前言 本笔记用于总结在学习Ti的毫米波雷达的过程的知识，以方便后续进行雷达相关知识的复习。Ti毫米波雷达使用时FMCW体制的毫米波雷达，该笔记会记录一些FCMW的基础原理和应用方法。本章主要说明FCMW雷达测距的原理和相关知识。 在本章我们尝试回答以下一些问题？ How does the
邻域和邻接 如下图，以\(p\)像素为中心，图a，b，c分别为\(p\)的\(4-邻域N_4(p)\)、\(对角邻域N_D(p)\)、\(8-邻域N_8(p)\)。一个像素与其邻域中的其他像素是邻接的，对应的称为：4-邻接、对角邻接、8-邻接。 像素的连接 像素的连接需要考虑两个因素：邻接和灰度相似程度。当两个像素邻接，且它
左偏树 左偏树是一种具有堆的性质，支持在\(\log^2n\)时间内合并的数据结构 左偏树拥有两个属性:键值和距离 距离 定义 我们定义外节点为左孩子或右孩子为空的节点 外节点的距离为0 非外节点的距离是该节点到最近的外节点的距离，空节点的距离为-1 性质 一颗有n个节点的二叉树，根的距离
IfcVirtualGridIntersection 实体定义 IfcVirtualGridIntersection定义两个栅格轴之间的交点的导出位置。可以给出偏移值以设置到网格轴的偏移距离，用于计算虚拟网格交点。 两条相交轴（相交轴）定义了交点，必须从两条参与曲线的几何表示中计算该交点的精确位置（根据表示交点的笛卡尔
\({\color{Red}{欢迎到学科网下载资料学习 }}\) 【基础过关系列】2022-2023学年高二数学上学期同步知识点剖析精品讲义(人教A版2019） \({\color{Red}{ 跟贵哥学数学，so \quad easy！}}\) 选择性必修第一册同步巩固，难度3颗星！ 基础知识 点A、B间的距离 \(A B=|\overrightarrow{A B}|=
转自：https://blog.csdn.net/Gan_1314/article/details/125798360 SELECT bm.id, bm.merchant_name AS merchantName, bm.address, bm.signboard_pic AS signboardPic, CAST( ( st_distance ( point ( lng, lat ), point ( #{
用一个例子学习层次聚类 H 分层聚类 真的用的不多，如果用scikit-learn的话，语法和其他模型差别不大，除了构造函数的参数。 虽然几乎所有的 sklearn 模型总是被当作黑匣子使用（毕竟没有人总是在轮子上建立一家汽车公司），但找到一种方法来记住这些不常见的模型很重要，经过思考后，我想我会单
P1613 跑路 - 洛谷 | 计算机科学教育新生态 (luogu.com.cn) 题意：如果两点之间有边连接那么边为1，然后如果两点之间有2^n长度的路径，那么他们距离就变为1 dp数组标记i到j有无2^p的距离的边，如果有，其dis值更新为1 第一次floyd如果i到k有距离p-1，k到j有距离p-1的边，那么他们就有距离p的边
两点之间的距离公式： 源码： //获得平面上2点距离 double getPointToPointDis(double p1[2],double p2[2]) { return sqrt((p1[0]-p2[0])*(p1[0]-p2[0])+(p1[1]-p2[1])*(p1[1]-p2[1])); }
最小生成树概念(转载) 假设一个国家有一些城市，这些城市可以互相连接起来，假设每两个城市之间的道路有很多条，那么一定存在这样的情况，可以用最少的路程连接各个城市。 以上这个问题就可以归纳为最小生成树问题，用正式的表述方法描述为：给定一个无方向的带权图G=(V, E)，最小生成
引言 Baseline是文字绘制时所参照的基准线，只有先确定了Baseline的位置，我们才能准确的将文字绘制在我们想要的位置上。Baseline的概念在我们使用TextView等系统控件直接设置文字内容时是用不到的，但是如果我们想要在Canvas画布上面绘制文字时，Baseline的概念就必不可少了。 我们先了
/* * |~~~~~~~| * | | * | | * | | * | | *
fuzzy在es中可以理解为模糊查询，搜索本身很多时候是不精确的，很多时候我们需要在用户的查询词中有部分错误的情况下也能召回正确的结果，但是计算机无法理解自然语言，因此我们只能通过一些算法替代语言理解能力实现类似的事情，前缀查询的实现比较简单但效果很难令人满意，就模糊查询而言
事件 是一个流程，一个监听，一个触发 监听过程—触发过程—处理过程（是一个完整的事件） 事件分类 鼠标事件 click单击事件 mouseover鼠标移进(自己及自己里面的都能触发) mouse enter（只有自己可以触发） //右键点击（不会触发事件） box.oncontextmenu=fuction(){ console.log('右键点击
定义f[i][j]为word1前i个字符到word2的前j个字符的转化的最小步。 接着，我们来考虑状态转移方程。 假设对于f[i][j]以前的之都已知，考虑fi的情形。 若word1[i] = word2[j]，那么说明只要word1的前i-1个能转换到word2的前j-1个即可，所以 f[i][j] = f[i-1][j-1] 反之
度量两个集合之间的相似程度的方法。 A=[1,2,3,4] 列表长度：4 B=[1,2,7] 列表长度：3 C = A & B = [1,2] 列表长度：2 T = Nc / ( Na + Nb -Nc) = len(c) / ( len(a) + len(b) - len(c)) = 2 / (4+3-2) = 0.4
编辑距离 题目简述: 题目让我们把字符串B通过插入，删除，修改一个字符三种方式变化为字符A，求最少操作次数。此处求的是最值，考虑用动态规划 定义状态: dp [ i ] [ j ] 表示使B [ 1 ~ j ] 与 A [ 1 ~ i ]变相等要花的值,最后的答案即为dp [ lenb ] [ lena ] 状态转移： 所有的动
左偏树 扒来的标准说明 左偏树(Leftist Tree)是一种可并堆(Mergeable Heap) ，它除了支持优先队列的三个基本操作（插入，删除堆顶，取最小节点），还支持一个很特殊的操作————合并操作。 左偏树是一棵二叉树，具有堆的性质，同时具有左偏性质 它有以下属性与定义 键值(key)：用于节点比较大小的
题目大意： 给你 \(n\) 个在平面直角坐标系内的点，然后求出 \(3,4,5...,n\) 边形的最大周长，任意两点间距离为曼哈顿距离。 题目分析： 显而易见，因为距离为曼哈顿距离，所以题目要求的东西就变成了由多个点组成的矩形的周长。 举个例子，如下图，假设我们选择这样四个点： 那么我们要求的矩形长
中心 所有直径的中点。 所以中点可能是一条边。 重心 最大的子树最小的点。 （“子树”都是指无根树的子树，即包括“向上”的那棵子树，并且不包括整棵树自身。） 以树的重心为根时，所有子树的大小都不超过整棵树大小的一半。 树中所有点到某个点的距离和中，到重心的距离和是最小的
1、拼写纠错是基于编辑距离来实现；编辑距离是一种标准的方法，它用来表示经过插入、删除和替换操作从一个字符串转换到另外一个字符串的最小操作步数；2、编辑距离的计算过程：比如要计算 batyu 和 beauty 的编辑距离，先创建一个7×8 的表（batyu 长度为 5，coffee 长度为 6，各加 2），接
1、对比loss/Contrastive Loss 1、经典对比loss 目的：对于positive pair，输出特征向量间距离要尽量小；对于negative pair，输出特征向量间距离要尽量大，但若 特征向量距离大于一定值，则不处理这种easy negative pair 经典的Contrastive Loss形式来自于LeCun的文章：Dimensionality Reductio
1、聚类任务 聚类是一种经典的无监督学习方法，无监督学习的目标是通过对无标记训练样本的学习，发掘和揭示数据集本身潜在的结构与规律，即不依赖于训练数据集的类标记信息。 聚类则是试图将数据集的样本划分为若干个互不相交的类簇，从而每个簇对应一个潜在的类别。 2、性能度量 性能度
一个简单的想法是先用 \(2n - 3\) 次求直径 \(A, B\) 是 \(D\)，每次距离最远的点。然后中心一定在直径上。 然后由于度数 \(> 3\) ，可以找到每个叶子在这条链上的相应位置（ \(i\) 所在到直径最近的点），就用 \(a_i = (d_{i, A} +d_{i,b} - D) / 2\) 可以得到的距离，然后 \(d_{i, A} - a_i
Dijkstra算法适用于单源最短路问题且边权都不为负的情况。它同时适用于有向图和无向图。 讲一下原理：（图片来自bilibili大佬从0开始数） 我们有一个无向图 我们要从0节点走向4节点，要是经过的边权之和最短，应该怎样走？ 这时我们就需要用到Dijkstra算法来帮助我们求最短路。 我
