CCF-GESP 等级考试 2024年12月认证C++七级真题解析
2024年12月真题
一、单选题(每题2分,共30分)
正确答案:D
解析:考察字符类型和ASCII码值。
字符类型参与运算,是它所对应的ASCII码值在参与运算,运算结果为整数值。小写字母 b 的ASCII码为98,a+1结果为99,答案为D。
正确答案:A
解析:a为int类型变量,p为int 类型变量,即p是指向int类型的指针。
选项 A:在 C/C++ 中,+a这种写法是错误的。通常只有++a(前置自增)或a++(后置自增)这种用法,这里的+a没有意义,不符合语法。
选项 B:这里p表示解引用指针p,+a虽然看起来有点奇怪,但a本身是int类型,+a等同于a,所以这个赋值语句是合法的。
选项 C:p是指向int类型的指针。这里(p+a)相当于从地址p往后移动 a*4个地址(之所以乘4,是因为int类型需要4个字节存储),a = *(p + a);,将新地址存储的值赋值给变量a。符合语法
选项 D:同选项3,给新地址赋值为a。
正确答案:A
解析:下标范围:0~长度减1。下标越界并不会产生编译错误和运行错误。但下标越界可能导致程序访问不属于该数数组的内存区域。这可能会读取或修改其他变量的值,甚至可能导致程序崩溃。不正确的选项是A
正确答案:C
解析:
选项 A:构造函数是在对象创建时调用,不存在多态的概念,而析构函数在对象销毁时调用,为了保证正确的析构顺序,特别是在继承关系中,析构函数可以是虚函数。A正确
选项 B:当函数参数是引用类型时,传递的是对象的引用,而不是对象的副本,所以不会调用复制构造函数。B正确
选项 C:虽然静态方法属于类,但在 C++ 中是可以使用对象来调用静态方法的,不过这种做法不推荐,通常使用类名::方法名 () 的形式调用静态方法。C错误
选项 D:在 C++ 中,当派生类对象被销毁时,首先会调用派生类的析构函数,然后自动调用基类的析构函数,以保证资源的正确释放。D正确
正确答案:C
解析:
选项 A:弱连通有向图是指将有向图的所有边变成无向边后得到的无向图是连通的。对于一个弱连通有向图,其最少边数的情况是一个生成树,边数为 n-1。A正确。
选项 B:强连通有向图是指任意两个顶点 u 和 v,都存在从 u 到 v 和从 v 到 u 的路径。一个 n 个顶点的强连通有向图最少有 n 条边(例如一个有 n 个顶点的环)。B正确。
选项 C:对于有向图,每个顶点都可以有 n-1 条出边(指向其他 n-1 个顶点),所以 n 个顶点最多有 n(n-1) 条边。C正确。
选项 D:有向完全图是指任意两个顶点 u 和 v 之间都有两条有向边 <u, v> 和 <v, u>,边数应该是 n(n-1)。D正确。
个人认为本题没有正确答案,官方答案给的C,强行解释一下的话,本题所说的图可能不是以简单图为基础的。不限制是简单图的话,那边的数目没有上线。
正确答案:B
解析:对于任何一个二叉树,假设度为 2 的结点数目为 n2,度为 1 的结点数目为 n1,度为 0 的结点数目为n0,存在可证明的结论:n0=n2+1。
本题中一棵二叉树的每个结点均满足:结点的左子树和右子树,要么同时存在,要么同时不存在,也就是只存在度为 2 的结点和度为 0 的叶子结点。n2+n0=197,n0=n2+1,可算得n0为99,答案为B。
正确答案:B
解析:二叉排序树是一种特殊的二叉树。它或者是一棵空树,或者是具有下列性质的二叉树:
若它的左子树不空,则左子树上所有结点的值均小于它的根结点的值;
若它的右子树不空,则右子树上所有结点的值均大于它的根结点的值;
它的左、右子树也分别为二叉排序树。
选项 A:二叉排序树(二叉搜索树)的中序遍历结果是一个递增序列。
选项 B:二叉排序树在最坏情况下会退化成一条链,此时高度为n-1,而不是 ⌊ l o g 2 n ⌋ \left \lfloor log_2n \right \rfloor ⌊log2n⌋。只有在平衡二叉排序树(如 AVL 树)的情况下,高度才接近 ⌊ l o g 2 n ⌋ \left \lfloor log_2n \right \rfloor ⌊log2n⌋。
选项 C:AVL 树是一种特殊的二叉排序树,它在插入和删除节点时通过旋转操作保持树的高度平衡。
选项 D:森林可以通过左子右兄弟表示法转换为二叉树。
正确答案:C
解析:n个结点的无向连通图至少有n-1条边。最好的情况下,10个结点6条边,再增加3条即可使其联通。
但本题是问的最差情况下,也就是要用6条边连接最少的结点,完全图情况下满足这个要求,也就是6条边连接4个结点。剩下6个结点,至少需要5条边才能形成连通图,加上一条和4个结点组成的完全图的连接,一共需要6条边,答案选C。
正确答案:D
解析:哈希表是一种数据结构,它提供了快速的插入和查找操作。它的核心思想是使用一个哈希函数,将数据元素的键值映射到一个固定大小的数组(哈希表)中的索引位置。
选项A:当哈希函数取值范围为 0~(n - 1),且发生碰撞时循环向后找空位,在最坏情况下,每个位置都被占用,需要遍历 n 个位置才能找到空位,查询操作的时间复杂度为 O (n)。A正确。
选项B:每次发生碰撞只需要检查下一个位置,时间复杂度为 O (1)。B正确
选项C:当哈希函数取值范围为 0~(m - 1),且碰撞时只在 m~(n - 1) 范围内找空位,在最坏情况下,需要遍历 (n - m) 个位置才能找到空位,查询操作的时间复杂度为 O (n - m)。C正确。
选项D:如果哈希函数对应的位置为空位,说明该位置没有存储元素,那么该查询元素不可能出现在哈希表内。D错误。
正确答案:D
解析:动态规划(Dynamic Programming,简称 DP)是一种用于解决优化问题的算法策略。它将一个复杂的问题分解成一系列相互关联的子问题,并通过求解子问题来逐步构建原问题的解。
选项A:动态规划的核心思想就是把原问题分解成多个重叠子问题,通过解决子问题来解决原问题。
选项B:动态规划通常会基于子问题的关系列出递推公式,用于计算问题的解。
选项C:动态规划既可以用递推(自底向上)的方式实现,也可以用递归(自顶向下,通常配合记忆化)的方式实现。
选项D:通常情况下,递推实现(自底向上)的动态规划时间复杂度和空间复杂度会更优,因为它避免了递归调用的开销,而且可以更好地控制计算顺序,减少重复计算。递归实现如果不使用记忆化技术,可能会有大量重复计算,导致时间复杂度较高。D错误
正确答案:B
解析:exp(2) 表示自然常数e的平方,即 e 2 e^2 e2。
自然常数 e ≈ 2.71828 e\approx2.71828 e≈2.71828,则 e x p ( 2 ) ≈ 7.38906 exp(2)\approx7.38906 exp(2)≈7.38906,强制转化成int类型进行输出,结果为7,答案为B。
正确答案:A
解析:直接代入逐步计算
h [ 0 ] = h [ 1 ] = 1 h[0] = h[1] = 1 h[0]=h[1]=1
h [ 2 ] = h [ 0 ] ∗ h [ 1 ] + h [ 1 ] ∗ h [ 0 ] = 1 ∗ 1 + 1 ∗ 1 = 2 h[2]=h[0]*h[1]+h[1]*h[0]=1*1+1*1 = 2 h[2]=h[0]∗h[1]+h[1]∗h[0]=1∗1+1∗1=2
h [ 3 ] = h [ 0 ] ∗ h [ 2 ] + h [ 1 ] ∗ h [ 1 ] + h [ 2 ] ∗ h [ 0 ] = 1 ∗ 2 + 1 ∗ 1 + 2 ∗ 1 = 5 h[3]=h[0]*h[2]+h[1]*h[1]+h[2]*h[0]=1*2+1*1+2*1=5 h[3]=h[0]∗h[2]+h[1]∗h[1]+h[2]∗h[0]=1∗2+1∗1+2∗1=5
h [ 4 ] = h [ 0 ] ∗ h [ 3 ] + h [ 1 ] ∗ h [ 2 ] + h [ 2 ] ∗ h [ 1 ] + h [ 3 ] ∗ h [ 0 ] = 1 ∗ 5 + 1 ∗ 2 + 2 ∗ 1 + 5 ∗ 1 = 14 h[4]=h[0]*h[3]+h[1]*h[2]+h[2]*h[1]+h[3]*h[0]=1*5+1*2+2*1+5*1 = 14 h[4]=h[0]∗h[3]+h[1]∗h[2]+h[2]∗h[1]+h[3]∗h[0]=1∗5+1∗2+2∗1+5∗1=14
h [ 5 ] = h [ 0 ] ∗ h [ 4 ] + h [ 1 ] ∗ h [ 3 ] + h [ 2 ] ∗ h [ 2 ] + h [ 3 ] ∗ h [ 1 ] + h [ 4 ] ∗ h [ 0 ] = 1 ∗ 14 + 1 ∗ 5 + 2 ∗ 2 + 5 ∗ 1 + 14 ∗ 1 = 42 h[5]=h[0]*h[4]+h[1]*h[3]+h[2]*h[2]+h[3]*h[1]+h[4]*h[0]=1*14+1*5+2*2+5*1+14*1=42 h[5]=h[0]∗h[4]+h[1]∗h[3]+h[2]∗h[2]+h[3]∗h[1]+h[4]∗h[0]=1∗14+1∗5+2∗2+5∗1+14∗1=42
h [ 6 ] = h [ 0 ] ∗ h [ 5 ] + h [ 1 ] ∗ h [ 4 ] + h [ 2 ] ∗ h [ 3 ] + h [ 3 ] ∗ h [ 2 ] + h [ 4 ] ∗ h [ 1 ] + h [ 5 ] ∗ h [ 0 ] = 1 ∗ 42 + 1 ∗ 14 + 2 ∗ 5 + 5 ∗ 2 + 14 ∗ 1 + 42 ∗ 1 = 132 h[6]=h[0]*h[5]+h[1]*h[4]+h[2]*h[3]+h[3]*h[2]+h[4]*h[1]+h[5]*h[0]=1*42+1*14+2*5+5*2+14*1+42*1 = 132 h[6]=h[0]∗h[5]+h[1]∗h[4]+h[2]∗h[3]+h[3]∗h[2]+h[4]∗h[1]+h[5]∗h[0]=1∗42+1∗14+2∗5+5∗2+14∗1+42∗1=132
答案是A
正确答案:D
解析:时间复杂度是用来衡量算法运行时间随着输入规模增长而增长的速度。在分析时间复杂度时,通常只考虑算法执行次数的数量级,忽略常数系数和低阶项。
程序中有两层嵌套的for循环。
外层循环从n = 2开始,到n<N结束,每次循环n增加 1。
内层循环从j = 0开始,到j < n结束,每次循环j增加 1。
n = 2 , j n=2, j n=2,j 范围:0~1
n = 3 , j n=3, j n=3,j 范围:0~2
. . . ... ...
n = N − 1 , j n=N-1, j n=N−1,j 范围:0~(N-2)
累加起来:2+3+…+(N-1) = (N-2)(N+1)/2,忽略常数系数和低阶项,时间复杂度为 O ( N 2 ) O(N^2) O(N2),答案是D。
直接推其实也可以,本题两层嵌套的for循环,且循环变量直接任何关系,时间复杂度是两层for循环的循环次数乘起来忽略常数系数和低阶项。
正确答案:B
解析:时间复杂度是用来衡量算法运行时间随着输入规模增长而增长的速度。在分析时间复杂度时,通常只考虑算法执行次数的数量级,忽略常数系数和低阶项。
第 3-4 行一层for循环,执行次数为n;
第 5-7 行两次for循环嵌套:
i = 2 i=2 i=2 内层循环执行n/2次
i = 3 i=3 i=3 内层循环执行n/3次
. . . ... ...
i = n i=n i=n 内层循环执行n/n=1次
累加起来: ∑ i = 2 n n i \sum_{i=2}^{n} \frac{n}{i} ∑i=2nin,而 ∑ i = 2 n 1 i = l o g n \sum_{i=2}^{n} \frac{1}{i}=logn ∑i=2ni1=logn, ∑ i = 2 n n i = n l o g n \sum_{i=2}^{n} \frac{n}{i}=nlogn ∑i=2nin=nlogn
程序总执行次数 n + n l o g n n+nlogn n+nlogn,忽略常数系数和低阶项,时间复杂度为 O ( n l o g n ) O(nlogn) O(nlogn),答案为B。
正确答案:A
解析:深度优先遍历是一种用于遍历或搜索图(包括有向图和无向图)、树等数据结构的算法。它的基本思想是从图中的某个顶点开始,沿着一条路径尽可能深地探索下去,直到无法继续或者达到目标,然后回溯到前一步,继续探索下一条路径。
四个选项中只有A不可能,1、2、3、5、7、8,接下来该访问9号结点,而不是6号结点。
二、判断题(每题2分,共20分)
正确答案:错误,正确,正确
解析:
第1题错误:在 C++ 等编程语言中,^ 通常是按位异或运算符,异或运算规则:相同为0,不同为1。5^3,也即: ( 101 ) 2 (101)_2 (101)2^ ( 011 ) 2 (011)_2 (011)2= ( 110 ) 2 (110)_2 (110)2。结果为十进制数6
第2题正确:在 C++ 中,可以通过头文件和链接过程实现函数定义和函数调用在不同文件中。通常将函数声明放在头文件(.h 或 .hpp)中,函数定义放在源文件(.cpp)中,然后在需要调用函数的文件中包含头文件即可。
第3题正确:二分查找的前提是数据已经有序,其每次查找都能将搜索范围缩小一半,时间复杂度为 O ( l o g n ) O(log n) O(logn)。
正确答案:错误,错误
解析:
第4题错误:unsigned long long 在 C++ 中通常占用 8 个字节(64 位),其表示范围是 0 到 2^64 - 1,即 0 到 18446744073709551615。超出这个范围使用long long进行运算会导致溢出。不过更大的数可以使用高精度运算来做,并不是无法使用C++语言进行计算。
第5题错误:在 C++ 中, 头文件中的 log2 函数返回值类型是 double。log2(32) 的结果是 5,但类型是 double,而不是 int。
正确答案:错误,正确
解析:
第6题错误:C++ 是面向对象编程语言,它支持类、对象、继承、多态和封装等面向对象特性。
C 语言是一种过程式编程语言,它本身没有直接的继承机制。然而,在 C 语言中可以通过结构体和函数指针来模拟实现类似继承的功能,但这种方式不如 C++ 中的继承机制那么直接和方便。
第7题正确:邻接表存储图时,对于每个顶点,它存储了一个链表来表示与该顶点相连的边。遍历单个顶点的所有边时,只需要遍历该顶点对应的链表,时间复杂度为 O (d),其中 d 是该顶点的度。
邻接矩阵是一个二维数组,判断两个顶点是否有边只需要查看矩阵中对应的元素,时间复杂度为 O (1)。。
正确答案:正确
解析:MD5 确实可以将任意长度的数据映射为 128 位的哈希值,并且曾广泛用于数据完整性校验。
中国的王小云教授在密码学领域有突出贡献,她的研究成果包括对 MD5 等哈希函数碰撞问题的破解,这使得 MD5 的安全性受到质疑,逐渐被弃用。
正确答案:正确,错误
解析:
第9题正确:递归调用会占用系统栈空间,如果递归层数过深,可能会导致栈溢出(Stack Overflow)错误,使程序崩溃。
可以通过使用循环和手动模拟栈操作来实现与递归类似的功能,这种方式可以更灵活地控制栈空间的使用,避免栈溢出问题。
第10题错误:用图来表示交通网络是合理的,顶点表示城市,边表示交通方式。
如果两个城市之间的交通方式是有方向的(例如单行道),那么这个图就是有向图。如果不存在自环(一个城市到自己的交通方式)和重边(两个城市之间存在多种相同的交通方式只算一条边),那么它就是简单有向图。但现实情况往往更复杂,不太可能是简单有向图。
三、编程题(每题25分,共50分)
购买一些武器,满足这些武器的总强度不小于p,总花费不超过q。
标准0/1背包问题,开销控制在不超过q的情况下计算最大武器总强度。
本题要求满足条件的最小花费。 如果武器总强度大于等于p,拿此时的花费和最小花费比较,如果此时的更小,更新最小花费。
洛谷测了下,没做状态压缩竟然也没有超存储。
#include<bits/stdc++.h> //万能头文件
using namespace std;
#define ll long long
const int N=5e4+5;
struct weapon{int p, c; //武器的强度和花费
}arr[105];
int dp[105][N];
int main() {int t, n, p, q, res;cin>>t;while(t--){cin>>n>>p>>q;for(int i=1; i<=n; i++) cin>>arr[i].p>>arr[i].c;memset(dp, 0, sizeof(dp));res = -1; for(int i=1; i<=n; i++){for(int j=0; j<=q; j++){if(arr[i].c > j) dp[i][j] = dp[i-1][j];else dp[i][j] = max(dp[i-1][j], dp[i-1][j-arr[i].c]+arr[i].p);if(dp[i][j] >= p){if(res==-1 || j < res) res = j;}}}cout<<res<<endl;}return 0;
}
//状态压缩代码,二维变一维,减少存储使用
#include<bits/stdc++.h> //万能头文件
using namespace std;
#define ll long long
const int N=5e4+5;
struct weapon{int p, c; //武器的强度和花费
}arr[105];
int dp[N];
int main() {int t, n, p, q, res;cin>>t;while(t--){cin>>n>>p>>q;for(int i=1; i<=n; i++) cin>>arr[i].p>>arr[i].c;memset(dp, 0, sizeof(dp));res = -1; for(int i=1; i<=n; i++){//0-1背包问题的状压,花费必须从大到小遍历 for(int j=q; j>=arr[i].c; j--){ dp[j] = max(dp[j], dp[j-arr[i].c]+arr[i].p);if(dp[j] >= p){if(res==-1 || j < res) res = j;}}}cout<<res<<endl;}return 0;
}
也不难,题目虽然说是一棵包含 n n n 个节点的树,但没有明确指出树根是那个结点,因此节点之间的访问不限制方向,既然不限制方向,可以使用图的存储方式存储结点之间的关系,鉴于树中的边比较少,用邻接表进行存储。
选择一个初始节点引燃,每个燃烧的节点会将其相邻节点中权值严格小于自身权值的节点也引燃,火焰会在节点间扩散直到不会有新的节点被引燃。问最多可以燃烧多少个节点。
很明显的搜索,从某个结点出发进行搜索,如果满足条件(权值更小)继续搜索,否则停止。
但纯搜索只能得40分,60分的样例会超时。超时原因是重复搜索,比如从结点1出发进行搜索,可以搜到2、4,那从结点2、4出发进行搜索可以访问到的节点数必然不可能超过结点1,因此不必从2、4出发进行搜索;另外,再搜索过程中,可能会遇到已经搜索过的结点,比如从结点3出发会搜到2,如果从结点2可以引燃的节点数已经记下来,这里就可以直接使用。因此要使用记忆化搜索。在搜索过程中记录下从某个结点出发可以引燃的节点数目。同时,结点数目如果为0,也标识这个结点还没有被搜索过。
#include<bits/stdc++.h> //万能头文件
using namespace std;
const int N=1e5+5;
int weight[N];
vector<int> mp[N];
int cnt[N];
int dfs(int id) {if(cnt[id]>0) return cnt[id];cout<<id<<"...."<<endl;cnt[id]=1;for(int i=0; i<mp[id].size(); i++) {int j=mp[id][i];if(weight[id] > weight[j]) {if(cnt[j]>0) cnt[id]+=cnt[j];else cnt[id]+=dfs(j);}}return cnt[id];
}
int main() {int n, u, v;cin>>n;for(int i=1; i<=n; i++) cin>>weight[i];for(int i=1; i<n; i++) {cin>>u>>v;mp[u].push_back(v);mp[v].push_back(u);}int res=0;for(int i=1; i<=n; i++) {if(cnt[i]==0) {cnt[i] = dfs(i);res = max(res, cnt[i]);}}cout<<res;return 0;
}
相关文章:
CCF-GESP 等级考试 2024年12月认证C++七级真题解析
2024年12月真题 一、单选题(每题2分,共30分) 正确答案:D 解析:考察字符类型和ASCII码值。 字符类型参与运算,是它所对应的ASCII码值在参与运算,运算结果为整数值。小写字母 b 的ASCII码为98&am…...
Qt之串口设计-线程实现(十二)
Qt开发 系列文章 - Serial-port(十二) 目录 前言 一、SerialPort 二、实现方式 1.创建类 2.相关功能函数 3.用户使用 4.效果演示 5.拓展应用-实时刷新 总结 前言 Qt作为一个跨平台的应用程序开发框架,在串口编程方面提供了方便易用…...
20241217使用M6000显卡在WIN10下跑whisper来识别中英文字幕
20241217使用M6000显卡在WIN10下跑whisper来识别中英文字幕 2024/12/17 17:21 缘起,最近需要识别法国电影《地下铁》的法语字幕,使用 字幕小工具V1.2【whisper套壳/GUI封装了】 无效。 那就是直接使用最原始的whisper来干了。 当你重装WIN10的时候&#…...
基于 uniapp 开发 android 播放 webrtc 流
一、播放rtsp协议流 如果 webrtc 流以 rtsp 协议返回,流地址如:rtsp://127.0.0.1:5115/session.mpg,uniapp的 <video> 编译到android上直接就能播放,但通常会有2-3秒的延迟。 二、播放webrtc协议流 如果 webrtc 流以 webrt…...
Java反射学习(3)(“反射“机制获取成员变量及详细信息(Field类))
目录 一、基本引言。 (1)基本内容回顾。 (2)本篇博客的核心内容-基本介绍。 二、Java中使用"反射"机制获取成员变量及内部的详细信息。 (1)"反射"机制获取成员变量及详细信息的基本概念…...
Flutter组件————AppBar
AppBar 是 Flutter 中用于创建应用程序顶部栏的组件,它遵循 Material Design 规范。 参数: 参数名称类型描述titleWidget设置 AppBar 中的标题文本或自定义标题小部件。automaticallyImplyLeadingbool决定是否自动添加返回按钮(如果页面不是…...
LabVIEW在电液比例控制与伺服控制中的应用
LabVIEW作为一种图形化编程环境,广泛应用于各类控制系统中,包括电液比例控制和伺服控制领域。在这些高精度、高动态要求的控制系统中,LabVIEW的优势尤为突出。以下从多个角度探讨其应用与优势: 1. 灵活的控制架构 LabVIEW为电…...
Jenkins
1.安装 需要先安装jdk11 yum install -y java-11 yum localinstall -y jenkins-2.361.4-1.1.noarch.rpm 启动服务 systemctl enable --now jenkins.service 开始安装 进入下一步,关掉即可 下一步,点击开始使用Jenkins 2.插件的安装 1.方式一&…...
Sigrity System Explorer Snip Via Pattern From Layout模式从其它设计中截取过孔模型和仿真分析操作指导
Sigrity System Explorer Snip Via Pattern From Layout模式从其它设计中截取过孔模型和仿真分析操作指导 Sigrity System Explorer Snip Via Pattern From Layout模式支持从其它设计中截取过孔模型用于仿真分析,同样以差分模板为例 具体操作如下 双击打开System Explorer软件…...
Redux使用教程
Redux使用教程 一、安装依赖 安装ReduxToolkit、react-redux,命令行输入 npm i reduxjs/toolkit react-redux二、创建目录结构 创建标准的store目录结构,当然这一步不是必须的 ① 在src下创建store文件夹 ② 在store文件夹中创建一个modules文…...
gpu硬件架构
1.简介 NVIDIA在视觉计算和人工智能(AI)领域处于领先地位;其旗舰GPU已成为解决包括高性能计算和人工智能在内的各个领域复杂计算挑战所不可或缺的。虽然它们的规格经常被讨论,但很难掌握各种组件的清晰完整的图景。 这些GPU的高性…...
volatility2工具的使用vol2工具篇
vol2工具 命令格式:vol.py -f [image] --profile[profile] [plugin] 1、查看系统的操作版本,系统镜像信息 2.查看用户名密码信息,当前操作系统中的password hash,例如SAM文件内容 3.从注册表提取LSA密钥信息(已解密&…...
LeetCode:104.二叉树的最大深度
跟着carl学算法,本系列博客仅做个人记录,建议大家都去看carl本人的博客,写的真的很好的! 代码随想录 LeetCode:104.二叉树的最大深度 给定一个二叉树 root ,返回其最大深度。 二叉树的 最大深度 是指从根节…...
【游戏设计原理】19 - 得益
一、学习与分析 核心概念总结: 得益(Payoff):玩家在游戏中通过决策获得的产出,包括正面和负面。它可以以分数、等级、货币等形式体现。玩家差异:不同玩家追求不同类型的回报,有些人重视分数或…...
简单配置,全面保护:HZERO审计服务让安全触手可及
HZERO技术平台,凭借多年企业资源管理实施经验,深入理解企业痛点,为您提供了一套高效易用的审计解决方案。这套方案旨在帮助您轻松应对企业开发中的审计挑战,确保业务流程的合规性和透明度。 接下来,我将为大家详细介绍…...
day5,数据结构,单向,双向,循环链表
1】思维导图 2】完成单向循环链表的所有操作 【创建、判空、尾插、遍历、尾删、销毁】 创建: LooplinkPtr caerte() {LooplinkPtr h(LooplinkPtr)malloc(sizeof(Looplink));if(NULLh){printf("创建失败\n");return NULL;}h->len0;h->data0;h->…...
构建高性能异步任务引擎:FastAPI + Celery + Redis
在现代应用开发中,异步任务处理是一个常见的需求。无论是数据处理、图像生成,还是复杂的计算任务,异步执行都能显著提升系统的响应速度和吞吐量。今天,我们将通过一个实际项目,探索如何使用 FastAPI、Celery 和 Redis …...
Linux 中检查 Apache Web Server (httpd) 正常运行时间的 4 种方法
注:机翻,未校。 4 Ways To Check Uptime of Apache Web Server (httpd) on Linux November 28, 2019 by Magesh Maruthamuthu We all know about the purpose of uptime command in Linux. 我们都知道 Linux 中 uptime 命令的目的。 It is used to c…...
简易CPU设计入门:内存初始化文件(三)
项目代码下载 请大家首先准备好本项目所用的源代码。如果已经下载了,那就不用重复下载了。如果还没有下载,那么,请大家点击下方链接,来了解下载本项目的CPU源代码的方法。 下载本项目代码 准备好了项目源代码以后,我…...
深度解析Meta最新发布的虚拟试穿技术:一键试衣的革命性进展
随着电子商务的发展,消费者对在线购物体验的要求越来越高。为了满足这一需求,Meta最近发布了一款面向电商人群的一键试衣工具,它不仅能够实现精确控制人物的外观(虚拟试衣)和姿态(姿态迁移),还能保持参考图像中的细节纹理特征,避免失真。这项技术通过引入基于注意力机…...
Apache Solr RCE(CVE-2017-12629)--vulhub
Apache Solr 远程命令执行漏洞(CVE-2017-12629) Apache Solr 是一个开源的搜索服务器。Solr 使用 Java 语言开发,主要基于 HTTP 和 Apache Lucene 实现。原理大致是文档通过Http利用XML加到一个搜索集合中。查询该集合也是通过 http收到一个…...
使用二分查找法找出给定点距离给定点集合距离最近的点
1、场景描述 给定点Point A (x,y)和 直线点集合 Points [(x1,y1),(x2,y2),(x3,y3),(x4,y4),(x5,y5)......],计算出集合中距离点A最近的一个点 (如果集合中的两个点距离A点最近且相等,则只取其中一个) 2、代码&#x…...
凯酷全科技抖音电商服务的卓越践行者
在数字经济蓬勃发展的今天,电子商务已成为企业增长的新引擎。随着短视频平台的崛起,抖音作为全球领先的短视频社交平台,不仅改变了人们的娱乐方式,也为品牌和商家提供了全新的营销渠道。厦门凯酷全科技有限公司(以下简…...
复盘:“辩论赛”复盘
这个小活动整个下来,我是按照“策划-执行-总结-复盘“这个顺序来过的; 在策划上: 首先,针对这个论题,我其实很清楚有很多问题,比如引起逆反心理,没想到还有不少人参与。 其次,针对这…...
SSD目标检测算法
SSD(Single Shot MultiBox Detector)是一种基于深度学习的目标检测算法,它结合了高效的检测策略和准确的检测结果。相比于传统的目标检测算法,SSD能够在保持较高准确性的同时快速地进行目标检测。 SSD算法的主要特点包括以下几个…...
MyBatis通过注解配置执行SQL语句原理源码分析
文章目录 前置准备流程简要分析配置文件解析加载 Mapper 接口MapperAnnotationBuilder解析接口方法注解parseStatement 方法详解MapperBuilderAssistant 前置准备 创建一个mybatis-config.xml文件,配置mapper接口 <mappers><!--注解配置--><mapper…...
12_HTML5 Video(视频) --[HTML5 API 学习之旅]
HTML5 引入了 <video> 标签,使得在网页中嵌入和控制视频变得非常简单。<video> 元素允许你直接在 HTML 中指定视频文件,并提供了多种属性和方法来控制视频的播放、暂停、音量等。 基本用法 HTML5 的 <video> 标签让嵌入和控制视频变…...
JaxaFx学习(三)
目录: (1)JavaFx MVVM架构实现 (2)javaFX知识点 (3)JavaFx的MVC架构 (4)JavaFx事件处理机制 (5)多窗体编程 (6)数据…...
视频点播系统|Java|SSM|VUE| 前后端分离
【技术栈】 1⃣️:架构: B/S、MVC 2⃣️:系统环境:Windowsh/Mac 3⃣️:开发环境:IDEA、JDK1.8、Maven、Mysql5.7 4⃣️:技术栈:Java、Mysql、SSM、Mybatis-Plus、VUE、jquery,html 5⃣️数据库可…...
Springboot 学习 之 logback-spring.xml 日志压缩 .tmp 临时文件问题
文章目录 前言功能简述1. 自定义日志文件名2. 归档规则 && 压缩2.1. 归档配置2.2. 归档压缩2.3. 日志格式 && 编码 现象原因解决办法 前言 在 Springboot 应用中,默认使用 logback-spring.xml 配置日志相关 功能简述 1. 自定义日志文件名 <fi…...
智慧工地整体解决方案
智慧工地背景与需求 智慧工地解决方案的提出,源于建筑行业面临的诸多挑战。安全事故频发、环保体系不健全、建筑信息化水平低以及施工现场管理难度大等问题,迫切需要通过智能化手段来提升工地管理的效率与安全性。智慧工地利用现代信息技术,…...
【读书打卡版】【读书笔记】半小时漫画中国地理3
一 如果全中国是个班级,江南五省各不同 继续跟随长江的脚步,认识坐在长江中下游平原上的省份:安徽、江苏、江西、浙江、上海。他们同属于一个美丽又富饶的大区——江南。 那么问题来了,一提到江南,你会想到什么&#…...
harmony UI组件学习(1)
Image 图片组件 string格式,通常用来加载网络图片,需要申请网络访问权限:ohos.permission.INTERNET Image(https://xxx.png) PixelMap格式,可以加载像素图,常用在图片编辑中 Image(pixelMapobject) Resource格式,加…...
ECharts热力图-笛卡尔坐标系上的热力图,附视频讲解与代码下载
引言: 热力图(Heatmap)是一种数据可视化技术,它通过颜色的深浅变化来表示数据在不同区域的分布密集程度。在二维平面上,热力图将数据值映射为颜色,通常颜色越深表示数据值越大,颜色越浅表示数…...
React状态管理常见面试题目(一)
1. Redux 如何实现多个组件之间的通信?多个组件使用相同状态时如何进行管理? Redux 实现组件通信 Redux 是一个集中式的状态管理工具,通过共享一个全局 store 来实现多个组件之间的通信。 通信机制: 所有状态保存在 Redux 的全局 store 中。使用 ma…...
.NET周刊【12月第2期 2024-12-08】
国内文章 终于解决了.net在线客服系统总是被360误报的问题(对软件进行数字签名) https://www.cnblogs.com/sheng_chao/p/18581139 升讯威在线客服与营销系统由.net core和WPF开发,旨在开放、开源、共享。开发者为解决360与其他国产管家的误…...
YOLOv8目标检测(七)_AB压力测试
YOLOv8目标检测(一)_检测流程梳理:YOLOv8目标检测(一)_检测流程梳理_yolo检测流程-CSDN博客 YOLOv8目标检测(二)_准备数据集:YOLOv8目标检测(二)_准备数据集_yolov8 数据集准备-CSDN博客 YOLOv8目标检测(三)_训练模型:YOLOv8目标检测(三)_训…...
多个图片转换为PDF文件
将多个图片转换为PDF文件在Python中可以通过多个库来实现,其中最常用的库之一是Pillow(用于图像处理)和reportlab(用于生成PDF)。不过,对于直接图片转PDF的操作,更推荐使用Pillow配合PyMuPDF&am…...
【递归,搜索与回溯算法 综合练习】深入理解暴搜决策树:递归,搜索与回溯算法综合小专题(一)
找出所有子集的异或总和再求和 题目解析 算法原理 解法 决策树 这种决策使得每一次递归都是有效的递归,每一个节点都是最终的结果,所以这棵决策树是不用剪枝的,也没有递归出口的; 注意 决策树执行添加元素…...
对 MYSQL 架构的了解
MySQL 是一种广泛使用的关系型数据库管理系统,其架构主要包括以下几个关键部分: 一、连接层 客户端连接管理:MySQL 服务器可以同时处理多个客户端的连接请求。当客户端应用程序(如使用 Java、Python 等语言编写的程序)…...
深入解析 StarRocks 物化视图:全方位的查询改写机制
小编导读: 本文将重点介绍如何利用物化视图进行查询改写。文章将全面介绍物化视图的基本原理、关键特性、应用案例、使用场景、代码细节以及主流大数据产品的物化视图改写能力对比。 物化视图在 StarRocks 中扮演着至关重要的角色,它是进行数据建模和加速…...
k8s常见问题及debug
ERROR1 ErrImagePull pod pending 外网无法方位集群服务 kubectl 命令失败 Pod Error 进入容器失败 pod重启 Running not ready CrashLoopBackOff PV/PVC helm install...
Winnows基础(2)
Target 了解常见端口及服务,熟练cmd命令,编写简单的 .bat 病毒程序。 Trail 常见服务及端口 80 web 80-89 可能是web 443 ssl心脏滴血漏洞以及一些web漏洞测试 445 smb 1433 mssql 1521 oracle 2082/2083 cpanel主机管理系统登陆(国外用的…...
(14)D-FINE网络,爆锤yolo系列
yolo过时了?传统的yolo算法在小目标检测方面总是不行,最新算法DEIM爆锤yolo,已经替yolo解决。 一、创新点 这个算法名为DEIM,全称是DETR with Improved Matching for Fast Convergence,其主要创新点在于提出了一…...
关于数据流图绘制和使用上的一些个人经验
假设我们需要开发一个项目进度管理系统,在这个项目进度管理系统之中,我们需要开发一个功能:项目成员的列表。我们具有这样的业务需求: 在项目进度管理系统中,我们需要知道参与项目的人员到底有哪些,并且项目…...
Leetcode Hot 100 【二叉树】104. 二叉树的最大深度
104. 二叉树的最大深度 已解答 简单 相关标签 相关企业 给定一个二叉树 root ,返回其最大深度。 二叉树的 最大深度 是指从根节点到最远叶子节点的最长路径上的节点数。 示例 1: 输入:root [3,9,20,null,null,15,7] 输出:3…...
雅思真题短语梳理(八)
126员工流动率高 high staff turnover 127(多)负担一些工作任务 cover some duties / an increased workload 128不满 feel upset and resentful 129偏向性待遇 preferential treatment 130介入帮忙 step in and help 131切实的好处 tangible benefits 132挽留 staff retention…...
Codeforces Round 993 (Div. 4)个人训练记录
Codeforces Round 993 (Div. 4) 只选择对我有价值的题目记录 E. Insane Problem 题目描述 给定五个整数 k k k, l 1 l_1 l1, r 1 r_1 r1, l 2 l_2 l2 和 r 2 r_2 r2,Wave 希望你帮助她计算满足以下所有条件的有序对 …...
java-io流
根据流的方向: 输入流(InputStream/Reader):从数据源读取数据到程序中。输出流(OutputStream/Writer):将数据从程序写入到目的地。 根据流处理信息的大小: 字节流(Byte S…...
数据可视化
数据可视化 数据可视化 数据可视化主要目的:借助于图形化手段,清晰有效地传达与沟通信息。数据可视化可以把冰冷的数字转换成图形,揭示蕴含在数据中的规律和道理。 常用的数据可视化库: D3.js 目前 Web 端评价最高的 Javascri…...