纸飞机的旅行

安装部署一、环境准备说明：如果已经安装过相关工具就忽略 1安装JAVA 运行环境第一步：上传或下载安装包 cd /usr/local jdk-8u152-linux-x64.tar.gz 第二步：解压安装包 tar -zxvf jdk-8u152-linux-x64.tar.gz 第三步：建立软连接 ln -s /usr/local/jdk1.8.0_152/ /usr/local/jdk 第四步：修改环境变量 vim /etc/profileexport JAVA_HOME=/usr/local/jdkexport JRE_HOME=$JAVA_HOME/jreexport CLASSPATH=.:$CLASSPATH:$JAVA_HOME/lib:$JRE_HOME/libexport PATH=$PATH:$JAVA_HOME/bin:$JRE_HOME/bin 通过命令source /etc/profile让profile文件立即生效source /etc/profile 第五步、测试是否安装成功 使用java -version，出现版本为java versio ...

Voronoi 多边形 Voronoi 多边形，也称为 Voronoi 图或 Voronoi 分割，是一种空间分析和几何计算方法，用于将平面或空间划分为不同区域，每个区域都与给定一组点最近邻。这些区域被称为 Voronoi 多边形或 Voronoi 区域，每个多边形由与其对应的点作为最近邻点。 Voronoi 多边形的生成过程基于以下原则：给定一组点，每个点的 Voronoi 区域包含所有离该点最近的点，并且这些点之间的边界形成多边形。Voronoi 多边形的边界由平分相邻点之间的直线或曲线段组成，这些直线或曲线段是两个点之间的等距离线，也称为 Voronoi 边。因此，Voronoi 多边形的边界是相邻点之间的中垂线。 Voronoi 多边形在各种领域中有广泛应用，包括计算机图形学、计算机视觉、地理信息系统（GIS）、模式识别等。以下是一些应用 Voronoi 多边形的示例： 空间分析：Voronoi 多边形可用于将地理空间划分为不同的区域，每个区域都由最近邻点决定。这在地理学、城市规划和环境分析中具有重要作用，可以用于确定服务设施的服务范围、确定地理区域的边界等。 面积计算：通 ...

JS基础知识1. javascript的typeof返回哪些数据类型 alert(typeof [1, 2]); //object alert(typeof 'leipeng'); //string var i = true; alert(typeof i); //boolean alert(typeof 1); //number var a; alert(typeof a); //undefined function a(){;};alert(typeof a) //functiontypeof isNaN function检测数组的几种方式：Array.isArray(arr); es5Object.toString.call([]) === ‘object Array’arr instanceof Arrayarr.constructor === Array 2. 例举3种强制类型转换和2种隐式类型转换?强制（parseInt(),parseFloat(),Number()）隐式（& ...

平面地图综合中的convex hull+差分组合平面地图综合中的 “convex hull + 差分组合” 是一种常用的地理信息处理方法，用于合并多个重叠的平面地图数据集，以生成一个较大范围的一致地图。 首先，让我们解释一下 “convex hull” 和 “差分组合” 的含义： Convex Hull（凸包）：凸包是一个几何概念，用于描述一个点集的最小凸多边形。对于给定的点集，凸包是包围这些点的最小凸形状，即没有凹陷的形状。在地图综合中，凸包可以用于找到每个地图数据集的边界。 差分组合：差分组合是指将两个或多个数据集进行差分操作，以便将它们合并成一个单一的数据集。在地图综合中，差分组合用于合并多个地图数据集，消除重叠和冗余部分。 现在我们来详细介绍 “convex hull + 差分组合” 的过程： Convex Hull（凸包）：对于每个地图数据集，首先计算该数据集中所有点的凸包。这可以使用凸包算法，例如Graham扫描算法或Jarvis步进算法。凸包的边界定义了该数据集的外围形状。 差分操作：通过对每个地图数据集的凸包进行差分操作，可以消除重叠和冗余的部分。差分操作 ...

八叉树结构八叉树（Octree）是一种常用的树型数据结构，它是二叉树在三维空间中的扩展。八叉树被广泛应用于计算机图形学、空间分区和体积渲染等领域，用于高效地表示和处理三维空间的数据。 八叉树的基本思想是将三维空间递归地划分为八个等大小的子空间，每个子空间称为一个八叉树节点（Octant）。这种划分方式类似于将立方体分成八个等大小的小立方体。每个节点可以有三种可能的状态： 叶节点（Leaf Node）：表示当前空间内存在数据或对象，不再继续划分。 空节点（Empty Node）：表示当前空间内不存在数据或对象，不再继续划分。 分支节点（Branch Node）：表示当前空间内可能存在数据或对象，需要进一步划分。 八叉树的构建过程从一个包含所有数据的根节点开始，根据数据的分布情况，逐层划分空间直到满足停止条件。停止条件可以是树的深度达到预定的最大深度，或者节点内的数据数量达到某个阈值。 八叉树的用法主要有以下几个方面： 空间分区：八叉树可以将三维空间划分为多个小空间，用于高效地管理和查询空间中的数据。在计算机图形学中，八叉树常被用来表示场景中的物体，以便进行快速的碰撞检测和可视化剔除 ...

前馈神经网路1、简单介绍前馈神经网络（Feedforward Neural Network，简称FNN）是一种基本的神经网络模型，它最早由美国心理学家Rosenblatt在1958年提出，是最早的一种神经网络模型。FNN的每个神经元都是单向连接的，信号只能从输入层流向输出层，不存在反馈（recurrent）的过程，因此也被称为“无记忆神经网络”。 FNN由输入层、隐藏层和输出层构成，其中输入层接收外部输入，输出层输出结果，而隐藏层则负责处理输入层的信息，提取出特征并将其传递给输出层。隐藏层通常包含多个神经元，每个神经元都连接着上一层的所有神经元和下一层的所有神经元。FNN的输出是根据输入与每个神经元之间的连接权值进行计算得出的。 FNN的训练过程通常是基于反向传播算法（Back Propagation，简称BP算法），该算法利用梯度下降法对网络参数进行调整，使得网络的输出结果能够逐渐逼近期望的输出结果。BP算法的基本思想是将误差逐层反向传播，并根据误差值对网络参数进行调整，以达到误差最小化的目的。在实际应用中，常常需要对神经网络进行大量的训练，以提高网络的泛化能力。 FNN在模式识别、 ...

反向传播算法1、介绍反向传播算法是一种用于训练人工神经网络的优化算法。它利用梯度下降法来最小化神经网络的损失函数，并更新网络参数以提高模型的准确性。下面是反向传播算法的详细介绍。 反向传播算法的基本原理是利用链式法则（chain rule）来计算损失函数相对于每个网络参数的梯度。该算法从输出层开始，计算每个参数的梯度，并向后逐层传播，直到达到输入层。在每一层中，算法通过将该层的梯度与下一层的梯度相乘来计算该层的梯度。这个过程反向传播了误差，因此称为反向传播算法。 反向传播算法的步骤如下： 前向传播：对于给定的输入样本，计算神经网络的输出结果。 计算误差：将神经网络的输出结果与真实结果进行比较，并计算误差。误差通常使用损失函数（例如均方误差）来表示。 反向传播误差：从输出层开始，计算每个参数的梯度，并向后逐层传播，直到达到输入层。 更新参数：使用梯度下降法来更新神经网络的参数，以最小化损失函数。梯度下降法的目标是沿着梯度的相反方向更新参数，以使损失函数最小化。 重复步骤1-4，直到达到停止条件，例如达到最大迭代次数或达到期望的训练误差。 反向传播算法的优点是它可以处理复杂的非线性模型，并 ...

一. 基础算法1. 常见查找算法查找算法是一种在数据集中寻找特定数据项的方法。通常，数据集是在计算机程序中存储的，例如数组、链表或散列表。在编写程序时，查找算法是非常重要的，它有助于快速找到所需的数据。在本文中，我们将介绍一些基本的查找算法及其特点。 线性查找线性查找也称为顺序查找，是一种最简单的查找算法。在这种算法中，我们从数据集的开头开始，逐个比较每个数据项，以寻找要查找的数据。如果我们找到了目标数据，查找过程就结束了。如果我们到达数据集的末尾，仍然找不到目标数据，则可以认为它不存在于数据集中。 线性查找的时间复杂度是O(n)，其中n是数据集的大小。因此，它在大型数据集中可能会很慢。然而，在小型数据集中，它仍然是一种非常有用的算法。 二分查找二分查找也称为折半查找，是一种更快速的查找算法。但前提是，数据集必须已经排序。在二分查找中，我们取数据集的中间值，然后将目标与中间值进行比较。如果目标小于中间值，则在左侧子集中继续查找；如果目标大于中间值，则在右侧子集中继续查找。每次比较都会缩小要搜索的数据集的大小。 二分查找的时间复杂度是O(log n)，其中n是数据集的大小。这种算法在大型 ...

Delaunay 三角网Delaunay 三角网是计算几何学中的一种三角剖分方法，用于将给定的点集合连接成不重叠且无内部点的三角形组成的网格结构。Delaunay 三角网具有一些重要的性质，使其在许多应用领域中得到广泛应用，例如计算机图形学、计算机视觉、地理信息系统和有限元分析等。 Delaunay 三角网的生成过程基于以下原则：给定一组点，如果点集中没有任何点在某个三角形的外接圆内部，则该三角形属于 Delaunay 三角网。换句话说，Delaunay 三角网中的任何一个三角形都满足其外接圆不包含其他点。这个性质使得 Delaunay 三角网具有最大化最小角的特点，使得三角形的形状更加均匀和稳定。 Delaunay 三角网的生成可以使用多种算法，其中最常用的是Bowyer-Watson算法，其基本思想如下： 初始化：将点集中的几个点组成一个超级三角形，该超级三角形完全包含所有的点。 逐点插入：对于点集中的每个点，将其插入到当前的 Delaunay 三角网中。 修复：对于每个新插入的点，需要更新 Delaunay 三角网，确保满足 Delaunay 性质。这涉及到删除包含新点的三 ...