基于C#实现赫夫曼树

赫夫曼树又称最优二叉树，也就是带权路径最短的树，对于赫夫曼树，我想大家对它是非常的熟悉，也知道它的应用场景，但是有没有自己亲手写过，这个我就不清楚了，不管以前写没写，这一篇我们来玩一把。

一、概念

赫夫曼树里面有几个概念，也是非常简单的，先来看下面的图：
image.png

  1. 节点的权： 节点中红色部分就是权，在实际应用中，我们用“字符”出现的次数作为权。
  2. 路径长度：可以理解成该节点到根节点的层数，比如：“A”到根节点的路径长度为 3。
  3. 树的路径长度：各个叶子节点到根节点的路径长度总和，用 WPL 标记。

最后我们要讨论的的赫夫曼树也就是带权路径长度最小的一棵树。

二、构建

由于要使 WPL 最短，赫夫曼树的构建采用自低向上的方式，这里我们采用小根堆来存放当前需要构建的各个节点，我们的方式是每次从小根堆中取出最小的两个节点，合并后放入堆中，然后继续取两个最小的节点，一直到小根堆为空，最后我们采用自底向上构建的赫夫曼树也就完毕了。
image.png
好了，赫夫曼树的典型应用就是在数据压缩方面，下面我们就要在赫夫曼树上面放入赫夫曼编码了，我们知道普通的 ASCII 码是采用等长编码的，即每个字符都采用 2 个字节，而赫夫曼编码的思想就是采用不等长的思路，权重高的字符靠近根节点，权重低的字符远离根节点，标记方式为左孩子“0”，右孩子“1”，如下图。
image.png
从图中我们可以看到各个字符的赫夫曼编码了，获取字符的编码采用从根往下的方式收集路径上的‘0,1’，如：

A:110。B:111。C:0。D:10。

最后我们来比较他们的 WPL 的长度： ASCII 码=102+202+402+802=300
赫夫曼码=103+203+402+801=250
可以看到，赫夫曼码压缩了 50 个 0,1 字符。

三、代码

1、树节点

我们采用 7 元节点，其中 parent 方便我们在 DFS 的时候找到从叶子节点到根节点的路径上的赫夫曼编码。

 #region 赫夫曼节点/// <summary>/// 赫夫曼节点/// </summary>public class Node{/// <summary>/// 左孩子/// </summary>public Node left;/// <summary>/// 右孩子/// </summary>public Node right;/// <summary>/// 父节点/// </summary>public Node parent;/// <summary>/// 节点字符/// </summary>public char c;/// <summary>/// 节点权重/// </summary>public int weight;//赫夫曼“0"or“1"public char huffmancode;/// <summary>/// 标记是否为叶子节点/// </summary>public bool isLeaf;}#endregion

2、构建赫夫曼树（Build）

上面也说了，构建赫夫曼编码树我们采用小根堆的形式构建，构建完后，我们采用 DFS 的方式统计各个字符的编码，复杂度为 N*logN。

 #region 构建赫夫曼树/// <summary>/// 构建赫夫曼树/// </summary>public void Build(){//构建while (queue.Count() > 0){//如果只有一个节点，则说明已经到根节点了if (queue.Count() == 1){root = queue.Dequeue().t;break;}//节点1var node1 = queue.Dequeue();//节点2var node2 = queue.Dequeue();//标记左孩子node1.t.huffmancode = '0';//标记为右孩子node2.t.huffmancode = '1';//判断当前节点是否为叶子节点,hufuman无度为1点节点（方便计算huffman编码）if (node1.t.left == null)node1.t.isLeaf = true;if (node2.t.left == null)node2.t.isLeaf = true;//父节点root = new Node();root.left = node1.t;root.right = node2.t;root.weight = node1.t.weight + node2.t.weight;//当前节点为根节点node1.t.parent = node2.t.parent = root;//将当前节点的父节点入队列queue.Eequeue(root, root.weight);}//深度优先统计各个字符的编码DFS(root);}#endregion

3、编码(Encode,Decode)

树构建起来后，我会用字典来保存字符和”赫夫曼编码“的对应表，然后拿着明文或者密文对着编码表翻译就行了， 复杂度 O(N)。

 #region 赫夫曼编码/// <summary>/// 赫夫曼编码/// </summary>/// <returns></returns>public string Encode(){StringBuilder sb = new StringBuilder();foreach (var item in word){sb.Append(huffmanEncode[item]);}return sb.ToString();}#endregion#region 赫夫曼解码/// <summary>/// 赫夫曼解码/// </summary>/// <returns></returns>public string Decode(string str){StringBuilder decode = new StringBuilder();string temp = string.Empty;for (int i = 0; i < str.Length; i++){temp += str[i].ToString();//如果包含 O(N)时间if (huffmanDecode.ContainsKey(temp)){decode.Append(huffmanDecode[temp]);temp = string.Empty;}}return decode.ToString();}#endregion

最后我们做个例子，压缩 9M 的文件，看看到底能压缩多少？

public static void Main(){StringBuilder sb = new StringBuilder();for (int i = 0; i < 1 * 10000; i++){sb.Append("人民网北京12月8日电 （记者 宋心蕊） 北京时间8日晚的央视《新闻联播》节目出现了直播失误。上一条新闻尚未播放完毕时，播就将画面切换回了演播间，主播李梓萌开始播报下一条新闻，导致两条新闻出现了“混音”播出。央视新闻官方微博账号在21点09分发布了一条致歉微博：【致歉】今晚《新闻联播》因导播员口令失误，导致画面切换错误，特此向观众朋友表示歉意。央视特约评论员杨禹在个人微博中写道：今晚《新闻联播》出了个切换错误，@央视新闻 及时做了诚恳道歉。联播一直奉行“金标准”，压力源自全社会的高要求。其实报纸亦都有“勘误”一栏，坦诚纠错与道歉。《新闻联播》是中国影响力最大的电视新闻节目。它有不可替代的符号感，它有失误，更有悄然的进步。新的改进正在或即将发生，不妨期待");}File.WriteAllText(Environment.CurrentDirectory + "//1.txt", sb.ToString());Huffman huffman = new Huffman(sb.ToString());Stopwatch watch = Stopwatch.StartNew();huffman.Build();watch.Stop();Console.WriteLine("构建赫夫曼树耗费:{0}", watch.ElapsedMilliseconds);//将8位二进制转化为ascII码var s = huffman.Encode();var remain = s.Length % 8;List<char> list = new List<char>();var start = 0;for (int i = 8; i < s.Length; i = i + 8){list.Add((char)Convert.ToInt32(s.Substring(i - 8, 8), 2));start = i;}var result = new String(list.ToArray());//当字符编码不足8位时， 用‘艹'来标记，然后拿出’擦‘以后的所有0,1即可result += "艹" + s.Substring(start);File.WriteAllText(Environment.CurrentDirectory + "//2.txt", result);Console.WriteLine("压缩完毕！");Console.Read();//解码var str = File.ReadAllText(Environment.CurrentDirectory + "//2.txt");sb.Clear();for (int i = 0; i < str.Length; i++){int ua = (int)str[i];//说明已经取完毕了  用'艹'来做标记if (ua == 33401)sb.Append(str.Substring(i));elsesb.Append(Convert.ToString(ua, 2).PadLeft(8, '0'));}var sss = huffman.Decode(sb.ToString());Console.Read();}

image.png
看看，将 9M 的文件压缩到了 4M。
主程序：

 using System;using System.Collections.Generic;using System.Linq;using System.Text;using System.Diagnostics;using System.Threading;using System.IO;namespace ConsoleApplication2{public class Program{public static void Main(){StringBuilder sb = new StringBuilder();for (int i = 0; i < 1 * 10000; i++){sb.Append("人民网北京12月8日电 （记者 宋心蕊） 北京时间8日晚的央视《新闻联播》节目出现了直播失误。上一条新闻尚未播放完毕时，播就将画面切换回了演播间，主播李梓萌开始播报下一条新闻，导致两条新闻出现了“混音”播出。央视新闻官方微博账号在21点09分发布了一条致歉微博：【致歉】今晚《新闻联播》因导播员口令失误，导致画面切换错误，特此向观众朋友表示歉意。央视特约评论员杨禹在个人微博中写道：今晚《新闻联播》出了个切换错误，@央视新闻 及时做了诚恳道歉。联播一直奉行“金标准”，压力源自全社会的高要求。其实报纸亦都有“勘误”一栏，坦诚纠错与道歉。《新闻联播》是中国影响力最大的电视新闻节目。它有不可替代的符号感，它有失误，更有悄然的进步。新的改进正在或即将发生，不妨期待");}File.WriteAllText(Environment.CurrentDirectory + "//1.txt", sb.ToString());Huffman huffman = new Huffman(sb.ToString());Stopwatch watch = Stopwatch.StartNew();huffman.Build();watch.Stop();Console.WriteLine("构建赫夫曼树耗费:{0}", watch.ElapsedMilliseconds);//将8位二进制转化为ascII码var s = huffman.Encode();var remain = s.Length % 8;List<char> list = new List<char>();var start = 0;for (int i = 8; i < s.Length; i = i + 8){list.Add((char)Convert.ToInt32(s.Substring(i - 8, 8), 2));start = i;}var result = new String(list.ToArray());//当字符编码不足8位时， 用‘艹'来标记，然后拿出’擦‘以后的所有0,1即可result += "艹" + s.Substring(start);File.WriteAllText(Environment.CurrentDirectory + "//2.txt", result);Console.WriteLine("压缩完毕！");Console.Read();//解码var str = File.ReadAllText(Environment.CurrentDirectory + "//2.txt");sb.Clear();for (int i = 0; i < str.Length; i++){int ua = (int)str[i];//说明已经取完毕了  用'艹'来做标记if (ua == 33401)sb.Append(str.Substring(i));elsesb.Append(Convert.ToString(ua, 2).PadLeft(8, '0'));}var sss = huffman.Decode(sb.ToString());Console.Read();}}public class Huffman{#region 赫夫曼节点/// <summary>/// 赫夫曼节点/// </summary>public class Node{/// <summary>/// 左孩子/// </summary>public Node left;/// <summary>/// 右孩子/// </summary>public Node right;/// <summary>/// 父节点/// </summary>public Node parent;/// <summary>/// 节点字符/// </summary>public char c;/// <summary>/// 节点权重/// </summary>public int weight;//赫夫曼“0"or“1"public char huffmancode;/// <summary>/// 标记是否为叶子节点/// </summary>public bool isLeaf;}#endregionPriorityQueue<Node> queue = new PriorityQueue<Node>();/// <summary>/// 编码对应表（加速用）/// </summary>Dictionary<char, string> huffmanEncode = new Dictionary<char, string>();/// <summary>/// 解码对应表（加速用）/// </summary>Dictionary<string, char> huffmanDecode = new Dictionary<string, char>();/// <summary>/// 明文/// </summary>string word = string.Empty;public Node root = new Node();public Huffman(string str){this.word = str;Dictionary<char, int> dic = new Dictionary<char, int>();foreach (var s in str){if (dic.ContainsKey(s))dic[s] += 1;elsedic[s] = 1;}foreach (var item in dic.Keys){var node = new Node(){c = item,weight = dic[item]};//入队queue.Eequeue(node, dic[item]);}}#region 构建赫夫曼树/// <summary>/// 构建赫夫曼树/// </summary>public void Build(){//构建while (queue.Count() > 0){//如果只有一个节点，则说明已经到根节点了if (queue.Count() == 1){root = queue.Dequeue().t;break;}//节点1var node1 = queue.Dequeue();//节点2var node2 = queue.Dequeue();//标记左孩子node1.t.huffmancode = '0';//标记为右孩子node2.t.huffmancode = '1';//判断当前节点是否为叶子节点,hufuman无度为1点节点（方便计算huffman编码）if (node1.t.left == null)node1.t.isLeaf = true;if (node2.t.left == null)node2.t.isLeaf = true;//父节点root = new Node();root.left = node1.t;root.right = node2.t;root.weight = node1.t.weight + node2.t.weight;//当前节点为根节点node1.t.parent = node2.t.parent = root;//将当前节点的父节点入队列queue.Eequeue(root, root.weight);}//深度优先统计各个字符的编码DFS(root);}#endregion#region 赫夫曼编码/// <summary>/// 赫夫曼编码/// </summary>/// <returns></returns>public string Encode(){StringBuilder sb = new StringBuilder();foreach (var item in word){sb.Append(huffmanEncode[item]);}return sb.ToString();}#endregion#region 赫夫曼解码/// <summary>/// 赫夫曼解码/// </summary>/// <returns></returns>public string Decode(string str){StringBuilder decode = new StringBuilder();string temp = string.Empty;for (int i = 0; i < str.Length; i++){temp += str[i].ToString();//如果包含 O(N)时间if (huffmanDecode.ContainsKey(temp)){decode.Append(huffmanDecode[temp]);temp = string.Empty;}}return decode.ToString();}#endregion#region 深度优先遍历子节点，统计各个节点的赫夫曼编码/// <summary>/// 深度优先遍历子节点，统计各个节点的赫夫曼编码/// </summary>/// <returns></returns>public void DFS(Node node){if (node == null)return;//遍历左子树DFS(node.left);//遍历右子树DFS(node.right);//如果当前叶节点if (node.isLeaf){string code = string.Empty;var temp = node;//回溯的找父亲节点的huffmancode LgN 的时间while (temp.parent != null){//注意，这里最后形成的 “反过来的编码”code += temp.huffmancode;temp = temp.parent;}var codetemp = new String(code.Reverse().ToArray());huffmanEncode.Add(node.c, codetemp);huffmanDecode.Add(codetemp, node.c);}}#endregion}}

小根堆：

 using System;using System.Collections.Generic;using System.Linq;using System.Text;using System.Diagnostics;using System.Threading;using System.IO;namespace ConsoleApplication2{public class PriorityQueue<T> where T : class{/// <summary>/// 定义一个数组来存放节点/// </summary>private List<HeapNode> nodeList = new List<HeapNode>();#region 堆节点定义/// <summary>/// 堆节点定义/// </summary>public class HeapNode{/// <summary>/// 实体数据/// </summary>public T t { get; set; }/// <summary>/// 优先级别 1-10个级别 (优先级别递增)/// </summary>public int level { get; set; }public HeapNode(T t, int level){this.t = t;this.level = level;}public HeapNode() { }}#endregion#region  添加操作/// <summary>/// 添加操作/// </summary>public void Eequeue(T t, int level = 1){//将当前节点追加到堆尾nodeList.Add(new HeapNode(t, level));//如果只有一个节点，则不需要进行筛操作if (nodeList.Count == 1)return;//获取最后一个非叶子节点int parent = nodeList.Count / 2 - 1;//堆调整UpHeapAdjust(nodeList, parent);}#endregion#region 对堆进行上滤操作，使得满足堆性质/// <summary>/// 对堆进行上滤操作，使得满足堆性质/// </summary>/// <param name="nodeList"></param>/// <param name="index">非叶子节点的之后指针（这里要注意：我们/// 的筛操作时针对非叶节点的）/// </param>public void UpHeapAdjust(List<HeapNode> nodeList, int parent){while (parent >= 0){//当前index节点的左孩子var left = 2 * parent + 1;//当前index节点的右孩子var right = left + 1;//parent子节点中最大的孩子节点，方便于parent进行比较//默认为left节点var min = left;//判断当前节点是否有右孩子if (right < nodeList.Count){//判断parent要比较的最大子节点min = nodeList[left].level < nodeList[right].level ? left : right;}//如果parent节点大于它的某个子节点的话，此时筛操作if (nodeList[parent].level > nodeList[min].level){//子节点和父节点进行交换操作var temp = nodeList[parent];nodeList[parent] = nodeList[min];nodeList[min] = temp;//继续进行更上一层的过滤parent = (int)Math.Ceiling(parent / 2d) - 1;}else{break;}}}#endregion#region 优先队列的出队操作/// <summary>/// 优先队列的出队操作/// </summary>/// <returns></returns>public HeapNode Dequeue(){if (nodeList.Count == 0)return null;//出队列操作，弹出数据头元素var pop = nodeList[0];//用尾元素填充头元素nodeList[0] = nodeList[nodeList.Count - 1];//删除尾节点nodeList.RemoveAt(nodeList.Count - 1);//然后从根节点下滤堆DownHeapAdjust(nodeList, 0);return pop;}#endregion#region  对堆进行下滤操作，使得满足堆性质/// <summary>/// 对堆进行下滤操作，使得满足堆性质/// </summary>/// <param name="nodeList"></param>/// <param name="index">非叶子节点的之后指针（这里要注意：我们/// 的筛操作时针对非叶节点的）/// </param>public void DownHeapAdjust(List<HeapNode> nodeList, int parent){while (2 * parent + 1 < nodeList.Count){//当前index节点的左孩子var left = 2 * parent + 1;//当前index节点的右孩子var right = left + 1;//parent子节点中最大的孩子节点，方便于parent进行比较//默认为left节点var min = left;//判断当前节点是否有右孩子if (right < nodeList.Count){//判断parent要比较的最大子节点min = nodeList[left].level < nodeList[right].level ? left : right;}//如果parent节点小于它的某个子节点的话，此时筛操作if (nodeList[parent].level > nodeList[min].level){//子节点和父节点进行交换操作var temp = nodeList[parent];nodeList[parent] = nodeList[min];nodeList[min] = temp;//继续进行更下一层的过滤parent = min;}else{break;}}}#endregion#region 获取元素并下降到指定的level级别/// <summary>/// 获取元素并下降到指定的level级别/// </summary>/// <returns></returns>public HeapNode GetAndDownPriority(int level){if (nodeList.Count == 0)return null;//获取头元素var pop = nodeList[0];//设置指定优先级（如果为 MinValue 则为 -- 操作）nodeList[0].level = level == int.MinValue ? --nodeList[0].level : level;//下滤堆DownHeapAdjust(nodeList, 0);return nodeList[0];}#endregion#region 获取元素并下降优先级/// <summary>/// 获取元素并下降优先级/// </summary>/// <returns></returns>public HeapNode GetAndDownPriority(){//下降一个优先级return GetAndDownPriority(int.MinValue);}#endregion#region 返回当前优先队列中的元素个数/// <summary>/// 返回当前优先队列中的元素个数/// </summary>/// <returns></returns>public int Count(){return nodeList.Count;}#endregion}}

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.rhkb.cn/news/202354.html

如若内容造成侵权/违法违规/事实不符，请联系长河编程网进行投诉反馈email:809451989@qq.com，一经查实，立即删除！

相关文章

css animation 动画如何保留动画结束后的状态 animation-fill-mode: forwards

css animation 动画如何保留动画结束后的状态 animation-fill-mode: forwards

css animation 动画如何保留动画结束后的状态 animation-fill-mode: forwards 一、问题描述 在做一个弹窗动画提示的时候遇到了一个问题&#xff1a; 在动画结束的时候&#xff0c;移除元素时会有闪一下的问题&#xff0c;像这样&#xff0c;有残留的痕迹。 我的动画结尾是这…
阅读更多...
Vue3 封装组件库并发布到npm仓库

Vue3 封装组件库并发布到npm仓库

一、创建 Vue3 TS Vite 项目 输入项目名称&#xff0c;并依次选择需要安装的依赖项 npm create vuelatest 项目目录结构截图如下&#xff1a; 二、编写组件代码、配置项和本地打包测试组件 在项目根目录新建 package 文件夹用于存放组件 &#xff08;以customVideo为例&a…
阅读更多...
LeSS敏捷框架高效生产力实践

LeSS敏捷框架高效生产力实践

每个团队可能都有一套适合自己的敏捷方法&#xff0c;本文介绍了ResponseTap工程团队通过采用LeSS框架、引入准备周&#xff0c;从而提升迭代冲刺研发效能的实践。原文: LeSS Agile, More Productive — Part 1: Pain[1], LeSS Agile, More Productive — Part 2: Promise, LeS…
阅读更多...
2023亚太杯数学建模APMCM竞赛C题思路讲解：基于ARIMA与机理模型进行预测

2023亚太杯数学建模APMCM竞赛C题思路讲解：基于ARIMA与机理模型进行预测

本文针对6大问题,从多角度分析了我国新能源电动汽车发展形势与前景。文中针对不同问题,采用了层次分析法、时间序列模型、机理模型、回归模型等数学方法。并结合实例数据,对相关模型进行求解,以量化预测了新能源电动汽车在政策驱动、市场竞争、温室气体减排等多个方面的潜在贡献…
阅读更多...
mongo DB -- aggregate分组查询后字段展示

mongo DB -- aggregate分组查询后字段展示

一、分组查询 在mongoDB中可以使用aggregate中的$group操作对集合中的文档进行分组,但是查询后的数据不显示其他字段,只显示分组字段 aggregate进行分组示例 db.collection.aggregate([{$group: {_id: "$field"}},]) 查询后显示 展开只显示两个字段 二、显示所有字段…
阅读更多...
找JPG格式图片的地址(持续更新中)

找JPG格式图片的地址(持续更新中)

问题描述&#xff1a;找JPG格式图片的地址 解决办法&#xff1a; 第一个 谷歌的images 第二个&#xff0c;搜狗图片和百度图片 不过下载是WEBP格式&#xff0c;可以使用一个在线WEBP格式转JPG格式的在线网站即可。 转换的网址为&#xff1a; https://ezgif.com/webp-to-j…
阅读更多...
linux通过串口传输文件

linux通过串口传输文件

简介 在嵌入式调试过程中&#xff0c;我们经常会使用调试串口来查看Log或者执行指令&#xff0c;其实&#xff0c;调试串口还有另一种功能&#xff0c;就是传输文件&#xff0c;本文说明使用MobaXterm串口工具来传输文件。 环境要求 嵌入式系统需要安装lsz和lrz&#xff0c;…
阅读更多...
【深度学习】卷积神经网络（CNN）

【深度学习】卷积神经网络（CNN）

一、引子————边界检测 我们来看一个最简单的例子&#xff1a;“边界检测&#xff08;edge detection&#xff09;”&#xff0c;假设我们有这样的一张图片&#xff0c;大小88&#xff1a; 图片中的数字代表该位置的像素值&#xff0c;我们知道&#xff0c;像素值越大&#…
阅读更多...
STM32-SPI协议详解及CubeMX+HAL函数配置分析

STM32-SPI协议详解及CubeMX+HAL函数配置分析

1 SPI协议 SPI（Serial Peripheral interface）串行外围设备接口是同步全双工的通信总线，在芯片的管脚上只占用四根线。 1.1 物理层 SS/NSS/CS：从设备选择信号线（片选信号线）。由主设备控制，选择指定的从设备。 当主机要选择从设备时，把该从设备的SS信号线设置为低电平…
阅读更多...
软件测试岗位与职业发展

软件测试岗位与职业发展

一、软件测试岗位有哪些&#xff1f; 在企业中&#xff0c;软件测试领域的几个典型的职位有&#xff1a;功能测试工程师&#xff08;也叫手工测试&#xff09;、自动化测试工程师、性能测试工程师、测试开发等。 1、功能测试&#xff08;手工测试&#xff09;工程师 主要工作内…
阅读更多...
C++算法入门练习——相同的二叉查找树

C++算法入门练习——相同的二叉查找树

将第一组n​个互不相同的正整数先后插入到一棵空的二叉查找树中&#xff0c;得到二叉查找树T1​&#xff1b;再将第二组n个互不相同的正整数先后插入到一棵空的二叉查找树中&#xff0c;得到二叉查找树T2​。判断T1​和T2​​是否是同一棵二叉查找树。 二叉查找(搜索)树定义&am…
阅读更多...
2023.11.22 IDEA Spring Boot 项目热部署

2023.11.22 IDEA Spring Boot 项目热部署

目录 引言 操作步骤 1. 在 pom.xml 中添加热部署框架支持 2. Setting 开启项目自动编译 3. 以后创建的新项目进行同步配置 4. 重复 配置 步骤2 的内容 5. 开启运行中的热部署 引言 Spring Boot 的热部署是一种在项目正在运行的时候修改代码&#xff0c;却不需要重新启动…
阅读更多...
算法复杂度分析

算法复杂度分析

文章目录 有数据范围反推算法复杂度以及算法内容一般方法递归 有数据范围反推算法复杂度以及算法内容 c一秒可以算 1 0 7 10^7 107~ 1 0 8 10^8 108次 一般方法 看循环 有几层循环就可以初步分析O( n i n^i ni) 双指针算法除外O(n) 递归 公式法 根据公式的形式&#xff0…
阅读更多...
基于STM32外设 -- 超详细ADC(模数转换器)内部流程及解析

基于STM32外设 -- 超详细ADC(模数转换器)内部流程及解析

前言 本次我们学习一下STM32的一个基本外设 --- ADC(模数转换器)&#xff0c;全程参考手册讲解&#xff0c;讲述ADC的工作模式和作用&#xff0c;转换过程和转换方式。本篇博客大部分是自己收集和整理&#xff0c;借鉴了很多大佬的图片和知识点整理&#xff0c;如有侵权请联系我…
阅读更多...
小猪优版的前世今生：从籍籍无名到行业瞩目，再到骤变的风暴中心

小猪优版的前世今生：从籍籍无名到行业瞩目，再到骤变的风暴中心

1. 前世&#xff1a;籍籍无名到行业新星的崛起 小猪优版在初创时期&#xff0c;并不被大众所知。然而&#xff0c;它凭借对短视频行业的深度洞察&#xff0c;以及独特的商业模式&#xff0c;开始在这个领域崭露头角。它提供了一个平台&#xff0c;不仅助力内容创作者更好地展现…
阅读更多...
Vue3 配置全局 scss 变量

Vue3 配置全局 scss 变量

variables.scss $color: #0c8ce9;vite.config.ts // 全局css变量css: {preprocessorOptions: {scss: {additionalData: import "/styles/variables.scss";,},},},.vue 文件使用
阅读更多...
在springboot中实现WebSocket协议通信

在springboot中实现WebSocket协议通信

前面介绍了使用netty实现websocket通信&#xff0c;有些时候&#xff0c;如果我们的服务并不复杂或者连接数并不高&#xff0c;单独搭建一个websocket服务端有些浪费资源&#xff0c;这时候我们就可以在web服务内提供简单的websocket连接支持。其实springboot已经支持了websock…
阅读更多...
python -opencv形态学操作

python -opencv形态学操作

python -opencv形态学操作 1.服饰和膨胀 2.开运算和闭运算 3.礼帽运算和黑帽运算 1.服饰和膨胀 opencv 腐蚀通过cv2.erode实现&#xff0c;膨胀通过cv2.dilate实现&#xff0c;看一下下面代码&#xff1a; from ctypes.wintypes import SIZE from multiprocessing.pool i…
阅读更多...
技术细分|推荐系统——推荐系统中的数据去偏方法

技术细分|推荐系统——推荐系统中的数据去偏方法

本篇的主要脉络同样依据中科大何向南教授、合工大汪萌教授联合在 TKDE 上的一篇综述文章展开&#xff1a;Bias and Debias in Recommender System: A Survey and Future Directions。 下面按照前导文章中介绍的数据偏差 Selection Bias、Conformity Bias、Exposure Bias、Posit…
阅读更多...
跨境电商包装的可持续性：EPR的视角

跨境电商包装的可持续性：EPR的视角

跨境电商的崛起已经改变了我们购物的方式&#xff0c;使我们能够轻松购买来自世界各地的产品。然而&#xff0c;这种便捷也伴随着一个不容忽视的问题&#xff1a;包装和废物管理。 跨境电商平台通常需要在全球范围内运送产品&#xff0c;这意味着大量的包装材料和废弃物。在这…
阅读更多...
最新文章
推荐文章

Copyright @ 2022~2023