现有工业现场检测数据，形如：
输入参数,测量结果,配置项
85,"[39.8053, 40.9645, 67.5069, 62.0177, 43.3056, 47.6401, 46.3773, 66.6053, 63.7937, 77.2952]","['epoxy_cracking', 'Size20201', 'AcoAmp', 'Neg']"
2025年06月09日
现有工业现场检测数据，形如：
输入参数,测量结果,配置项
85,"[39.8053, 40.9645, 67.5069, 62.0177, 43.3056, 47.6401, 46.3773, 66.6053, 63.7937, 77.2952]","['epoxy_cracking', 'Size20201', 'AcoAmp', 'Neg']"
2025年06月09日
一个简单，公平，时间复杂度为 O(n)的洗牌算法。
什么是洗牌算法呢？其实就是将一些数据以公平随机的方式打乱顺序。这个算法，是由 Knuth(高纳德)，也就是计算机程序设计艺术的作者发明的。下面我们直接进入正题。
假设有这样一个数组 [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]，我们使用 Knuth-Shuffle 算法将数据打乱。基本流程是这样的，从最后一个数开始，往前遍历，每一次，从当前数和第 1 个数之间，随机选择一个数，与当前数字进行交换（这里的随机选择就直接使用程序语言中的 Random 随机一个索引即可）。
2025年06月09日
在对图进行计算时，很常用的一个操作就是求若干条线段的交点，比如对图的叠加、截窗，需要频繁地计算线段交点，如果求交算法效率很低，上层的算法再优秀也表现不出好的性能。
先考虑一个很简单的情形：只有两条线段，求它们是否相交，如果相交，交点在哪？
如上图，如果线段[a0,a1]与[b0,b1]相交，则端点a0、a1必定落在[b0,b1]两侧，同时端点b0、b1必定落在[a0,a1]两侧。只要这两个条件同时满足，即认为两线段相交。（一条线段的端点落在另一条线段上也认为是两线段相交）
2025年06月09日
当谈到数据结构与算法，时间复杂度是一个关键的概念，它描述了算法运行时间随输入规模增加而增加的速度。在学习时间复杂度时，了解常见的时间复杂度分类以及它们的特点和应用场景将帮助你更好地理解和分析算法的效率。以下是常见的时间复杂度分类以及它们的详细解释：
2025年06月09日
作者：京东保险 王奕龙
对于小规模数据，我们可以选用时间复杂度为 O(n2) 的排序算法。因为时间复杂度并不代表实际代码的执行时间，它省去了低阶、系数和常数，仅代表的增长趋势，所以在小规模数据情况下， O(n2) 的排序算法可能会比 O(nlogn) 的排序算法执行效率高。不过随着数据规模增大， O(nlogn) 的排序算法是不二选择。本篇我们主要对 O(n2) 的排序算法进行介绍，在介绍之前，我们先了解一下算法特性：
2025年06月09日
空间复杂度（Space Complexity）和时间复杂度（Time Complexity）是用于衡量算法性能的两个重要概念。
时间复杂度：时间复杂度是衡量算法执行时间随输入规模增长而增加的度量。它表示算法所需的计算步骤数量。时间复杂度用大O符号（O）来表示，例如O(n)、O(n^2)等。其中，n表示输入规模的大小。时间复杂度描述的是算法执行时间与输入规模之间的关系，可以用来估计算法的执行效率和速度。一般来说，时间复杂度越低，算法执行速度越快。
2025年06月09日
排序大的分类可以分为两种：内排序和外排序。在排序过程中，全部记录存放在内存，则称为内排序，如果排序过程中需要使用外存，则称为外排序。
2025年06月09日
在进行算法分析时，语句总的执行次数T(n)是关于问题规模n的函数，进而分析T(n)随n的变化情况并确定T(n)的数量级。算法的时间复杂度，也就是算法的时间量度。记作：T(n)=O(f(n))。
2025年06月09日
递归算法应该都不陌生，其实最开始遇见递归应该是在数学课上，类似于f(x)=f(x-1)+f(x+1)，f(1)=1，f(2)=4，f(3)=3这种数学题大家应该见过不少，其实思想就是层层递归，最终将目标值用f(1)，f(2)，f(3)表示。
之前做了一个需求，需要实现类似操作系统文件夹的功能，我们用MySQL数据库记录数据，表字段有4列，分别是id，index_name，pid，is_directory，index_name记录文件或文件的名字，pid记录它的父级id，is_directory标记它是文件还是文件夹。