数据结构与算法--特殊的完全二叉树--堆，堆排序，利用堆解决topk的问题

news2024/11/26 10:23:08

目录

前言 

 1.树概念及结构

1.1树的概念

1.2 树的相关概念 

1.3 树的表示 

1.4 树在实际中的运用（表示文件系统的目录树结构） 

2.二叉树概念及结构 

2.1概念 

2.2现实中的二叉树： 

2.3 特殊的二叉树： 

2.4 二叉树的性质 

 2.5 二叉树的存储结构

3.堆 

3.1 为什么单独讲堆

3.2 堆的概念及结构

3.3 堆的实现

3.2.1 堆的建立

3.2.2 堆向下调整算法 

 3.2.3 堆向上调整算法

3.2.4 使用向下调整算法建大堆

3.2.4.1利用向下调整算法的时间复杂度：O(N)。

3.2.4.2利用向上调整算法的时间复杂度：O(NlogN)

3.2.5 插入节点

3.2.6 删除节点 

3.4 堆的应用

3.4.1 堆排序 

3.4.2 利用堆解决TOP-K问题 

前言 

        本章的目标是学习树的概念及结构，二叉树的概念及结构，最后会用代码实现堆，如果你十分熟悉树和二叉树的概念和性质你可以直接跳到堆的部分。堆是一类特殊的二叉树，其中每个节点的值都大于或等于其子节点的值。这种属性称为堆属性。

 1.树概念及结构

1.1树的概念

树是一种非线性的数据结构，它是由n（n>=0）个有限结点组成一个具有层次关系的集合。把它叫做树是因为它看起来像一棵倒挂的树，也就是说它是根朝上，而叶朝下的。

  • 有一个特殊的结点，称为根结点，根节点没有前驱结点。
  • 除根节点外，其余结点被分成M(M>0)个互不相交的集合T1、T2、……、Tm，其中每一个集合Ti(1<= i <= m)又是一棵结构与树类似的子树。每棵子树的根结点有且只有一个前驱，可以有0个或多个后继。
  • 因此，树是递归定义的。

注意：树形结构中，子树之间不能有交集，否则就不是树形结构

1.2 树的相关概念 

节点的度：一个节点含有的子树的个数称为该节点的度； 如上图：A的为6
 

叶节点或终端节点：度为0的节点称为叶节点； 如上图：B、C、H、I...等节点为叶节点
 

非终端节点或分支节点：度不为0的节点； 如上图：D、E、F、G...等节点为分支节点
 

双亲节点或父节点：若一个节点含有子节点，则这个节点称为其子节点的父节点；

如上图：A是B的父节点

孩子节点或子节点：一个节点含有的子树的根节点称为该节点的子节点；

如上图：B是A的孩子节点
 

兄弟节点：具有相同父节点的节点互称为兄弟节点； 如上图：B、C是兄弟节点
 

树的度：一棵树中，最大的节点的度称为树的度； 如上图：树的度为6
 

节点的层次：从根开始定义起，根为第1层，根的子节点为第2层，以此类推；
 

树的高度或深度：树中节点的最大层次； 如上图：树的高度为4
 

堂兄弟节点：双亲在同一层的节点互为堂兄弟；如上图：H、I互为兄弟节点
 

节点的祖先：从根到该节点所经分支上的所有节点；如上图：A是所有节点的祖先
 

子孙：以某节点为根的子树中任一节点都称为该节点的子孙。

如上图：所有节点都是A的子孙
 

森林：由m（m>0）棵互不相交的树的集合称为森林；

1.3 树的表示 

        树结构相对线性表就比较复杂了，要存储表示起来就比较麻烦了，既然保存值域，也要保存结点和结点之间的关系，实际中树有很多种表示方式如：双亲表示法，孩子表示法、孩子双亲表示法以及孩子兄弟表示法等。我们这里就简单的了解其中最常用的孩子兄弟表示法

typedef int DataType;
struct Node
{
     struct Node* _firstChild1; // 第一个孩子结点
     struct Node* _pNextBrother; // 指向其下一个兄弟结点
     DataType _data; // 结点中的数据域
};

1.4 树在实际中的运用（表示文件系统的目录树结构） 

2.二叉树概念及结构 

2.1概念 

一棵二叉树是结点的一个有限集合，该集合:
        1. 或者为空
        2. 由一个根节点加上两棵别称为左子树和右子树的二叉树组成

从上图可以看出：

        1. 二叉树不存在度大于2的结点
        2. 二叉树的子树有左右之分，次序不能颠倒，因此二叉树是有序树

注意：对于任意的二叉树都是由以下几种情况复合而成的：

2.2现实中的二叉树： 

2.3 特殊的二叉树： 

1. 满二叉树：一个二叉树，如果每一个层的结点数都达到最大值，则这个二叉树就是满二叉树。也就是说，如果一个二叉树的层数为K，且结点总数是 ，则它就是满二叉树。
2. 完全二叉树：完全二叉树是效率很高的数据结构，完全二叉树是由满二叉树而引出来的。对于深度为K的，有n个结点的二叉树，当且仅当其每一个结点都与深度为K的满二叉树中编号从1至n的结点一一对应时称之为完全二叉树。 要注意的是满二叉树是一种特殊的完全二叉树。

完全二叉树除了最后一层外，其它层都是满的，但从左到右都是连续的。像下面这张图就不是连续的，所以它不是完全二叉树。

2.4 二叉树的性质 

1. 若规定根节点的层数为1，则一棵非空二叉树的第i层上最多有 个结点.
2. 若规定根节点的层数为1，则深度为h的二叉树的最大结点数是 .
3. 对任何一棵二叉树, 如果度为0其叶结点个数为 , 度为2的分支结点个数为 ,则有 ＝ ＋1
4. 若规定根节点的层数为1，具有n个结点的满二叉树的深度，

        h= (ps：是log以2为底，n+1为对数)
5. 对于具有n个结点的完全二叉树，如果按照从上至下从左至右的数组顺序对所有节点从0开始编号，则对于序号为i的结点有：

        1. 若i>0，i位置节点的双亲序号：(i-1)/2；i=0，i为根节点编号，无双亲节点
        2. 若2i+1<n，左孩子序号：2i+1，2i+1>=n否则无左孩子
        3. 若2i+2<n，右孩子序号：2i+2，2i+2>=n否则无右孩子

 2.5 二叉树的存储结构

二叉树一般可以使用两种结构存储，一种顺序结构，一种链式结构。
        1. 顺序存储
        顺序结构存储就是使用数组来存储，一般使用数组只适合表示完全二叉树，因为不是完 全二叉树会有空间的浪费。而现实中使用中只有堆才会使用数组来存储，关于堆我们后面的章节会专门讲解。二叉树顺序存储在物理上是一个数组，在逻辑上是一颗二叉树。

2. 链式存储
        二叉树的链式存储结构是指，用链表来表示一棵二叉树，即用链来指示元素的逻辑关系。 通常的方法是链表中每个结点由三个域组成，数据域和左右指针域，左右指针分别用来给出该结点左孩子和右孩子所在的链结点的存储地址 。链式结构又分为二叉链和三叉链，当前我们学习中一般都是二叉链，后面课程学到高阶数据结构如红黑树等会用到三叉链。

3.堆 

3.1 为什么单独讲堆

        堆是特殊的完全二叉树，堆特殊在它在许多算法中都有应用，例如堆排序、优先队列和并查集。堆之所以重要，是因为它可以实现高效的插入和删除操作。因此我们会把堆单独拿出来讲。

3.2 堆的概念及结构

堆的性质：

  • 堆中某个节点的值总是不大于或不小于其父节点的值；
  • 堆总是一棵完全二叉树。

3.3 堆的实现

3.2.1 堆的建立

        下面我们给出一个数组，这个数组逻辑上可以看做一颗完全二叉树，但是还不是一个堆，现在我们通过算法，把它构建成一个堆。根节点左右子树不是堆，我们怎么调整呢？这里就涉及到了，两种算法：向下调整算法和向上调整算法。

用顺序表创建，成员如下：

typedef struct Heap
{
	HPDataType* a;
	int size;
	int capacity;
}HP;

3.2.2 堆向下调整算法 

        向上调整算法一般是在堆删除数据的时候用，也可以直接用来建堆。现在我们给出一个数组，逻辑上看做一颗完全二叉树。堆的向下调整算法是指将一个节点向下调整，使其满足堆的性质。堆的向下调整算法如下：

        1. 从根节点开始，依次向下调整每个节点。

        2. 将当前节点与其两个子节点进行比较，如果当前节点的值小于两个子节点中的较大值，则交换当前节点和较大子节点的值。

        3. 重复步骤 2，直到当前节点到达叶节点。

看代码:

void AdjustDown(int* a, int size, int parent)
{
	int child = parent * 2 + 1;

	while (child < size)
	{

		if (child+1 < size && a[child + 1] < a[child])
		{
			++child;
		}

		if (a[child] < a[parent])
		{
			Swap(&a[child], &a[parent]);
			parent = child;
			child = parent * 2 + 1;
		}
		else
		{
			break;
		}
	}
}

在写这个算法的时候需要注意几处细节：

        1.如何寻找孩子节点。

        2.与哪个孩子交换

        3.结束交换的条件

1.我们寻找孩子，我们用父亲节点乘2就能找到左孩子，左孩子加1就能找到右孩子了。

2.如果你是建立大堆的话你就要和数值大的孩子进行交换，如果你想建立小堆，和小的孩子进行交换就行了。这里需要注意的是，并非所有的双亲节点都存在右孩子，这时需要进行判断右孩子是否存在，child+1 < size

3.进行交换，只要保证孩子节点在总数据范围之内就行了。child < size

 3.2.3 堆向上调整算法

       向上调整算法一般是在堆插入数据的时候用，也可以直接用来建堆。现在我们给出一个数组，逻辑上看做一颗完全二叉树。我们通过从插入点开始的向上调整算法可以把它调整成一个小堆。堆的向上调整算法是指将一个节点向上调整，使其满足堆的性质。堆的向上调整算法如下：         

        1. 从最后一个非叶子节点开始，依次向上调整每个节点。

        2. 将当前节点与其父节点进行比较，如果当前节点的值大于父节点的值，则交换两个节点的值。

        3. 重复步骤 2，直到当前节点到达根节点。 

看代码：

void Swap(HPDataType* p1, HPDataType* p2)
{
	HPDataType tmp = *p1;
	*p1 = *p2;
	*p2 = tmp;
}

void AdjustUp(HPDataType* a, int child)
{
	int parent = (child - 1) / 2;
	while (child > 0)
	{
		if (a[child] < a[parent])
		{
			Swap(&a[child], &a[parent]);
			child = parent;
			parent = (child - 1) / 2;
		}
		else
		{
			break;
		}
	}
}

在写这个算法的时候需要注意几处细节：

        1.如何寻找双亲节点。

        2.交换的条件。

        3.结束交换的条件

1.我们拿 1（双亲节点），3和4（孩子节点）来举例。

        我们寻找双亲结点，只需int parent = (child - 1) / 2就可以了，左孩子3带入，结果成立；右孩子4带入，结果也成立。

2.如果你想建立大堆，那么孩子节点大于双亲节点才进行交换；如果你想建立小堆，那么孩子节点小于双亲节点才进行交换。

3.结束交换，孩子走到0节点，就表示结束了。            

3.2.4 使用向下调整算法建大堆

        当你也可以建小堆，当然也可以使用向上调整算法建堆。这里值得一提的是，利用向下调整算法的时间复杂堆是要优于向上调整算法的。

int a[] = {1,5,3,8,7,6};

见代码：

#include<stdio.h>
#include<stdlib.h>
typedef int HPDataType;
void Swap(HPDataType* p1, HPDataType* p2)
{
	HPDataType tmp = *p1;
	*p1 = *p2;
	*p2 = tmp;
}
void AdjustDown(int* a, int size, int parent)
{
	int child = parent * 2 + 1;

	while (child < size)
	{

		if (child + 1 < size && a[child + 1] > a[child])
		{
			++child;
		}

		if (a[child] > a[parent])
		{
			Swap(&a[child], &a[parent]);
			parent = child;
			child = parent * 2 + 1;
		}
		else
		{
			break;
		}
	}
}
void HeapSort(int* a, int n)
{
	 //建大堆
	 for (int i = (n - 1 - 1) / 2; i >= 0; --i)
	{
		AdjustDown(a, n, i);
	}
}

int main()
{
	int a[] = { 1,5,3,8,7,6 };

	HeapSort(a, sizeof(a)/sizeof(int));

	for (int i = 0; i < sizeof(a)/sizeof(int); i++)
	{
		printf("%d ", a[i]);
	}
	printf("\n");

	return 0;
}
3.2.4.1利用向下调整算法的时间复杂度：O(N)。

3.2.4.2利用向上调整算法的时间复杂度：O(NlogN)

3.2.5 插入节点

        我们知道了向上和向下两种插入算法，插入节点是非常容易。首先要考虑的就是容量问题，如果容量不足，那就要扩容。然后插入数据。最后利用算法调整。

void HeapPush(HP* php, HPDataType x)
{
	assert(php);
	if (php->size == php->capacity)
	{
		int newCapacity = php->capacity == 0 ? 4 : php->capacity * 2;
		HPDataType* tmp = (HPDataType*)realloc(php->a, newCapacity * sizeof(HPDataType));
		if (tmp == NULL)
		{
			perror("realloc fail");
			exit(-1);
		}
		
		php->a = tmp;
		php->capacity = newCapacity;
	}

	php->a[php->size] = x;
	php->size++;

	AdjustUp(php->a, php->size - 1);
}

3.2.6 删除节点 

        一般规定，删除堆的节点，是删除堆的根节点。我们在删除根节点的时候，不能直接把根节点删除，如果删除了根节点那么堆的整个结构就乱了。我们可以先把根节点与尾节点进行，交换，然后--size，就起到删除的效果了，最后用向下调整算法，调整堆就好了。

void HeapPop(HP* php)
{
	assert(php);
	assert(php->size > 0);

	Swap(&php->a[0], &php->a[php->size - 1]);
	php->size--;

	AdjustDown(php->a, php->size, 0);
}

3.4 堆的应用

        以大堆为例，我们通过其结构可知，如果想取到堆中数据的最大值，我们只需要取根节点就好了，如果想取次大值，我们就删除根节点，经过调整后的根节点就是次大值，我们发现利用堆可以去到有序数据，由此我们就引出了堆排序和用堆解决TOP-K问题。

3.4.1 堆排序 

堆排序即利用堆的思想来进行排序，总共分为两个步骤：
        1. 建堆
                升序：建大堆
                降序：建小堆
        2. 利用堆删除思想来进行排序

                1. 将待排序的数据构建成一个最大堆。

                2. 将堆顶元素（最大元素）与最后一个元素交换，并将堆的大小减 1。

                3. 对前 n - 1 个元素进行堆调整，使其重新成为一个最大堆。

                4. 重复步骤 2 和 3，直到堆中只剩下一个元素。

见代码：

#include<stdio.h>
#include<stdlib.h>
typedef int HPDataType;
void Swap(HPDataType* p1, HPDataType* p2)
{
	HPDataType tmp = *p1;
	*p1 = *p2;
	*p2 = tmp;
}
void AdjustDown(int* a, int size, int parent)
{
	int child = parent * 2 + 1;

	while (child < size)
	{

		if (child + 1 < size && a[child + 1] > a[child])
		{
			++child;
		}

		if (a[child] > a[parent])
		{
			Swap(&a[child], &a[parent]);
			parent = child;
			child = parent * 2 + 1;
		}
		else
		{
			break;
		}
	}
}
// 升序
void HeapSort(int* a, int n)
{
	for (int i = (n - 1 - 1) / 2; i >= 0; --i)
	{
		AdjustDown(a, n, i);
	}

	int end = n - 1;
	while (end > 0)
	{
		Swap(&a[0], &a[end]);
		AdjustDown(a, end, 0);
		--end;
	}
}

int main()
{
	int a[] = { 4, 6, 2, 1, 5, 8, 2, 9 };

	HeapSort(a, sizeof(a)/sizeof(int));

	for (int i = 0; i < sizeof(a)/sizeof(int); i++)
	{
		printf("%d ", a[i]);
	}
	printf("\n");

	return 0;
}

3.4.2 利用堆解决TOP-K问题 

TOP-K问题：即求数据结合中前K个最大的元素或者最小的元素，一般情况下数据量都比较大。
比如：专业前10名、世界500强、富豪榜、游戏中前100的活跃玩家等。
对于Top-K问题，能想到的最简单直接的方式就是排序，但是：如果数据量非常大，排序就不太可取了(可能数据都不能一下子全部加载到内存中)。

最佳的方式就是用堆来解决，基本思路如下：
        1. 用数据集合中前K个元素来建堆
                前k个最大的元素，则建小堆
                前k个最小的元素，则建大堆
        2. 用剩余的N-K个元素依次与堆顶元素来比较，不满足则替换堆顶元素

        将剩余N-K个元素依次与堆顶元素比完之后，堆中剩余的K个元素就是所求的前K个最小或者最大的元素

eg：从一百万个数据中选出最大的五个数据

        

#define _CRT_SECURE_NO_WARNINGS 1
#include<stdio.h>
#include<stdlib.h>
#include<assert.h>
#include<stdbool.h>
#include<time.h>
typedef int HPDataType;

void Swap(HPDataType* p1, HPDataType* p2)
{
	HPDataType tmp = *p1;
	*p1 = *p2;
	*p2 = tmp;
}
void AdjustUp(HPDataType* a, int child)
{
	int parent = (child - 1) / 2;

	while (child > 0)
	{
		if (a[child] < a[parent])
		{
			Swap(&a[child], &a[parent]);
			child = parent;
			parent = (child - 1) / 2;
		}
		else
		{
			break;
		}
	}
}
void AdjustDown(HPDataType* a, int size, int parent)
{
	int child = parent * 2 + 1;

	while (child < size)
	{

		if (child + 1 < size && a[child + 1] < a[child])
		{
			++child;
		}

		if (a[child] < a[parent])
		{
			Swap(&a[child], &a[parent]);
			parent = child;
			child = parent * 2 + 1;
		}
		else
		{
			break;
		}
	}
}

void CreateNDate()
{
	// 造数据
	int n = 10000000;
	srand(time(0));
	const char* file = "data.txt";
	FILE* fin = fopen(file, "w");
	if (fin == NULL)
	{
		perror("fopen error");
		return;
	}

	for (int i = 0; i < n; ++i)
	{
		int x = (rand() + i) % 10000000;
		fprintf(fin, "%d\n", x);
	}

	fclose(fin);
}

void PrintTopK(const char* file, int k)
{
	FILE* fout = fopen(file, "r");
	if (fout == NULL)
	{
		perror("fopen error");
		return;
	}

	// 建一个k个数小堆
	int* minheap = (int*)malloc(sizeof(int) * k);
	if (minheap == NULL)
	{
		perror("malloc error");
		return;
	}

	// 读取前k个，建小堆
	for (int i = 0; i < k; i++)
	{
		fscanf(fout, "%d", &minheap[i]);
		AdjustUp(minheap, i);
	}

	int x = 0;
	while (fscanf(fout, "%d", &x) != EOF)
	{
		if (x > minheap[0])
		{
			minheap[0] = x;
			AdjustDown(minheap, k, 0);
		}
	}

	for (int i = 0; i < k; i++)
	{
		printf("%d ", minheap[i]);
	}
	printf("\n");

	free(minheap);
	fclose(fout);
}


int main()
{
	CreateNDate();
	PrintTopK("data.txt", 5);

}

        

        结果如上，如果你想更直观的看到前k个数的值，你可以在创建的文件中进行修改数字，修改出5个比一百万大的数字就可以了。

希望这篇文章对你有所帮助！！！ 

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.coloradmin.cn/o/1267438.html

如若内容造成侵权/违法违规/事实不符，请联系多彩编程网进行投诉反馈，一经查实，立即删除！

相关文章

网络篇---第五篇

网络篇---第五篇

系列文章目录 文章目录 系列文章目录前言一、如何实现跨域？二、TCP 为什么要三次握手，两次不行吗？为什么？三、说一下 TCP 粘包是怎么产生的？怎么解决粘包问题的？前言 前些天发现了一个巨牛的人工智能学习网站，通俗易懂，风趣幽默，忍不住分享一下给大家。点击跳转到网站…
阅读更多...
解码 SQL：深入探索 Antlr4 语法解析器背后的奥秘

解码 SQL：深入探索 Antlr4 语法解析器背后的奥秘

探寻SQL的背后机制 前言 在数据领域&#xff0c;SQL&#xff08;Structured Query Language&#xff09;是一门广泛使用的语言&#xff0c;用于查询和处理数据。你可能已经使用过诸如MySQL、Hive、ClickHouse、Doris、Spark和Flink等工具来编写SQL查询。 每一种框架都提供了…
阅读更多...
ASEM工控机维修工业电脑控制器维修PB3400

ASEM工控机维修工业电脑控制器维修PB3400

ASEM工控机维修asem工业电脑维修常见型号&#xff1a;PB3400;PB2000;PB3200;PB3600&#xff1b;BM2200等。 ASEM工控机维修常见故障有&#xff1a;开不了机、黑屏、不能启动、电路板故障、主板、开机没反应、显示器没反应、主板故障、蓝屏、卡机、显示器信号灯一直闪、系统不能…
阅读更多...
PlantUML语法（全）及使用教程-用例图

PlantUML语法（全）及使用教程-用例图

目录 1. 用例图1.1、什么是用例图1.2、用例图的构成1.3、参与者1.4、用例1.4.1、用例基本概念1.4.2、用例的识别1.4.3、用例的要点1.4.3、用例的命名1.4.4、用例的粒度 1.5、应用示例1.5.1、用例1.5.2、角色1.5.3、改变角色的样式1.5.4、用例描述1.5.5、改变箭头方向1.5.6、使用…
阅读更多...
“通识+产业”大模型，“Alaya元识”的赋能路径

“通识+产业”大模型，“Alaya元识”的赋能路径

2023年11月&#xff0c;国家工业信息安全发展研究中心、工信部电子知识产权中心发布的《中国AI大模型创新和专利技术分析报告》显示&#xff0c;我国大模型专利申请总数已突破4万余件&#xff0c;大模型相关领域的创新日益活跃。 相对于“能做诗会画画”的针对to C市场的大模型…
阅读更多...
东南大学与OpenHarmony携手共建开源生态，技术俱乐部揭牌成立并迎来TSC专家进校园

东南大学与OpenHarmony携手共建开源生态，技术俱乐部揭牌成立并迎来TSC专家进校园

11月25日,OpenAtom OpenHarmony(以下简称“OpenHarmony”)项目群技术指导委员会(以下简称“TSC”)与东南大学携手,于东南大学九龙湖校区金智楼一楼报告厅举办了“东南大学OpenHarmony技术俱乐部成立仪式暨OpenHarmony TSC专家进校园”活动。此次盛会标志着OpenHarmony开源社区和…
阅读更多...
TCP 基本认识

TCP 基本认识

1&#xff1a;TCP 头格式有哪些&#xff1f; 序列号&#xff1a;用来解决网络包乱序问题。 确认应答号&#xff1a;用来解决丢包的问题。 2&#xff1a;为什么需要 TCP 协议&#xff1f; TCP 工作在哪一层&#xff1f; IP 层是「不可靠」的&#xff0c;它不保证网络包的交付…
阅读更多...
Alivia 1.0 正式版来了，打造更懂企业的营销「工具箱」

Alivia 1.0 正式版来了，打造更懂企业的营销「工具箱」

上周&#xff0c;「Whale 帷幄」2023 秋季发布会圆满落下帷幕。发布会上&#xff0c;帷幄创始人 & CEO 叶生晅重磅发布了专为营销和销售设计的企业级 AGI 工具——Alivia 1.0 正式版&#xff0c;获得了广泛的反响和好评。 在这一年里&#xff0c;帷幄在 AGI 产品创新及落地…
阅读更多...
力扣刷题篇之分治

力扣刷题篇之分治

系列文章目录 目录 系列文章目录 前言 一、分解问题 二、解决子问题 三、合并结果 总结 前言 刷题按照&#xff1a; [力扣刷题攻略] Re&#xff1a;从零开始的力扣刷题生活 - 力扣&#xff08;LeetCode&#xff09; 参考&#xff1a; 「五大常用算法」一文搞懂分治算法…
阅读更多...
欧拉LINUX 23.09版本上安装ORACLE 19c

欧拉LINUX 23.09版本上安装ORACLE 19c

前面解决了在RHEL9上安装ORACLE 19C的问题后&#xff0c;发现龙蜥 LINUX23 上可以安装ORACLE19C,网上搜了一下&#xff0c;欧拉 linux 22.03 上&#xff0c;没有成功安装ORACLE 19c 的先例&#xff0c;23.09就更不用说了&#xff0c;但看到的错误&#xff0c;不外服都是缺 libp…
阅读更多...
泛微OA对接金蝶云星空方案分享（对接场景解析）

泛微OA对接金蝶云星空方案分享（对接场景解析）

分享金蝶云星空跟泛微OA系统集成对接的方案分享&#xff0c;主讲审批流程对接&#xff0c;表单对接的两类场景。分别是金蝶云星空发起申请和泛微发起流程审批&#xff0c;最终实现统一管理。 数据集成主要有以下好处&#xff1a; &#xff08;1&#xff09;数据一致性&#xf…
阅读更多...
直播团队职责

直播团队职责

一、直播策划 1.根据公司战略&#xff0c;制定直播计划和方案&#xff0c;包括直播频率、时间、主题等。 2.负责直播内容策划&#xff0c;包括商品选择、优惠策略、互动环节等。 3.分析市场竞争情况&#xff0c;调整和优化直播方案。 4.与团队协作&#xff0c;确保直播计划…
阅读更多...
GANVAEDiffusion

GANVAEDiffusion

数学基础 KL散度 描绘一个分布p和另一个分布q之间的偏离程度 当 p ( x ) q ( x ) p(x)q(x) p(x)q(x)时散度取得最小值 JS散度 另一种衡量两个概率分布相似性的方法 GAN 需要训练两个网络&#xff1b;损失来回波动&#xff0c;不好分辨&#xff0c;不容易收敛&#xff…
阅读更多...
day32_Git

day32_Git

今日内容 零、 复习昨日 零、 复习昨日 一、引言 在单人开发过程中&#xff0c;需要进行版本管理&#xff0c;以利于开发进度的控制。 在多人开发过程中&#xff0c;不仅需要版本管理&#xff0c;还需要进行多人协同控制。 版本控制(VS) SVN GIT 二、介绍 Git是一个开源的…
阅读更多...
WMS系统

WMS系统

什么是WMS系统&#xff1f; WMS&#xff08;Warehouse Management System&#xff0c;仓库管理系统&#xff09;是一种软件解决方案&#xff0c;旨在帮助用户优化仓库管理流程、管理和控制日常仓库运营。 WMS系统的主要功能有那些&#xff1f; 主要功能主要包括以下几点&…
阅读更多...
AI伪原创软件-AI伪原创工具下载

AI伪原创软件-AI伪原创工具下载

在当今数字化时代&#xff0c;创作者们在追求独特创意的同时&#xff0c;也面临着时间和灵感的双重挑战。AI伪原创技术应运而生&#xff0c;为创作者提供了一种快捷而便利的解决方案。本文将专心分享两款备受瞩目的AI伪原创工具&#xff0c;147SEO伪原创、百度文心一言伪原创&a…
阅读更多...
网站域名那些事儿

网站域名那些事儿

互联网用户对于在线数据安全的意识逐渐增强&#xff0c;因此拥有一个可靠的网络安全系统是至关重要的。而其中一个最重要的元素就是网站域名SSL证书。 SSL&#xff08;Secure Socket Layer&#xff09;是一种用于确保网站与访客之间通信安全的技术。通过使用SSL证书&#xff0c…
阅读更多...
echarts案例网站

echarts案例网站

一、ppchart 网站&#xff1a;https://ppchart.com/#/ 二、echarts官网示例 网站&#xff1a;https://echarts.apache.org/examples/zh/index.html
阅读更多...
[VNCTF 2023] web刷题记录

[VNCTF 2023] web刷题记录

文章目录 象棋王子电子木鱼BabyGo 象棋王子 考点&#xff1a;前端js代码审计 直接查看js源码&#xff0c;搜一下alert 丢到控制台即可 电子木鱼 考点&#xff1a;整数溢出 main.rs我们分段分析 首先这段代码是一个基于Rust的web应用程序中的路由处理函数。它使用了Rust的异步…
阅读更多...
龙迅LT8668SXC适用于TPYE-C/DP/HDMI转EDP/VBO同时环出一路HDMI/DP，支持分辨率缩放功能。

龙迅LT8668SXC适用于TPYE-C/DP/HDMI转EDP/VBO同时环出一路HDMI/DP，支持分辨率缩放功能。

1.描述 应用功能&#xff1a;LT8668SXC适用于TYPE-C/DP1.4/HDMI2.1转EDP/VBO同时环出一路HDMI/DP应用方案 分辨率&#xff1a;高达8K30HZ&#xff0c; 工作温度范围&#xff1a;−40C to 85C 产品封装&#xff1a;QFN88 (10*10)最小包装数&#xff1a;1680pcs 2.产品应用 •视频…
阅读更多...
推荐文章
最新文章

Copyright @ 2022~2023