c++之二叉树【进阶版】

news2024/12/25 9:02:36

前言

        在c语言阶段的数据结构系列中已经学习过二叉树，但是这篇文章是二叉树的进阶版，因为首先就会讲到一种树形结构“二叉搜索树”，学习二叉搜索树的目标是为了更好的理解map和set的特性。二叉搜索树的特性就是左子树键值小于根，右子树键值大于根，所以二叉搜索树就天然的具有查找功能，有时二叉搜索树又叫二叉排序树或者二叉查找树。

目录

前言

Ⅰ、二叉搜索树概念

Ⅱ、二叉搜索树操作

Ⅲ、二叉搜索树的实现

Ⅳ、 二叉搜索树的应用

Ⅴ、二叉搜索树的性能分析

Ⅵ、二叉树进阶面试题

Ⅰ、二叉搜索树概念

二叉搜索树又称二叉排序树，它或者是一棵空树，或者是具有以下性质的二叉树:

        ●若它的左子树不为空，则左子树上所有节点的值都小于根节点的值

        ●若它的右子树不为空，则右子树上所有节点的值都大于根节点的值

        ●它的左右子树也分别为二叉搜索树

        ●它没有重复的键值

Ⅱ、二叉搜索树操作

 int   a[ ] = {8,         3,         1,         10,         6,         4,         7,         14,         13};

1. 二叉搜索树的查找

        a、从根开始比较，查找，比根大则往右边走查找，比根小则往左边走查找。

        b、最多查找高度次，走到到空，还没找到，这个值不存在。

2. 二叉搜索树的插入

插入的具体过程如下：

        a. 树为空，则直接新增节点，赋值给root指针

        b. 树不空，按二叉搜索树性质查找插入位置，插入新节点

 

1. 二叉搜索树的删除

首先查找元素是否在二叉搜索树中，如果不存在，则返回, 否则要删除的结点可能分下面四种情 况：

        a. 要删除的结点无孩子结点

        b. 要删除的结点只有左孩子结点

        c. 要删除的结点只有右孩子结点

        d. 要删除的结点有左、右孩子结点

看起来有待删除节点有4中情况，实际情况a可以与情况b或者c合并起来，因此真正的删除过程 如下：

        ●情况b：删除该结点且使被删除节点的双亲结点指向被删除节点的左孩子结点--直接删除

        ●情况c：删除该结点且使被删除节点的双亲结点指向被删除结点的右孩子结点--直接删除

        ●情况d：在它的右子树中寻找中序下的第一个结点(关键码最小)，用它的值填补到被删除节点 中，再来处理该结点的删除问题--替换法删除

如图理解，情况a实质就是删除1,4,7,13可以直接删除。

关于情况b，情况c，就需要详细探讨

对于情况d是最难以理解的，这种情况就好比删除3和8，他们是需要替换法删除的场景，这种情况就需要找子树右边的最小值(minright)，找到之后minright的key值与cur的key交换(赋值)后再判断后进行链接。

但是通下面代码我们发现，这段代码删除8时就会发现root为nullptr，这样就出现错误了，还有一个问题就是minright可以是parent左右子树，所以关于删除的时候还需要判断是否parent的左右子树

Ⅲ、二叉搜索树的实现

二叉搜索树代码的实现，查找，插入是比较容易理解的，对于删除考虑的情况比较多。主要分三种情况，1.直接删除，2.左右子树为nullptr，交换删除，3.左右子树都不为nullptr，需要找minright替换key值后链接。

对于整个结构与我之前学习的二叉树基本一样，只是用到了c++，封装了节点（该节点中有左右节点和key值），通过模板实现不同参数的调用。

非递递归代码实现如下

#pragma once
#include <iostream>
#include <string>
using namespace std;

namespace K
{
	template<class K>
	struct BSTreeNode
	{
		BSTreeNode<K>* _left;
		BSTreeNode<K>* _right;
		K _key;

		BSTreeNode(const K& key)
			:_key(key)
			, _left(nullptr)
			, _right(nullptr)
		{}
	};
	template<class K>
	class BSTree
	{
		typedef BSTreeNode<K> Node;
	public:

		BSTree()
			:_root(nullptr)
		{}

		BSTree(const BSTree<K> &t)
		{
			_root = Copy(t._root);
		}

		BSTree<K>& operator=(BSTree<K> t)
		{
			swap(_root, t._root);
			return *this;
		}

		~BSTree()
		{
			Destroy(_root);
			_root=nullptr;
		}
		
		bool Insert(const K& key)
		{
			if (_root == nullptr)
			{
				_root = new Node(key);
				return true;
			}

			Node* parent = nullptr;
			Node* cur = _root;
			while (cur)
			{
				if (cur->_key < key)
				{
					parent = cur;
					cur = cur->_right;
				}
				else if (cur->_key > key)
				{
					parent = cur;
					cur = cur->_left;
				}
				else
				{
					return false;
				}
			}

			cur = new Node(key);
			if (parent->_key < key)
			{
				parent->_right = cur;
			}
			else
			{
				parent->_left = cur;
			}

			return true;
		}

		bool Erase(const K& key)
		{
			Node* parent = nullptr;
			Node* cur = _root;
			while (cur)
			{
				if (cur->_key < key)
				{
					parent = cur;
					cur = cur->_right;
				}
				else if (cur->_key > key)
				{
					parent = cur;
					cur = cur->_left;
				}
				else
				{
					// 1、左为空
					// 2、右为空
					// 3、左右都不为空，替换删除
					if (cur->_left == nullptr)
					{
						//if (parent == nullptr)
						if (cur == _root)
						{
							_root = cur->_right;
						}
						else
						{
							if (parent->_left == cur)
							{
								parent->_left = cur->_right;
							}
							else
							{
								parent->_right = cur->_right;
							}
						}

						delete cur;
					}
					else if (cur->_right == nullptr)
					{
						//if (parent == nullptr)
						if (cur == _root)
						{
							_root = cur->_left;
						}
						else
						{
							if (parent->_left == cur)
							{
								parent->_left = cur->_left;
							}
							else
							{
								parent->_right = cur->_left;
							}
						}

						delete cur;
					}
					else
					{
						// 右子树的最小节点
						Node* parent = cur;
						Node* minRight = cur->_right;
						while (minRight->_left)
						{
							parent = minRight;
							minRight = minRight->_left;
						}

						cur->_key = minRight->_key;

						if (minRight == parent->_left)
						{
							parent->_left = minRight->_right;
						}
						else
						{
							parent->_right = minRight->_right;
						}
						delete minRight;
					}

					return true;
				}
			}

			return false;
		}

		void InOrder()
		{
			_InOrder(_root);
			cout << endl;
		}


	private:
		
		void Destroy(Node* root)
		{
			if (root == nullptr)
				return;

			Destroy(root->_left);
			Destroy(root->_right);
			delete root;
		}

		Node*  Copy(Node *root)
		{
			if (root == nullptr)
				return nullptr;
			
			Node* newRoot = new Node(root->_key);
			newRoot->_left = Copy(root->_left);
			newRoot->_right = Copy(root->_right);

			return newRoot;
		}

	
		bool Find(const K& key)
		{
			Node* cur = _root;
			while (cur)
			{
				if (cur->_key < key)
					cur = cur->_right;
				else if (cur->_key > key)
					cur = cur->_left;
				else
					return true;
			}
			return false;
		}

		void _InOrder(Node* root)
		{
			if (root == nullptr)
				return;

			_InOrder(root->_left);
			cout << root->_key << " ";
			_InOrder(root->_right);
		}
	private:
		Node* _root = nullptr;
	};
}

递归

这里递归主要讲解删除（Erase），相信大家之前对递归也是有所涉猎的。对于Erase的实现，开始也是通过递归查找key节点，还需要循环找到minright，然后通过(swap)交换key值和minright值，之后再通过递归（cur的子树）删除。下面我们就来深入分析递归删除，列如删除如图3。

        ●1.先通过递归查找到删除节点

         ●2.如果是左右子树为nullptr，直接链接到根（root）

         ●3.这里如果删除的是3，就是通过上面步骤找到3为cur，然后判断出cur的左右子树都不为nullptr，这时就需要寻找minright，找到minright之后，swap交换（3,4），然后递归删除4节点的右子树的3。

最后需要注意的一点是，递归就会调用_root，所以我们可以在类中先封装再调用。

非递归代码实现如下 

namespace K
{
	template<class K>
	struct BSTreeNode
	{
		BSTreeNode<K>* _left;
		BSTreeNode<K>* _right;
		K _key;

		BSTreeNode(const K& key)
			:_key(key)
			, _left(nullptr)
			, _right(nullptr)
		{}
	};

	template<class K>
	class BSTree
	{
		typedef BSTreeNode<K> Node;
	public:

		BSTree()
			:_root(nullptr)
		{}

		BSTree(const BSTree<K> &t)
		{
			_root = Copy(t._root);
		}

		BSTree<K>& operator=(BSTree<K> t)
		{
			swap(_root, t._root);
			return *this;
		}

		~BSTree()
		{
			Destroy(_root);
			_root=nullptr;
		}
		void InOrder()
		{
			_InOrder(_root);
			cout << endl;
		}

		bool InsertR(const K& key)
		{
			return _InsertR(_root,key);
		}

		bool FindR(const K& key)
		{
			return _FindR(_root, key);
		}

		bool EraseR(const K& key)
		{
			return _EraseR(_root, key);
		}

	private:
		
		void Destroy(Node* root)
		{
			if (root == nullptr)
				return;

			Destroy(root->_left);
			Destroy(root->_right);
			delete root;
		}
		Node*  Copy(Node *root)
		{
			if (root == nullptr)
				return nullptr;
			
			Node* newRoot = new Node(root->_key);
			newRoot->_left = Copy(root->_left);
			newRoot->_right = Copy(root->_right);

			return newRoot;
		}
		bool _EraseR(Node*& root, const K& key)
		{
			if (root == nullptr)
			{
				return false;
			}

			if (root->_key < key)
			{
				return _EraseR(root->_right, key);
			}
			else if (root->_key > key)
			{
				return _EraseR(root->_left, key);
			}
			else
			{
				Node* del = root;
				if (root->_right == nullptr)
				{
					root = root->_left;
				}
				else if (root->_left == nullptr)
				{
					root = root->_right;
				}
				else
				{
					Node* minRight = root->_right;
					while (minRight->_left)
					{
						minRight = minRight->_left;
					}

					swap(root->_key, minRight->_key);

					// 转换后在子树中去删除节点
					return _EraseR(root->_right, key);
				}
				delete del;
				return true;
			}
		}

		bool _InsertR(Node*& root, const K& key)
		{
			if (root == nullptr)
			{
				root = new Node(key);
				return true;
			}

			if (root->_key < key)
				return  _InsertR(root->_right, key);
			else if (root->_key > key)
				return  _InsertR(root->_left, key);
			else
				return false;
		}
		bool _FindR(Node* root, const K& key)
		{
			if (root == nullptr)
			{
				return false;
			}
			if (root->_key < key)
			{
				return  _FindR(root->_right);
			}
			else if (root->_key> key)
			{
				return _FindR(root->_left);
			}
			else
			{
				return true;
			}
		}
private:
		Node* _root = nullptr;
	};
}

Ⅳ、 二叉搜索树的应用

1. K模型：K模型即只有key作为关键码，结构中只需要存储Key即可，关键码即为需要搜索到的值。 比如：给一个单词word，判断该单词是否拼写正确，具体方式如下：

        ○以词库中所有单词集合中的每个单词作为key，构建一棵二叉搜索树

        ○在二叉搜索树中检索该单词是否存在，存在则拼写正确，不存在则拼写错误。

2. KV模型：每一个关键码key，都有与之对应的值Value，即的键值对。该种方式在现实生活中非常常见：

        ○比如英汉词典就是英文与中文的对应关系，通过英文可以快速找到与其对应的中文，英文单词与其对应的中文就构成一种键值对；

        ○再比如统计单词次数，统计成功后，给定单词就可快速找到其出现的次数，单词与其出现次数就是就构成一种键值对。

改造二叉搜索树为KV结构如下

namespace KV
{
	template<class K, class V>
	struct BSTreeNode
	{
		BSTreeNode<K, V>* _left;
		BSTreeNode<K, V>* _right;
		K _key;
		V _value;

		BSTreeNode(const K& key, const V& value)
			:_key(key)
			, _value(value)
			, _left(nullptr)
			, _right(nullptr)
		{}
	};

	template<class K, class V>
	class BSTree
	{
		typedef BSTreeNode<K, V> Node;
	public:
		bool Insert(const K& key, const V& value)
		{
			if (_root == nullptr)
			{
				_root = new Node(key, value);
				return true;
			}

			Node* parent = nullptr;
			Node* cur = _root;
			while (cur)
			{
				if (cur->_key < key)
				{
					parent = cur;
					cur = cur->_right;
				}
				else if (cur->_key > key)
				{
					parent = cur;
					cur = cur->_left;
				}
				else
				{
					return false;
				}
			}

			cur = new Node(key, value);
			if (parent->_key < key)
			{
				parent->_right = cur;
			}
			else
			{
				parent->_left = cur;
			}

			return true;
		}

		Node* Find(const K& key)
		{
			Node* cur = _root;
			while (cur)
			{
				if (cur->_key < key)
				{
					cur = cur->_right;
				}
				else if (cur->_key > key)
				{
					cur = cur->_left;
				}
				else
				{
					return cur;
				}
			}

			return nullptr;
		}

		void Inorder()
		{
			_Inorder(_root);
		}

		void _Inorder(Node* root)
		{
			if (root == nullptr)
				return;

			_Inorder(root->_left);
			cout << root->_key << ":" << root->_value << endl;
			_Inorder(root->_right);
		}
	private:
		Node* _root = nullptr;
	};
}

测试1：通过英文查找中文，这个时候就用到KV搜索树，我们可以给树的key和value定义都为string类型，然后将信息插入到KV搜索树。最后通过查找key值，如果有就打印value即可。

void TestBSTree2()
{
	//词库中单词都放进这个搜索树中
	//key的搜索模型，判断在不在？
	//场景：检查单词拼写是否正确/车库出入系统/...

	//K::BSTree<string> dict;
	//Key/Value的搜索模型，通过Key查或者修改Value

	KV::BSTree<string, string> dict;
	dict.Insert("sort", "排序");
	dict.Insert("string", "字符串");
	dict.Insert("left", "左边");
	dict.Insert("right", "右边");
	
	string str;
	while(cin >> str)
	{
		KV::BSTreeNode<string, string>* ret = dict.Find(str); 
		if (ret)
		{
			cout << ret->_value << endl;
		}
		else
		{
			cout << "没有这个单词" << endl;
		}
	}

}
编译结果：sort 排序        left 左边        right 右边        hello 没有这个单词

测试2：统计水果出现的次数

void TestBSTree3()
{

	string arr[] = { "苹果", "西瓜", "苹果", "西瓜", "苹果", "苹果", "西瓜",
		"苹果", "香蕉", "苹果", "香蕉" };
	KV::BSTree<string, int> countTree;
	for (auto e : arr)
	{
		auto* ret = countTree.Find(e);
		if (ret == nullptr)
		{
			countTree.Insert(e, 1);
		}
		else
		{
			ret->_value++;
		}
	}
	countTree.Inorder();
}

Ⅴ、二叉搜索树的性能分析

插入和删除操作都必须先查找，查找效率代表了二叉搜索树中各个操作的性能。 对有n个结点的二叉搜索树，若每个元素查找的概率相等，则二叉搜索树平均查找长度是结点在二 叉搜索树的深度的函数，即结点越深，则比较次数越多。

但对于同一个关键码集合，如果各关键码插入的次序不同，可能得到不同结构的二叉搜索树：

 

 

最优情况下，二叉搜索树为完全二叉树(或者接近完全二叉树)，其平均比较次数为：$log_2 N$

最差情况下，二叉搜索树退化为单支树(或者类似单支)，其平均比较次数为：$\frac{N}{2}$

问题：如果退化成单支树，二叉搜索树的性能就失去了。那能否进行改进，不论按照什么次序插 入关键码，二叉搜索树的性能都能达到最优？那么我们后续章节学习的AVL树和红黑树就可以上场了。

Ⅵ、二叉树进阶面试题

这些题目更适合使用C++完成，难度也更大一些

        1. 二叉树创建字符串。OJ链接

        2. 二叉树的分层遍历1。OJ链接

        3. 二叉树的分层遍历2。OJ链接

        4. 给定一个二叉树, 找到该树中两个指定节点的最近公共祖先 。OJ链接

        5. 二叉树搜索树转换成排序双向链表。OJ链接

        6. 根据一棵树的前序遍历与中序遍历构造二叉树。 OJ链接

        7. 根据一棵树的中序遍历与后序遍历构造二叉树。OJ链接

        8. 二叉树的前序遍历，非递归迭代实现 。OJ链接

        9. 二叉树中序遍历 ，非递归迭代实现。OJ链接

        10. 二叉树的后序遍历 ，非递归迭代实现。OJ链接

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/370718.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

【JVM】运行时数据区与对象的创建流程

【JVM】运行时数据区与对象的创建流程

4、运行时数据区 4.1、运行时数据区介绍 运行时数据区也就是JVM在运⾏时产生的数据存放的区域&#xff0c;这块区域就是JVM的内存区域&#xff0c;也称为JVM的内存模型——JMM 堆空间&#xff08;线程共享&#xff09;&#xff1a;存放new出来的对象 元空间&#xff08;线程共…
阅读更多...
3,预初始化(一）(大象无形9.2)

3,预初始化(一）(大象无形9.2)

正如书中所说&#xff0c;预初始化流程由FEngineLoop::PreInit()所实现 主要处理流程 1&#xff0c;设置路径&#xff1a;当前程序路径&#xff0c;当前工作目录路径&#xff0c;游戏的工程路径 2,设置标准输出&#xff1a;设置GLog系统输出的设备&#xff0c;是输出到命令行…
阅读更多...
web自动化测试-执行 JavaScript 脚本

web自动化测试-执行 JavaScript 脚本

JavaScript 是一种脚本语言&#xff0c;有的场景需要使用 js 脚本注入辅助我们完成 Selenium 无法做到的事情。 当 webdriver 遇到无法完成的操作时&#xff0c;可以使用 JavaScript 来完成&#xff0c;webdriver 提供了 execute_script() 方法来调用 js 代码。 执行 js 有两种…
阅读更多...
Leetcode.2385 感染二叉树需要的总时间

Leetcode.2385 感染二叉树需要的总时间

题目链接 Leetcode.2385 感染二叉树需要的总时间 Rating &#xff1a; 1711 题目描述 给你一棵二叉树的根节点 root&#xff0c;二叉树中节点的值 互不相同 。另给你一个整数 start。在第 0分钟&#xff0c;感染 将会从值为 start的节点开始爆发。 每分钟&#xff0c;如果节点…
阅读更多...
一文3000字从0到1实现基于requests框架接口自动化测试项目实战（建议收藏）

一文3000字从0到1实现基于requests框架接口自动化测试项目实战（建议收藏）

requests库是一个常用的用于http请求的模块&#xff0c;它使用python语言编写&#xff0c;在当下python系列的接口自动化中应用广泛&#xff0c;本文将带领大家深入学习这个库 Python环境的安装就不在这里赘述了&#xff0c;我们直接开干。 01、requests的安装 windows下执行…
阅读更多...
大数据常见应用场景及架构改进

大数据常见应用场景及架构改进

大数据常见应用场景及架构改进大数据典型的离线处理场景1.大数据数据仓库及它的架构改进2.海量数据规模下的搜索与检索3.新兴的图计算领域4.海量数据挖掘潜在价值大数据实时处理场景大数据典型的离线处理场景 1.大数据数据仓库及它的架构改进 对于离线场景&#xff0c;最典型…
阅读更多...
磷脂-聚乙二醇-丙烯酸酯；DSPE-PEG-AC试剂说明；DSPE-PEG-Acrylate科研用

磷脂-聚乙二醇-丙烯酸酯；DSPE-PEG-AC试剂说明；DSPE-PEG-Acrylate科研用

中文名称&#xff1a;磷脂-聚乙二醇-丙烯酸酯 丙烯酸酯-聚乙二醇-磷脂 简称&#xff1a;DSPE-PEG-AC&#xff1b;DSPE-PEG-Acrylate 溶剂&#xff1a;溶于部分常规有机溶剂 PEG分子量:1000&#xff1b;2000&#xff1b;3400&#xff1b;5000等等 注意事项&#xff1a;避免…
阅读更多...
JavaSE02-JVM、JRE、JDK

JavaSE02-JVM、JRE、JDK

文章目录一、JVM、JRE、JDK区别二、JDK的安装和配置1.JDK安装2.测试验证3.环境变量配置3.1 配置JAVA_HOME系统变量3.2 配置Path环境变量再最前面加上&#xff1a; %JAVA_HOME%\bin一、JVM、JRE、JDK区别 JVM&#xff08;Java Virtual Machine&#xff09;&#xff0c;Java虚拟…
阅读更多...
jar包和AAR包

jar包和AAR包

以前在使用 Eclipse 开发 Android 时&#xff0c;如果想代码打包&#xff0c;只有 jar 包一个方法&#xff0c;但是 jar包 只能把 Java 文件代码打包进去&#xff0c;如果要使用一个有布局和资源的库的话&#xff0c;除了将 jar 放入 libs 外,还要引入相关的资源和配置文件&…
阅读更多...
详解一个TCP连接的建立与销毁

详解一个TCP连接的建立与销毁

目录 &#x1f332; 图解TCP三次握手建立连接 TCP数据报结构 TCP连接的建立&#xff08;三次握手&#xff09; 最后的说明 &#x1f332; 详细分析TCP数据的传输过程 &#x1f332; 图解TCP四次握手断开连接 &#x1f332; 图解TCP三次握手建立连接 TCP&#xff08;Tran…
阅读更多...
【模拟集成电路】宽摆幅压控振荡器（VCO）设计

【模拟集成电路】宽摆幅压控振荡器（VCO）设计

鉴频鉴相器设计&#xff08;Phase Frequency Detector&#xff0c;PFD&#xff09;前言一、VCO工作原理二、VCO电路设计VCO原理图三、压控振荡器&#xff08;VCO&#xff09;测试VCO测试电路图瞬态测试&#xff08;1&#xff09;瞬态输出&#xff08;2&#xff09;局部放大图&a…
阅读更多...
【Java】Spring Boot项目的创建和使用

【Java】Spring Boot项目的创建和使用

文章目录SpringBoot的创建和使用1. 什么是Spring Boot&#xff1f;为什么要学Spring Boot&#xff1f;2. Spring Boot项目的优点3. Spring Boot 项目的创建3.1 使用idea创建3.2 接下来创建Spring Boot项目4. 项目目录介绍和运行4.1 运行项目4.2 输出内容5. 总结SpringBoot的创建…
阅读更多...
nyist最终淘汰赛第一场

nyist最终淘汰赛第一场

我出的题喜欢吗 我要水题解所以每一篇题解都分一个博客 A 题解链接: Atcoder abc257 E_霾まる的博客-CSDN博客 构造贪心题 在本次淘汰赛中较难 B 题解链接: atcoder abc217 D_霾まる的博客-CSDN博客 STL二分题, 当然你可以数组二分, 相对麻烦一点 在本次淘汰赛中较简单…
阅读更多...
学习 Python 之 Pygame 开发魂斗罗（二）

学习 Python 之 Pygame 开发魂斗罗（二）

学习 Python 之 Pygame 开发魂斗罗&#xff08;二&#xff09;魂斗罗的需求开始编写魂斗罗1. 搭建主类框架2. 设置游戏运行遍历和创建窗口3. 获取窗口中的事件4. 创建角色5. 完成角色更新函数魂斗罗的需求 魂斗罗游戏中包含很多个物体&#xff0c;现在要对这些物体进行总结 类…
阅读更多...
【RabbitMQ笔记02】消息队列RabbitMQ七种模式之最简单的模式

【RabbitMQ笔记02】消息队列RabbitMQ七种模式之最简单的模式

这篇文章&#xff0c;主要介绍RabbitMQ消息队列中七种模式里面最简单的使用模式。 目录 一、消息队列的使用 1.1、消息队列七种模式 1.2、最简单的模式使用 &#xff08;1&#xff09;引入依赖 &#xff08;2&#xff09;编写生产者 &#xff08;3&#xff09;编写消费者…
阅读更多...
Enhanced ShockBurst (ESB)原文翻译

Enhanced ShockBurst (ESB)原文翻译

自我学习为主&#xff0c;同时也为所需要的提供一份资料 官方地址 增强型ShockBurst&#xff08;ESB&#xff09;是一种支持双向数据包通信的基本协议&#xff0c;包括数据包缓冲、数据包确认和丢失数据包的自动重传。ESB以低功耗提供无线通信&#xff0c;并且实现的代码量小且…
阅读更多...
数据集市与数据仓库的区别

数据集市与数据仓库的区别

数据仓库是企业级的&#xff0c;能为整个企业各个部门的运作提供决策支持&#xff1b;而数据集市则是部门级的&#xff0c;一般只能为某个局部范围内的管理人员服务&#xff0c;因此也称之为部门级数据仓库。 1、两种数据集市结构 数据集市按数据的来源分为以下两种 &#x…
阅读更多...
MATLAB算法实战应用案例精讲-【数模应用】多元线性回归(MLR)（附Java、python和matlab代码实现）

MATLAB算法实战应用案例精讲-【数模应用】多元线性回归(MLR)（附Java、python和matlab代码实现）

前言 在回归分析中，如果有两个或两个以上的自变量，就称为多元回归。事实上，一种现象常常是与多个因素相联系的，由多个自变量的最优组合共同来预测或估计因变量，比只用一个自变量进行预测或估计更有效，更符合实际。因此多元线性回归比一元线性回归的实用意义更大。 知识…
阅读更多...
Chatgpt 编程 工作实战使用 (国内 镜像)

Chatgpt 编程 工作实战使用 (国内 镜像)

又到周末&#xff0c;时间像是乘着光阴的箭, 一去不返 &#xff0c; 时间的流逝 似乎没有直觉 &#xff0c;就像哪一座座大山&#xff0c;斗转星移 之间 便拔地而起了&#xff0c; 日复一日年复一年&#xff0c; 的工作使人麻木 &#xff0c;今天不写技术文&#xff0c;写一些有…
阅读更多...
Leetcode.1247 交换字符使得字符串相同

Leetcode.1247 交换字符使得字符串相同

题目链接 Leetcode.1247 交换字符使得字符串相同 Rating &#xff1a; 1597 题目描述 有两个长度相同的字符串 s1和 s2&#xff0c;且它们其中 只含有 字符 "x"和 "y"&#xff0c;你需要通过「交换字符」的方式使这两个字符串相同。 每次「交换字符」的时…
阅读更多...
推荐文章
最新文章

Copyright @ 2022~2023