当前位置：首页 > news >正文

【无监督学习】层次聚类步骤及matlab实现

news 来源：原创 2025/8/23 13:19:52

层次聚类

- （四）层次聚类
- - 1.算法步骤
  - 2.MATLAB 实现
  - 参考资料

（四）层次聚类

层次聚类是一种通过逐层合并或分裂数据点构建树状结构（树状图，Dendrogram）的聚类方法。它分为两种类型：

凝聚层次聚类（Agglomerative Hierarchical Clustering）：这是最常用的层次聚类方法。开始时每个数据点都被视为自己的簇，然后算法重复执行以下步骤直到所有点被合并为一个簇：
- 找出最近的两个簇。
- 将它们合并成一个新的簇。
- 重新计算新簇与其他簇之间的距离。
分裂层次聚类（Divisive Hierarchical Clustering）：与凝聚方法相反，这种较少使用的方法从整个数据集作为一个单一的簇开始，然后逐步分裂簇，直到每个数据点成为独立的簇为止。
- 商业应用场景：客户分群、市场细分、供应链优化等。

分层聚类分析（Hierarchical Clustering Analysis）生成的树状图，也称为树形图（Dendrogram），是展示数据点或簇之间层次关系的一种可视化方式。通过树状图，可以直观地看出哪些数据点或簇之间的相似度更高，以及如何逐步合并形成更大的簇。下面是一些解读树状图的关键点：
分层聚类分析树状图

树状图的基本结构
- 垂直轴：通常表示距离或相似性度量。在树状图中，分支的长度代表了合并的数据簇之间的距离。越长的分支意味着簇间距离更大，即这些簇中的数据点彼此间的相似度较低。
- 水平轴：代表参与聚类的数据点或者最终形成的簇。每个叶子节点对应一个原始数据点，而内部节点则代表由其子节点所构成的簇。
簇的形成过程
- 树状图从底部开始，每个数据点最初都是单独的一个簇。随着向上移动，距离较近的簇会逐渐合并成新的簇，这一过程持续进行直到所有数据点都被合并到一个单一的簇中。这个自底向上的过程被称为凝聚层次聚类。
如何决定簇的数量
- 切割树状图：通过在垂直方向上设定一个阈值来“切割”树状图，可以确定簇的数量。例如，在树状图上画一条水平线，这条线与多少个垂直线段相交就决定了将数据分成多少个簇。
- 观察大跳跃：有时可以通过观察垂直轴上的较大跳跃（即较长的分支）来判断合理的切割点，因为较大的跳跃意味着显著不同的簇。

1.算法步骤

数据标准化
- 目的：消除量纲差异，确保特征权重一致；
- 方法：Z-score 标准化、最大-最小归一化；
- 公式（Z-score）： $x_{scaled}=\frac{x−μ}{σ}$
计算距离矩阵
- 输入：标准化后的数据矩阵 $X∈R^{n×m}$ ， $n$ 为样本数， $m$ 为特征数；
- 输出：对称矩阵 $D∈R^{n×n}$ ，表示样本间距离；
- 距离度量：
  - 欧氏距离（默认）： $d_{ij}=\sqrt{\sum_{k=1}^m (x_{ik}-x_{jk})^2}$ ；
  - 曼哈顿距离、余弦相似度等。
合并最近的两个簇
- 链接方法（Linkage Criterion）：
  - 单链接（Single）：两簇中最近样本的距离；
  - 全链接（Complete）：两簇中最远样本的距离；
  - 平均链接（Average）：两簇所有样本对的平均距离；
  - Ward方法：合并后簇的方差增量最小（适合商业数据）。
更新距离矩阵
- 将合并后的新簇与其他簇的距离重新计算，更新矩阵 $D$ 。
终止条件
- 重复步骤3-4，直到所有样本合并为一个簇。
生成树状图
- 树状图（Dendrogram）：可视化合并过程，横轴为样本，纵轴为合并距离。
- 截断阈值：通过树状图高度或业务需求确定最终簇数。

2.MATLAB 实现

层次聚类实现用户价值分层结果①
层次聚类实现用户价值分层结果②
层次聚类实现用户价值分层结果③

%% 用户价值分层，绿色为高价值、红色为中价值、蓝色为低价值
clc;        % 清空命令行窗口
clear;      % 清除工作区变量
close all;  % 关闭所有图形窗口%% ====================== 生成模拟客户数据（200个样本） ======================
rng(42); % 固定随机种子，确保每次运行结果可复现
n_samples = 200; % 总样本数% 特征1：年消费金额（万元）—— 高价值客户消费更高
% 前100个样本为高价值客户，消费金额服从 N(3, 0.5) 分布
% 后100个样本为低价值客户，消费金额服从 N(1, 0.3) 分布
monetary = [abs(randn(n_samples/2,1)*0.5 + 3);   % 高价值组abs(randn(n_samples/2,1)*0.3 + 1)];  % 低价值组% 特征2：购买频率（次/年）—— 高价值客户更活跃
% 高价值组频率服从 N(10, 2)，低价值组服从 N(5, 3)
frequency = [abs(randn(n_samples/2,1)*2 + 10); abs(randn(n_samples/2,1)*3 + 5)];% 特征3：最近消费时间（天）—— 高价值客户更近期消费
% 高价值组最近消费时间服从 N(30, 30)，低价值组服从 N(90, 60)
recency = [abs(randn(n_samples/2,1)*30 + 30); abs(randn(n_samples/2,1)*60 + 90)];% 合并特征矩阵：每行代表一个客户，三列分别为消费金额、频率、最近时间
X = [monetary, frequency, recency]; % 真实标签（仅用于验证，实际聚类无监督，不需要标签）
labels = [ones(n_samples/2,1);   % 前100个样本标签为1（高价值）2*ones(n_samples/2,1)]; % 后100个样本标签为2（低价值）%% ====================== 数据标准化（Z-score） ======================
% 目的：消除量纲差异，使各特征均值为0，标准差为1
X_scaled = zscore(X); % zscore函数自动计算每列的均值和标准差%% ====================== 层次聚类（使用Ward方法） ======================
% 步骤1：计算样本间距离矩阵
% pdist计算欧氏距离，返回压缩格式的距离向量（上三角部分）
D = pdist(X_scaled, 'euclidean'); % 步骤2：构建层次聚类树（链接矩阵Z）
% linkage函数使用Ward方法（最小化簇内方差）进行层次聚类
% Z矩阵格式：每行代表一次合并，列依次为合并簇1、簇2、距离、新簇包含的样本数
Z = linkage(D, 'ward'); %% ====================== 手动划分聚类（3个簇） ======================
n = size(X_scaled, 1); % 样本数量（200）
k = 3; % 目标簇数
num_merges = n - k; % 需要合并的次数（200-3=197次）max_clusters = 2 * n - 1; % 最大可能簇数（初始n个簇 + 每次合并新增1个簇）
cluster_members = cell(1, max_clusters); % 存储每个簇的成员索引% 初始化：每个样本为一个独立簇
for i = 1:ncluster_members{i} = i; % 第i个簇仅包含样本i
end% 逐次合并簇（共197次）
for i = 1:num_mergesc1 = Z(i, 1); % 当前合并的第一个簇索引（来自Z矩阵第i行）c2 = Z(i, 2); % 当前合并的第二个簇索引new_cluster_idx = n + i; % 新簇的索引（从n+1开始递增）% 合并簇成员：将c1和c2的成员合并到新簇cluster_members{new_cluster_idx} = [cluster_members{c1}, cluster_members{c2}];% 清空原簇（避免重复使用）cluster_members{c1} = [];cluster_members{c2} = [];
end% 收集最终的k个簇（非空簇）
final_clusters = {}; % 存储最终簇的成员列表
for j = 1:length(cluster_members)if ~isempty(cluster_members{j})final_clusters{end+1} = cluster_members{j}; % 添加非空簇end
end% 为每个样本分配簇标签（1到k）
clusters = zeros(n, 1); % 初始化标签向量
for cluster_idx = 1:length(final_clusters)members = final_clusters{cluster_idx}; % 当前簇的成员索引clusters(members) = cluster_idx; % 分配簇标签
end%% ====================== 可视化与业务分析 ======================
% 绘制树状图（Dendrogram）
figure;
dendrogram(Z); % 显示层次聚类过程
title('客户分群树状图');
xlabel('样本索引');
ylabel('合并距离');% 绘制3D散点图展示聚类结果
figure;
scatter3(X_scaled(:,1), X_scaled(:,2), X_scaled(:,3), 50, clusters, 'filled');
xlabel('标准化消费金额');
ylabel('标准化购买频率');
zlabel('标准化最近消费时间');
title('客户价值分层结果');
colormap(jet); % 使用jet颜色映射区分簇% 统计各簇特征均值和标准差
% grpstats按簇分组计算统计量
cluster_stats = grpstats(X, clusters, {'mean', 'std'});
disp('各簇统计特征:');
disp(['     [Mean_Monetary] ','[Mean_Frequency] ','[Mean_Recency]']);
disp(['高价值组：',num2str(cluster_stats(2,:))]);
disp(['中价值组：',num2str(cluster_stats(3,:))]);
disp(['低价值组：',num2str(cluster_stats(1,:))]);% 输出业务策略
fprintf('=== 业务策略 ===\n');
fprintf('簇1（高价值）: 消费金额高、频率高、近期活跃 → 提供VIP服务与专属折扣\n');
fprintf('簇2（中价值）: 消费中等 → 推送促销活动提升复购\n');
fprintf('簇3（低价值）: 消费低且久未活跃 → 发送唤醒优惠券\n');

参考资料

[1] 层次聚类的基本原理_哔哩哔哩_bilibili
[2] 层次聚类的树状图如何看？序列分析和回归分析如何结合？哔哩哔哩_bilibili

【无监督学习】层次聚类步骤及matlab实现

层次聚类 （四）层次聚类1.算法步骤2.MATLAB 实现参考资料 （四）层次聚类层次聚类是一种通过逐层合并或分裂数据点构建树状结构（树状图，Dendrogram）的聚类方法。它分为两种类型： 凝聚…...

编程日记 2025/8/23 13:19:52

uploadlabs通关思路

目录靶场准备复现 pass-01 代码审计执行逻辑文件上传方法一：直接修改或删除js脚本方法二：修改文件后缀 pass-02 代码审计文件上传 1. 思路 2. 实操 pass-03 代码审计过程： 文件上传 pass-04 代码审计文件上传 p…...

编程日记 2025/8/22 11:07:12

doris：Elasticsearch

Elasticsearch Catalog 除了支持自动映射 ES 元数据外，也可以利用 Doris 的分布式查询规划能力和 ES(Elasticsearch) 的全文检索能力相结合，提供更完善的 OLAP 分析场景解决方案： ES 中的多 index 分布式 Join 查询。 Doris 和 ES 中的表联合…...

编程日记 2025/8/22 15:29:07

JetBrains学生申请

目录 JetBrains学生免费授权申请 IDEA安装与使用第一个JAVA代码 1.利用txt文件和cmd命令运行 2.使用IDEA新建项目 JetBrains学生免费授权申请本教程采用学生校园邮箱申请，所以要先去自己的学校申请校园邮箱。进入JetBrains官网点击立即申请，然…...

编程日记 2025/8/18 7:40:37

PDFMathTranslate安装使用

PDF全文翻译！！！！ PDFMathTranslate安装使用它是个啥 PDFMathTranslate 可能是一个用于 PDF 文件的数学公式翻译工具。它可能包含以下功能： 提取 PDF 内的数学公式将数学公式转换成 LaTeX 代码翻译数学公式的内…...

编程日记 2025/8/21 14:58:53

清华北大推出的 DeepSeek 教程（附 PDF 下载链接）

清华和北大分别都有关于DeepSeek的分享文档，内容非常全面，从原理和具体的应用，大家可以认真看看。北大 DeepSeek 系列 1：提示词工程和落地场景.pdf　北大 DeepSeek 系列 2：DeepSeek 与 AIGC 应用.pdf　清华 Deep…...

编程日记 2025/8/22 10:38:57

2025-03-09 学习记录--C/C++-PTA 练习11-4 字符定位（最后一次找到的字符）

合抱之木，生于毫末；九层之台，起于累土；千里之行，始于足下。💪🏻 一、题目描述 ⭐️ 裁判测试程序样例： #include <stdio.h> char *match(char *s, char ch); int main(void …...

编程日记 2025/8/16 10:05:45

C语言数据结构之顺序表

目录 1.线性表 2.顺序表 2.1.静态顺序表 2.2.动态顺序表 2.2.1.初始化 2.2.2.清空顺序表 2.2.3.扩容＋尾插 2.2.4.尾出函数 2.2.5.头插函数 2.2.6.头出函数 2.2.7.在中间位置插入 2.2.8.删除中间位置数据 2.2.9.查找函数 2.2.10.总结 3.OJ例题 3.1.合…...

编程日记 2025/8/21 14:13:22

【Git】合并冲突

合并冲突可是，在实际分支合并的时候，并不是想合并就能合并成功的，有时候可能会遇到代码冲突的问题。为了演示这问题，创建一个新的分支 dev1 ，并切换至目标分支，我们可以使用 git checkout -b dev1 一步…...

编程日记 2025/8/23 15:39:44

【每日学点HarmonyOS Next知识】Web跨域资源、Web长按菜单、Web拦截请求、禁止录屏、Base64图片宽高

1、HarmonyOS Web组件本地资源跨域问题？ 关于资源跨域问题的解决，可以参考以下官网文档：https://developer.huawei.com/consumer/cn/doc/harmonyos-guides-V5/web-cross-origin-V5 方法一为了使Web组件能够成功访问跨域资源，开…...

编程日记 2025/8/17 11:29:55

高效数据分析实战指南：Python零基础入门

高效数据分析实战指南 —— 以Python为基石，构建您的数据分析核心竞争力大家好，我是kakaZhui，从事数据、人工智能算法多年，精通Python数据分析、挖掘以及各种深度学习算法。一直以来，我都发现身边有很多在传统行业从…...

编程日记 2025/8/22 23:01:01

【语料数据爬虫】Python爬虫|批量采集征集意见稿数据（1）

前言本文是该专栏的第5篇，后面会持续分享Python爬虫采集各种语料数据的的干货知识，值得关注。在本文中，笔者将主要来介绍基于Python，来实现批量采集“征集意见稿”数据。同时，本文也是采集“征集意见稿”数据系列的第1篇。采集相关数据的具体细节部分以及详细思路逻辑…...

编程日记 2025/8/24 8:19:13

电力场景绝缘子缺陷分割数据集labelme格式1585张4类别

数据集格式：labelme格式(不包含mask文件，仅仅包含jpg图片和对应的json文件) 图片数量(jpg文件个数)：1585 标注数量(json文件个数)：1585 标注类别数：4 标注类别名称:["broken part","broken insulat…...

编程日记 2025/8/21 7:29:37

《C++ 构造、拷贝构造与析构函数：对象的诞生、克隆与消逝之旅》

类的6个默认成员函数构造函数是对一个对象实例化时的初始化例如在C语言中写的堆的时候要初始化StackInit，而c祖师爷写的构造函数本质上就是自动调用初始化。构造函数默认构造函数自己写的（符合规定的显示表达式） 注：一般情况下…...

编程日记 2025/8/23 13:36:49

uniapp uniCloud引发的血案（switchTab: Missing required args: “url“）！！！！！！！！！！

此文章懒得排版了，为了找出这个bug, 星期六的晚上我从9点查到0点多，此时我心中一万个草泥马在崩腾，超级想骂人！！！！！！！！！ uniCloud 不想…...

编程日记 2025/8/23 21:55:39

【论文阅读】VAD: Vectorized Scene Representation for Efficient Autonomous Driving

一、介绍 VAD是华科团队设计的一个端到端无人驾驶框架，针对传统的无人驾驶框架的模块化设计的问题，该算法使用向量化的策略进行了端到端的实现。传统的模块化设计使得感知模块完全依赖于感知模块的计算结果，这一解耦实际上从规划模块的角度损…...

编程日记 2025/8/24 8:19:12

uniapp版本加密货币行情应用

uniapp版本加密货币行情应用项目概述这是一个使用uniapp开发的鸿蒙原生应用，提供加密货币的实时行情查询功能。本应用旨在为用户提供便捷、实时的加密货币市场信息，帮助用户随时了解市场动态，做出明智的投资决策。应用采用轻量级设计&a…...

编程日记 2025/8/20 1:56:21

使用 Java 执行 SQL 语句和存储过程

使用 Java 执行 SQL 语句和存储过程，通常有两种主要的方式：使用 JDBC（Java Database Connectivity）或者通过框架如 Spring Data JPA、MyBatis 等。 1. 使用 JDBC 执行 SQL 语句 JDBC 是 Java 操作数据库的标准 API。以下是通过 …...

编程日记 2025/8/23 13:06:21

算法系列之深度优先搜索寻找妖怪和尚过河问题的所有方式

在算法学习中，深度优先搜索（DFS）是一种常用的图搜索算法，通过递归或栈实现，适合路径搜索、连通性、拓扑排序、回溯、生成、环路检测、强连通分量和可达性等问题。本文将介绍如何利用深度优先搜索解决“妖怪和尚过河问题…...

编程日记 2025/8/23 1:27:37

大白话JavaScript闭包实现原理与在实际开发中的应用场景

大白话JavaScript闭包实现原理与在实际开发中的应用场景答题思路解释闭包的概念：先简单直白地说明闭包是什么，让读者对闭包有一个初步的认识。阐述闭包的实现原理：详细讲解闭包是如何形成的，涉及到函数作用域、变量的生命周期…...

编程日记 2025/8/24 8:19:14

【redis】数据类型之geo

Redis的GEO数据类型用于存储地理位置信息（如经纬度），并提供高效的地理位置查询功能（如计算两地距离、搜索附近地点等）。其底层基于Sorted Set（有序集合）实现，通过Geohash编码将经纬度…...

编程日记 2025/8/19 14:05:13

C++后端服务器开发技术栈有哪些？有哪些资源或开源库拿来用？

一、 C后台服务器开发是一个涉及多方面技术选择的复杂领域，特别是在高性能、高并发的场景下。以下是C后台服务器开发的一种常见技术路线，涵盖了从基础到高级的技术栈。 1. 基础技术栈 C标准库 C11/C14/C17/C20：使用现代C特性，如…...

编程日记 2025/8/24 8:18:03

第五次CCF-CSP认证（含C++源码）

第五次CCF-CSP认证第一道（easy）思路及AC代码第二道（easy）思路及AC代码solution 1solution 2 第三道（mid）思路及AC代码（mid） 第一道（easy） 题目链接思路及…...

编程日记 2025/8/24 8:16:16

tcp udp区别

TCP（传输控制协议） 和 UDP（用户数据报协议） 是两种常用的传输层协议，它们在数据传输方式、可靠性和应用场景等方面有显著区别。以下是它们的主要区别： 1. 连接方式 TCP：面向连接的协议。通信前需…...

编程日记 2025/8/20 11:06:09

驱动 AI 边缘计算新时代！高性能 i.MX 95 应用平台引领未来

智慧浪潮崛起：AI与边缘计算的时代正悄然深植于我们的日常生活之中，无论是火热的 ChatGPT 与 DeepSeek 语言模型，亦或是 Meta 智能眼镜，AI 技术已经无形地影响着我们的生活。这股变革浪潮并未停歇，而是进一步催生了更高…...

编程日记 2025/8/18 20:43:07

【Keil5教程及技巧】耗时一周精心整理万字全网最全Keil5(MDK-ARM)功能详细介绍【建议收藏-细细品尝】

💌 所属专栏：【单片机开发软件技巧】 😀 作者： 于晓超 🚀 个人简介：嵌入式工程师，专注嵌入式领域基础和实战分享 ，欢迎咨询！ 💖 欢迎大家&#xff1…...

编程日记 2025/8/24 8:18:01

Linux 进程管理工具 Supervisor

介绍 Supervisor 是一个用 Python 编写的进程管理工具，旨在帮助你监控和控制多个进程。它特别适用于需要确保某些服务在服务器启动时自动运行，并且在崩溃时自动重启的场景。写在前面： 因为现在很多第三方的包的最新版本都是基于 python3了…...

编程日记 2025/8/23 15:08:46

问题解决：AttributeError: ‘NoneType‘ object has no attribute ‘text‘

项目环境： 我的环境：Window10，Python3.12，Anaconda3，Pycharm2024.3.4 问题描述： 找不到’text’这个对象部分代码： Traceback (most recent call last):File "D:\IT DateFiles\PyDate\FQ…...

编程日记 2025/8/22 13:21:34

Hadoop、Hive、Spark的关系

Part1：Hadoop、Hive、Spark关系概览 1、MapReduce on Hadoop 和spark都是数据计算框架，一般认为spark的速度比MR快2-3倍。 2、mapreduce是数据计算的过程，map将一个任务分成多个小任务，reduce的部分将结果汇总之后返回。 3、HIv…...

编程日记 2025/8/23 17:03:21

OneM2M：全球性的物联网标准-可应用于物联网中

OneM2M 是一个全球性的物联网（IoT）标准，旨在为物联网设备和服务提供统一的框架和接口，以实现设备之间的互操作性、数据共享和服务集成。OneM2M 由多个国际标准化组织（如 ETSI、TIA、TTC、ARIB 等）共同制定，目标是解决物联网领域的碎片化问题，提供一个通用的标准，支持跨…...

编程日记 2025/8/24 8:18:01

C++类和对象入门（三）

目录前言一、初始化列表 1.1定义 1.2 格式和语法 1.3与在函数内初始化的区别 1.4使用初始化列表的必要性 1.5成员变量默认值的使用（C11） 1.6初始化的先后顺序 1.7初始化列表的总结二、类型转换 2.1内置类型转化成类类型 2.2类类型之间的相…...

编程日记 2025/8/19 8:47:07

Ubuntu 下 Docker 企业级运维指南：核心命令与最佳实践深度解析20250309

Ubuntu 下 Docker 企业级运维指南：核心命令与最佳实践深度解析在当今的数字化时代，Docker 已成为企业应用部署和运维的基石。其轻量级、高效且灵活的容器化技术，为企业带来了前所未有的敏捷性和可扩展性。然而，随着容器化应用的…...

编程日记 2025/8/21 12:49:00

Tensorflow 2.0 GPU的使用与限制使用率及虚拟多GPU

Tensorflow 2.0 GPU的使用与限制使用率及虚拟多GPU 1. 获得当前主机上特定运算设备的列表2. 设置当前程序可见的设备范围3. 显存的使用4. 单GPU模拟多GPU环境先插入一行简单代码，以下复制即可用来设置GPU使用率： import tensorflow as tf import numpy…...

编程日记 2025/8/22 18:54:42

【PyCharm】Python和PyCharm的相互关系和使用联动介绍

李升伟整理 Python 是一种广泛使用的编程语言，而 PyCharm 是 JetBrains 开发的专门用于 Python 开发的集成开发环境（IDE）。以下是它们的相互关系和使用联动的介绍： 1. Python 和 PyCharm 的关系 Python：一种解释型、…...

编程日记 2025/8/23 10:43:56

动态规划：多重背包

本题力扣上没有原题，大家可以去卡码网第56题 (opens new window)去练习，题意是一样的。 56. 携带矿石资源（第八期模拟笔试） 题目描述你是一名宇航员，即将前往一个遥远的行星。在这个行星上，有许多不同类…...

编程日记 2025/8/21 19:09:56

AI编程：一个案例对比CPU和GPU在深度学习方面的性能差异

背景字节跳动正式发布中国首个AI原生集成开发环境工具（AI IDE）——AI编程工具Trae国内版。该工具模型搭载doubao-1.5-pro，支持切换满血版DeepSeek R1&V3， 可以帮助各阶段开发者与AI流畅协作，更快、更高质量地完…...

编程日记 2025/8/18 13:21:17

TensorFlow 的基本概念和使用场景

TensorFlow 是一个由 Google 开发的开源深度学习框架，用于构建和训练机器学习模型。它的基本概念包括以下几点： 张量（Tensor）：在 TensorFlow 中，数据以张量的形式表示，张量可以是多维数组&#…...

编程日记 2025/8/21 12:59:10

gRPC学习笔记

微服务一旦某个服务器宕机，会引起整个应用不可用，隔离性差只能整体应用进行伸缩，浪费资源，可伸缩性差代码耦合在一起，可维护性差微服务架构：解决了单体架构的弊端可以按照服务进行单独扩容各个…...

编程日记 2025/8/21 10:12:29

Linux常见指令

Linux常见指令 1、ls指令2、pwd命令3、cd指令4、touch指令5、mkdir指令6、rmdir指令和rm指令7、man指令8、cp指令9、mv指令10、cat指令11、重定向12、more指令13、less指令14、head指令15、tail指令16、管道17、时间相关指令18、cal指令19、find指令20、grep指令21、zip/unzip指…...

编程日记 2025/8/20 8:15:08

1、Vue项目搭建 npm init vuelatest cd 文件目录 npm i npm run dev // npm run _ 这个在package.json中查看scripts /* vue_study\.vscode可删 // vue_study\src\components也可删除(基本语法，不使用组件) */ // vue_study\.vscode\lau…...

编程日记 2025/8/22 5:21:16

用OpenCV写个视频播放器可还行？（C++版）

引言提到OpenCV，大家首先想到的可能是图像处理、目标检测，但你是否想过——用OpenCV实现一个带进度条、倍速播放、暂停功能的视频播放器？本文将通过一个实战项目，带你深入掌握OpenCV的视频处理能力，并解锁以下功能&a…...

编程日记 2025/8/21 8:34:10

clion+arm-cm3+MSYS-mingw +jlink配置用于嵌入式开发

0.前言正文可以跳过这段初识clion，应该是2015年首次发布的时候， 那会还是大三，被一则推介广告吸引到，当时还在用vs studio，但是就喜欢鼓捣新工具，然后下载安装试用了clion，但是当时对cmake规…...

编程日记 2025/8/23 17:59:11

物联网-IoTivity：开源的物联网框架

IoTivity 是一个开源的物联网（IoT）框架，旨在为物联网设备提供互操作性、安全性和可扩展性。它由 Open Connectivity Foundation (OCF) 主导开发，遵循 OCF 的标准，致力于实现设备之间的无缝连接和通信。IoTivity 提供了一个统一的框架，支持设备发现、数据交换、设备管理和…...

编程日记 2025/8/16 10:06:30

Acrobat DC v25.001 最新专业版已破，像word一样编辑PDF！

在数字化时代，PDF文件以其稳定性和通用性成为了文档交流和存储的热门选择。无论是阅读、编辑、转换还是转曲，大家对PDF文件的操作需求日益增加。因此，一款出色的PDF处理软件不仅要满足多样化的需求，还要通过简洁的界面和强大的功能…...

编程日记 2025/8/22 22:16:32

【c++】模板进阶

在前面我们学习了模板的基础用法【c】模板初阶-CSDN博客初步认识了函数模板和类模板，接下来让我们看看模板还有哪些进阶的应用。非类型模板参数之前我们用到的模板全都使用了类型参数类型参数：表示某种数据类型（如 int、double、自定义…...

编程日记 2025/8/21 21:39:58

IntelliJ IDEA 2021版创建springboot项目的五种方式

第一种方式，通过https://start.spring.io作为spring Initializr的url来创建项目。第二种方式，通过https://start.spring.io官网来直接创建springboot项目压缩包，然后导入至我们的idea中。点击generate后，即可生成压缩包&#xf…...

编程日记 2025/8/19 10:38:35

数字信号处理之信号功率谱计算welch方法（分段加窗平均周期图）、Bartlett方法（周期图）（Python)

welch方法原理说明 welch方法[1]通过将数据划分为重叠的段，计算每个段的进行修改(加窗)后的周期图，然后对所有段的周期图求和进行平均，得到最终的功率谱密度。 Python和Matlab中均存在welch函数。welch函数通过配置noverlap为0，可…...

编程日记 2025/8/21 11:58:40

【面试】Java 基础

基础 1、Java 中几种基本数据类型什么，各自占用多少字节2、基本数据同包装类的区别3、Java 基本类型的参数传递和引用类型的参数传递有啥区别4、隐式类型转换和显式类型转换5、switch 语句表达式结果的类型6、数组的扩容方式7、面向对象三大特征8、静态变量和成员变…...

编程日记 2025/8/22 15:51:37

【工具使用】IDEA 社区版如何创建 Spring Boot 项目（详细教程）

IDEA 社区版如何创建 Spring Boot 项目（详细教程） Spring Boot 以其简洁、高效的特性，成为 Java 开发的主流框架之一。虽然 IntelliJ IDEA 专业版提供了Spring Boot 项目向导，但社区版（Community Edition&#xff09…...

编程日记 2025/8/23 3:24:53

CTFHub-FastCGI协议/Redis协议

将木马进行base64编码 <?php eval($_GET[cmd]);?> 打开kali虚拟机，使用虚拟机中Gopherus-master工具 Gopherus-master工具安装 git clone https://github.com/tarunkant/Gopherus.git 进入工具目录 cd Gopherus 使用工具 python2 "位置" --expl…...

编程日记 2025/8/23 12:09:19

层次聚类

（四）层次聚类

1.算法步骤

2.MATLAB 实现

参考资料

相关文章：