问题背景说来话长，在去年选毕设的时候，计算机的毕设95%都是游戏开发和后端开发(后端数据库配前端页面展示)，这些东西我实在不会，唯一会的就是其中为数不多的单片机开发。而唯一的深度学习项目难度过大当作研究生毕设也不为过，后期老师提供的一些python项目也没及时看到，阴差阳错的选了这个毕设。
动态规划问题系列
实在没兴趣去新开一个标签或分类，就准备把刷题期间遇到的所有动态规划问题放在这里了。还是老样子，思路分析，算法求解，代码实现。但动态规划问题多种多样，我暂时遇到的也不是很多，愿本文能一直保持收录。
提升方法（上）——基于AdaBoost：SAMME
在多年前的某次任务中，看到了别人使用提升树等算法，取得了比较好的效果。今日眼馋，特来学习提升方法，并记录于此。提升方法是一种统计学习方法。在分类问题中，通过改变训练样本的权重，学习多个分类器，将多个分类器进行线性组合，以提升分类的性能。
核密度聚类
当问题需要自动地确定聚类数目时，传统的KMeans等聚类方法不在适用。因此，使用“核概率密度估计”的思路自行设计了两种聚类方法。本文收录：
- 核是什么
- 核密度估计
- 基于核密度估计的两种聚类方法
- 代码实现
栈的应用——判断pop序列是否合理
栈有着广泛的应用，比如逆波兰表达式，表达式求值，迷宫问题求解，程序调用等，不过这些问题今天都不涉及哈哈哈哈。关于程序执行期间，各个函数的相互调用使用的调用栈，可以参考这里。
也许在上数据结构这门课的时候，经常遇到一个问题，一个栈压入一个序列，随缘pop，判断哪个是合理的pop，哪个是不合理的pop，之前都是脑内演算。很巧的今天我在刷题期间也遇到了，记录一下如何用代码判断pop序列是否合理。
大学毕业的前夕
想来也快要大学毕业了，2016年唐县一中毕业，2020年某不太行大学毕业，四年了。
爬虫系列（三）——多进程爬虫
承接上文，实现多任务的方法一般有三种，今日来实现其中的一种：多进程爬虫。而剩余的多线程并发和协程暂时没时间搞了，一方面是要先学习下Python的yield和send如何使用，其次要准备毕设的中期答辩和被老师安排了去读源代码，日后会补上的。但仅仅是多进程，就将IO密集的任务从1153秒提升到了105秒，且极高的提升了资源利用率。
还有一点，本文的代码可能只适用于Next主题，但方法思路是通解，只要改改参数适应你的主题，代码同样能用。结果展示：本站热门