当前位置: 首页 > news >正文

常用的数据结构

队列(FIFO)

栈(LIFO)

链表

hash表

  • hash冲突处理
    • 开放式寻址
      • 线性探测
        • 表示依次检查索引为 hash(key) + 1hash(key) + 2 ... 的位置。
        • i 是冲突后的探查步数。
        • 公式:hash(i) = (hash(key) + i) % TableSize
      • 二次探查
        • 规则:冲突后探查的步长是平方递增的,例如,检查位置为 hash(key) + 1²hash(key) + 2² 等。
        • 公式:hash(i) = (hash(key) + i²) % TableSize
      • 双重hash
        • 规则:采用第二个哈希函数来确定探查的步长。
        • 公式:hash(i) = (hash1(key) + i * hash2(key)) % TableSize
          • hash1(key) 是主哈希函数。
          • hash2(key) 是辅助哈希函数,通常选择 hash2(key) = 1 + (key % (TableSize - 1)),确保探查步长不为零。
    • 使用链表

</

相关文章:

常用的数据结构

队列(FIFO) 栈(LIFO) 链表 hash表 hash冲突处理 开放式寻址 线性探测 表示依次检查索引为 hash(key) + 1、hash(key) + 2 ... 的位置。i 是冲突后的探查步数。公式:hash(i) = (hash(key) + i) % TableSize二次探查 规则:冲突后探查的步长是平方递增的,例如,检查位置为 hash…...

javaweb-day01-html和css初识

html:超文本标记语言 CSS&#xff1a;层叠样式表 1.html实现新浪新闻页面 1.1 标题排版 效果图&#xff1a; 1.2 标题颜色样式 1.3 标签内颜色样式 1.4设置超链接 1.5 正文排版 1.6 页面布局–盒子 &#xff08;1&#xff09;盒子模型 &#xff08;2&#xff09;页面布局…...

C++11特性(详解)

目录 1.C11简介 2.列表初始化 3.声明 1.auto 2.decltype 3.nullptr 4.范围for循环 5.智能指针 6.STL的一些变化 7.右值引用和移动语义 1.左值引用和右值引用 2.左值引用和右值引用的比较 3.右值引用的使用场景和意义 4.右值引用引用左值及其一些更深入的使用场景分…...

基于Springboot的心灵治愈交流平台系统的设计与实现

基于Springboot的心灵治愈交流平台系统 介绍 基于Springboot的心灵治愈交流平台系统&#xff0c;后端框架使用Springboot和mybatis&#xff0c;前端框架使用Vuehrml&#xff0c;数据库使用mysql&#xff0c;使用B/S架构实现前台用户系统和后台管理员系统&#xff0c;和不同级别…...

初识java(2)

大家好&#xff0c;今天我们来讲讲java中的数据类型。 java跟我们的c语言的数据类型有一些差别&#xff0c;那么接下来我们就来看看。 一.字面常量&#xff0c;其中&#xff1a;199&#xff0c;3.14&#xff0c;‘a’&#xff0c;true都是常量将其称为字面常量。&#xff08;…...

AIGC--AIGC与人机协作:新的创作模式

AIGC与人机协作&#xff1a;新的创作模式 引言 人工智能生成内容&#xff08;AIGC&#xff09;正在以惊人的速度渗透到创作的各个领域。从生成文本、音乐、到图像和视频&#xff0c;AIGC使得创作过程变得更加快捷和高效。然而&#xff0c;AIGC并非完全取代了人类的创作角色&am…...

Wonder3D本地部署到算家云搭建详细教程

Wonder3D简介 Wonder3D仅需2至3分钟即可从单视图图像中重建出高度详细的纹理网格。Wonder3D首先通过跨域扩散模型生成一致的多视图法线图与相应的彩色图像&#xff0c;然后利用一种新颖的法线融合方法实现快速且高质量的重建。 本文详细介绍了在算家云搭建Wonder3D的流程以及…...

【设计模式】【行为型模式(Behavioral Patterns)】之状态模式(State Pattern)

1. 设计模式原理说明 状态模式&#xff08;State Pattern&#xff09; 是一种行为设计模式&#xff0c;它允许对象在其内部状态发生变化时改变其行为。这个模式的核心思想是使用不同的类来表示不同的状态&#xff0c;每个状态类都封装了与该状态相关的特定行为。当对象的状态发…...

QML学习 —— 34、视频媒体播放器(附源码)

效果 说明 您可以单独使用MediaPlayer播放音频内容(如音频),也可以将其与VideoOutput结合使用以渲染视频。VideoOutput项支持未转换、拉伸和均匀缩放的视频演示。有关拉伸均匀缩放演示文稿的描述,请参见fillMode属性描述。 播放可能出错问题 出现的问题:      DirectS…...

【深度学习|特征增强模块】FFN(前馈神经网络)和E_FFN(增强型前馈神经网络)是transformer特征增强的重要组成部分!

【深度学习|特征增强模块】FFN&#xff08;前馈神经网络&#xff09;和E_FFN&#xff08;增强型前馈神经网络&#xff09;是transformer特征增强的重要组成部分&#xff01; 【深度学习|特征增强模块】FFN&#xff08;前馈神经网络&#xff09;和E_FFN&#xff08;增强型前馈神…...

【Qt】控件7

1.QTextEdit的简单使用 使用简单的QTextEdit,获取到的内容显示到标签上 使用textChanged信号 在槽函数中需要获取QTextEdit的内容&#xff0c;对应操作是&#xff1a; QString curorui->textEdit->toPlainText();然后显示到标签上&#xff0c;对应操作是&#xff1a; …...

F12抓包14_修改网页图片网页保存到本地

课程大纲 1、修改网页图片&#xff08;2种方式二选一&#xff09; 修改网页图片&#xff0c;需要定位到图片标签&#xff0c;修改<img>标签的属性。2种方法&#xff1a; 1. 修改为网络图片url。缺点&#xff1a;url失效&#xff0c;图片无法显示。 2. 修改为图片base64&a…...

源代码检测,内附实际案例

源代码安全审计是依据国标GB/T 34944-2017、GB/T 34944-2017&#xff0c;结合专业源代码扫描工具对各种程序语言编写的源代码进行安全审计。能够为客户提供包括安全编码规范咨询、源代码安全现状评测、定位源代码中存在的安全漏洞、分析漏洞风险、给出修改建议等一系列服务。 源…...

1138:将字符串中的小写字母转换成大写字母

【题目描述】 给定一个字符串&#xff0c;将其中所有的小写字母转换成大写字母。 【输入】 输入一行&#xff0c;包含一个字符串&#xff08;长度不超过100&#xff0c;可能包含空格&#xff09;。 【输出】 输出转换后的字符串。 【输入样例】 helloworld123Ha 【输出样例】…...

《C++ 人工智能模型邂逅云平台:集成之路的策略与要点全解析》

在当今数字化浪潮汹涌澎湃的时代&#xff0c;人工智能无疑是引领技术变革的核心力量。而 C以其卓越的性能和高效的资源利用&#xff0c;成为开发人工智能模型的有力武器。与此同时&#xff0c;云平台所提供的强大计算能力、灵活的存储资源以及便捷的服务部署&#xff0c;为人工…...

【ArcGISPro】Sentinel-2数据处理

错误 默认拉进去只组织了4个波段,但是实际有12个波段 解决方案 数据下载 Sentinel-2 数据下载-CSDN博客 数据处理 数据查看 创建镶嵌数据集 在数据管理工具箱中找到创建镶嵌数据集...

Unity中的简易TCP服务器/客户端

在本文中&#xff0c;我将向你介绍一个在Unity中实现的简单TCP服务器脚本,和一个简单的客户端脚本. 脚本 MyTcpServer 允许Unity应用创建一个TCP服务器&#xff0c;监听客户端的连接、异步处理客户端消息&#xff0c;并通过事件与Unity应用中的其他模块进行通信。 MyTcpServe…...

Spring Boot 3.4 正式发布,结构化日志!

1 从 Spring Boot 3.3 升级到 3.4 1.1 RestClient 和 RestTemplate 新增对 RestClient 和 RestTemplate 自动配置的支持&#xff0c;可用 Reactor Netty 的 HttpClient 或 JDK 的 HttpClient。支持的客户端优先级&#xff1a; Apache HTTP Components (HttpComponentsClient…...

技术文档,they are my collection!

工作 今天这篇文章&#xff0c;献给一直撰写技术文档的自己。我自认为是公司中最爱写文档的人了&#xff0c;我们是一个不到40人的小公司&#xff0c;公司作风没有多么严谨&#xff0c;领导也不会要求我们写技术文档。但是从入职初至今&#xff0c;我一直保持着写技术文档…...

详解Qt之QtMath Qt数学类

文章目录 QtMath详解前言QtMath简介QtMath中的函数1. 三角函数1.1 qSin1.2 qCos 2. 指数与对数函数2.1 qExp2.2 qLn 3. 幂运算与平方根3.1 qPow3.2 qSqrt QtMath的优势1. 一致性与跨平台支持2. 与Qt生态系统集成3. 简洁性 总结 QtMath详解 前言 在C的开发中&#xff0c;数学运…...

3步打造静音ThinkPad:双风扇控制技术指南

3步打造静音ThinkPad&#xff1a;双风扇控制技术指南 【免费下载链接】TPFanCtrl2 ThinkPad Fan Control 2 (Dual Fan) for Windows 10 and 11 项目地址: https://gitcode.com/gh_mirrors/tp/TPFanCtrl2 一、技术原理与核心优势 1.1 笔记本散热系统的工作瓶颈 大多数笔…...

Degrees of Lewdity中文本地化终极指南:从零开始畅玩完整汉化版

Degrees of Lewdity中文本地化终极指南&#xff1a;从零开始畅玩完整汉化版 【免费下载链接】Degrees-of-Lewdity-Chinese-Localization Degrees of Lewdity 游戏的授权中文社区本地化版本 项目地址: https://gitcode.com/gh_mirrors/de/Degrees-of-Lewdity-Chinese-Localiza…...

一篇关于论文复现的思考:基于领域相似度的复杂网络节点重要度评估算法

论文复现—基于领域相似度的复杂网络节点重要度评估算法 编写程序代码matlab 复现算法仿真最近在学习复杂网络的相关算法&#xff0c;看到一篇挺有意思的论文&#xff0c;讲的是基于领域相似度的节点重要度评估方法。说实话&#xff0c;这类算法听起来有点抽象&#xff0c;但…...

RVC模型计算机组成原理视角:理解AI推理的硬件底层

RVC模型计算机组成原理视角&#xff1a;理解AI推理的硬件底层 你是不是觉得AI模型推理就像一个黑盒子&#xff1f;输入一段音频&#xff0c;点一下按钮&#xff0c;等一会儿&#xff0c;就得到了变声后的结果。整个过程看似简单&#xff0c;但背后却是一场在GPU硬件上精密上演…...

FlowState Lab生成对抗网络(GAN)模式探究:创造极致逼真的模拟数据

FlowState Lab生成对抗网络&#xff08;GAN&#xff09;模式探究&#xff1a;创造极致逼真的模拟数据 1. 引言&#xff1a;当AI学会"造假" 想象一下&#xff0c;你面前有两组数据&#xff1a;一组来自真实世界的传感器采集&#xff0c;另一组由AI生成。它们看起来几…...

nli-distilroberta-base实际作品:NLI服务返回JSON结构+置信度+可解释注意力图

NLI DistilRoBERTa Base实际作品&#xff1a;NLI服务返回JSON结构置信度可解释注意力图 1. 项目概述 基于DistilRoBERTa的自然语言推理(NLI)Web服务&#xff0c;能够智能分析两个句子之间的逻辑关系。这项技术可以广泛应用于问答系统、内容审核、智能客服等场景&#xff0c;帮…...

Matlab图表标注全攻略:希腊字母、线型与标记符号的灵活运用

Matlab图表标注全攻略&#xff1a;希腊字母、线型与标记符号的灵活运用 科研图表是数据可视化的核心载体&#xff0c;而Matlab作为工程与科学计算领域的标杆工具&#xff0c;其绘图系统的精细控制能力往往被低估。许多研究者止步于默认图表样式&#xff0c;却不知只需掌握几个关…...

OpenClaw语音交互方案:GLM-4.7-Flash对接ASR/TTS

OpenClaw语音交互方案&#xff1a;GLM-4.7-Flash对接ASR/TTS 1. 为什么需要语音交互的OpenClaw&#xff1f; 上周三凌晨两点&#xff0c;我正在赶一份项目报告时突然冒出一个想法&#xff1a;如果能用语音控制OpenClaw执行自动化任务&#xff0c;是不是能彻底解放双手&#x…...

基于cosyvoice 2声码器的实时语音合成实战:从选型到生产环境部署

最近在做一个需要实时语音合成的项目&#xff0c;对延迟和音质要求都比较高。调研了一圈声码器&#xff0c;最终选择了cosyvoice 2&#xff0c;并在生产环境成功落地。整个过程踩了不少坑&#xff0c;也积累了一些经验&#xff0c;今天就来分享一下从技术选型到生产部署的完整实…...

机器学习调参必备:5个最常用的矩阵求导公式(附PyTorch/TensorFlow代码验证)

机器学习调参必备&#xff1a;5个最常用的矩阵求导公式&#xff08;附PyTorch/TensorFlow代码验证&#xff09; 在深度学习的模型优化过程中&#xff0c;矩阵求导是理解梯度下降和反向传播算法的数学基础。许多工程师虽然能够熟练使用框架提供的自动微分功能&#xff0c;但当需…...