常见的图像几何变换方法。 1.图像缩放 图像缩放就是将源图像中的像素点经过算法映射到目标图像的像素点的过程，即找出目标图像中的像素点Pd(Xd，Yd)对应的源图像的像素点Ps(Xs，Ys)，然后将源图像像素点填充到对应目标图像的像素点，最终形成目标图像。常见的图像缩放算法有最邻近点插值法、双线性插值法和BiCubic卷积插值法等。 在OpenCV中提供函数cv2.resize()实现对图像的缩放，该函数原型如下： dst=cv2.resize(src,dsize[,fx[,fy[,interpolation]]]) 参数说明：dst：输出的目标图像，其类型与src相同，大小为d...

1.图像直方图 图像直方图，是指对整个图像在灰度范围内的像素值(0-255)统计出现频率次数，据此生成的直方图，称为图像直方图或直方图。直方图反映了图像灰度的分布情况，是图像的统计学特征。也可以说，直方图是图像中像素强度分布的图形表达方式，它统计了每一个强度值所具有的像素个数。 2.直方图均衡化 直方图均衡化是以累计分布函数为核心，将原始图像灰度直方图从比较集中的某个灰度区间，非线性地映射为在全部灰度范围内的较均匀分布，从而增强对比度。 直方图均衡化的数学原理如下：首先作原始图像灰度的概率直方图,然后设输入像素灰度值为rk，累计分布函数为 其中ni为图像中灰度值为ri的像素频数，n为图像...

1.图像归一化 图像归一化是指对图像进行了一系列标准的处理变换，使之变换为一固定标准形式的过程，该标准图像称作归一化图像。 在机器学习中，不同评价指标（即特征向量中的不同特征，就是所述的不同评价指标）往往具有不同的量纲和量纲单位，这样的情况会影响到数据分析的结果。为了消除指标之间的量纲影响，需要进行数据标准化处理，以解决数据指标之间的可比性。原始数据经过数据标准化处理后，各指标处于同一数量级，适合进行综合对比评价。其中，最典型的就是数据的归一化处理。简而言之，归一化的目的就是使得预处理的数据被限定在一定的范围内（比如[0,1]或者[-1,1]），从而消除奇异样本数据导致的不良影响。 在深度学习...

Rsync是一个远程数据同步工具，可以实现Windows系统间、Linux系统间以及Windows和Linux系统间的数据同步。本文具体介绍WindowstoWindows的使用。 1.环境准备 服务端：win2008R264bitip：10.10.4.175数据库：mysql 客户端：win2008R264bitip：10.10.4.75数据库：mysql 注意：关闭防火墙，保证服务端和客户端网络相通。 2.软件安装及配置 2.1服务端 解压服务端软件cwRsyncServer_4.0.5_Installe.zip安装，安装过程选择默认即可。 打开cwRsyncServer安装...

在容灾备份领域，有多种高可用方案，corosync+pacemaker无疑是开源方案中的佼佼者。 1.什么是corosync、pacemaker、pcs？ Corosync是集群管理套件的一部分，通常会与其他资源管理器一起组合，使用它在传递信息的时候可以通过一个简单的配置文件来定义信息传递的方式和协议等。它是一个新兴的软件，2008年推出，但其实它并不是一个真正意义上的新软件，在2002年的时候有一个项目Openais，它由于过大，分裂为两个子项目，其中可以实现HA心跳信息传输的功能就是Corosync，它的代码60%左右来源于Openais。Corosync可以提供一个完整的HA功能，但...