Posts on 南国遗梦的小站

Kmeans算法

Sun, 09 Aug 2026 22:37:33 +0800

一、算法概述

K-Means（K 均值聚类）是一种基于划分的无监督学习算法，用于把 $n$ 个样本划分为 $K$ 个簇（cluster），使得簇内的样本尽可能相似（紧凑），簇间的样本尽可能不同（分离）。

Java核心技术卷1知识点

Sat, 20 Dec 2025 19:37:52 +0800

第1章 Java程序设计概述

Java语言的特点

平台无关性：一次编写，到处运行（Write Once, Run Anywhere），通过JVM实现
面向对象：支持封装、继承、多态三大特性
安全性：强类型检查、自动内存管理（垃圾回收）、字节码验证
健壮性：异常处理机制、自动内存管理
多线程：内置对并发编程的支持

Java体系结构

Java虚拟机(JVM)：执行字节码的虚拟计算机，实现平台无关性
Java运行时环境(JRE)：包括JVM和核心类库
Java开发工具包(JDK)：包括JRE和开发工具（编译器、调试器等）

第2章 Java程序设计环境

第一个Java程序

public class HelloWorld {
    public static void main(String[] args) {
        System.out.println("Hello, World!");
    }
}

编译：javac HelloWorld.java，生成HelloWorld.class字节码文件
运行：java HelloWorld

Java程序结构

源文件命名：必须与公共类名相同，以.java结尾
类定义：使用class关键字，可包含属性和方法
主方法：public static void main(String[] args)，程序入口点

第3章 Java的基本程序设计结构

数据类型

1. 基本数据类型（8种）：

全局阈值二值化

Tue, 02 Dec 2025 20:52:12 +0800

128阈值

在灰度图像中，像素值范围是0到255（共 256 个离散级）。把灰度图二值化时常见的简单规则是：

若像素值 $I(x,y)\geq T$，则置为 255（白）
否则置为0（黑）

当T=128时，即将灰度中点作为阈值：所有亮度 $\ge 128$ 的像素判为“亮”，小于的则判为”暗。

Logistic回归

Sat, 29 Nov 2025 14:52:43 +0800

核心

逻辑回归的目的和结果是“分类”，其中间过程是”回归“，通过回归模型计算出可能性，再加上阈值，可能性超过阈值是一类，低于阈值为一类

Sigmond函数

Sigmond函数为逻辑回归算法的拟合函数：

线性回归

Mon, 24 Nov 2025 20:52:57 +0800

一元线性回归

基本方程：

$$ y = \beta_{0} + \beta_{1}x $$

当给定参数$\beta_{0}$和$\beta_{1}$后，函数图像呈现一条直线。当我们只用一个$x$来预测$y$，就是一元线性回归，但在一般条件下，这两个参数是未知的，我们知道的只有$x$和$y$，在二维图像上表现为一个个单独的点，线性回归就是要找到一条直线，尽可能让这条线去拟合图中的点（即所有的$x$和$y$的组合）。

Numpy使用手册

Wed, 05 Nov 2025 12:47:28 +0800

创建数组

从列表创建

# 一维数组
arr1d = np.array([1, 2, 3, 4, 5])
print(arr1d)  # [1 2 3 4 5]

# 二维数组
arr2d = np.array([[1, 2, 3], [4, 5, 6]])
print(arr2d)
# [[1 2 3]
#  [4 5 6]]

# 三维数组
arr3d = np.array([[[1, 2], [3, 4]], [[5, 6], [7, 8]]])
print(arr3d)

特殊数组创建

# 全零数组
zeros = np.zeros((3, 4))
print(zeros)

# 全一数组
ones = np.ones((2, 3))
print(ones)

# 单位矩阵
identity = np.eye(3)
print(identity)

# 等差数列
lin_arr = np.linspace(0, 10, 5)  # 从0到10，5个等间距数
print(lin_arr)  # [ 0.   2.5  5.   7.5 10. ]

# 等差数列（指定步长）
arange_arr = np.arange(0, 10, 2)  # 从0到10，步长为2
print(arange_arr)  # [0 2 4 6 8]

# 随机数组
random_arr = np.random.random((2, 3))  # 0-1之间的随机数
print(random_arr)

数组属性

arr = np.array([[1, 2, 3], [4, 5, 6]])

print("数组:", arr)
print("维度:", arr.ndim)        # 2
print("形状:", arr.shape)       # (2, 3)
print("元素总数:", arr.size)    # 6
print("数据类型:", arr.dtype)   # int64
print("元素大小(字节):", arr.itemsize)  # 8

数组索引与切片

一维数组

arr = np.array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])

print(arr[2])        # 2
print(arr[2:5])      # [2 3 4]
print(arr[:5])       # [0 1 2 3 4]
print(arr[5:])       # [5 6 7 8 9]
print(arr[::2])      # [0 2 4 6 8] 步长为2
print(arr[::-1])     # [9 8 7 6 5 4 3 2 1 0] 反转

多维数组

arr = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])

print(arr[0, 1])     # 2
print(arr[1, :])     # [4 5 6] 第二行
print(arr[:, 1])     # [2 5 8] 第二列
print(arr[0:2, 1:3]) # [[2 3] [5 6]] 子数组

布尔索引

arr = np.array([1, 2, 3, 4, 5, 6])

# 选择大于3的元素
mask = arr > 3
print(mask)          # [False False False True True True]
print(arr[mask])     # [4 5 6]

# 直接使用条件
print(arr[arr % 2 == 0])  # [2 4 6] 偶数

数组操作

形状操作

arr = np.arange(12)
print("原始数组:", arr)

# 重塑形状
reshaped = arr.reshape(3, 4)
print("重塑后:\n", reshaped)

# 展平
flattened = reshaped.flatten()
print("展平:", flattened)

# 转置
transposed = reshaped.T
print("转置:\n", transposed)

数组拼接

a = np.array([[1, 2], [3, 4]])
b = np.array([[5, 6], [7, 8]])

# 垂直拼接
v_stack = np.vstack((a, b))
print("垂直拼接:\n", v_stack)

# 水平拼接
h_stack = np.hstack((a, b))
print("水平拼接:\n", h_stack)

数组分割

arr = np.arange(12).reshape(3, 4)
print("原始数组:\n", arr)

# 水平分割
h_split = np.hsplit(arr, 2)
print("水平分割:")
for part in h_split:
    print(part)

# 垂直分割
v_split = np.vsplit(arr, 3)
print("垂直分割:")
for part in v_split:
    print(part)

数学运算

基本运算

a = np.array([1, 2, 3, 4])
b = np.array([5, 6, 7, 8])

print("a + b =", a + b)  # [ 6  8 10 12]
print("a - b =", a - b)  # [-4 -4 -4 -4]
print("a * b =", a * b)  # [ 5 12 21 32]
print("a / b =", a / b)  # [0.2 0.333 0.429 0.5]
print("a ** 2 =", a ** 2)  # [ 1  4  9 16]

通用函数

arr = np.array([0, np.pi/2, np.pi])

print("sin:", np.sin(arr))      # [0. 1. 0.]
print("cos:", np.cos(arr))      # [1. 0. -1.]
print("exp:", np.exp(arr))      # 指数函数
print("log:", np.log(arr + 1))  # 自然对数
print("sqrt:", np.sqrt(arr))    # 平方根

统计函数

arr = np.array([[1, 2, 3], [4, 5, 6]])

print("数组:\n", arr)
print("总和:", np.sum(arr))           # 21
print("平均值:", np.mean(arr))        # 3.5
print("标准差:", np.std(arr))         # 1.7078
print("方差:", np.var(arr))           # 2.9167
print("最小值:", np.min(arr))         # 1
print("最大值:", np.max(arr))         # 6
print("沿轴0求和:", np.sum(arr, axis=0))  # [5 7 9]
print("沿轴1求和:", np.sum(arr, axis=1))  # [6 15]

线性代数

# 矩阵乘法
a = np.array([[1, 2], [3, 4]])
b = np.array([[5, 6], [7, 8]])

dot_product = np.dot(a, b)
print("矩阵乘法:\n", dot_product)

# 行列式
det = np.linalg.det(a)
print("行列式:", det)

# 逆矩阵
inv = np.linalg.inv(a)
print("逆矩阵:\n", inv)

# 特征值和特征向量
eigenvalues, eigenvectors = np.linalg.eig(a)
print("特征值:", eigenvalues)
print("特征向量:\n", eigenvectors)

随机数生成

# 设置随机种子（保证结果可重现）
np.random.seed(42)

# 均匀分布
uniform = np.random.rand(3, 3)  # 0-1均匀分布
print("均匀分布:\n", uniform)

# 正态分布
normal = np.random.randn(3, 3)  # 标准正态分布
print("正态分布:\n", normal)

# 整数随机数
integers = np.random.randint(0, 10, (2, 3))  # 0-10的整数
print("整数随机数:\n", integers)

# 随机排列
arr = np.arange(10)
np.random.shuffle(arr)
print("随机排列:", arr)

数组保存与读取

# 创建示例数组
arr = np.arange(12).reshape(3, 4)

# 保存为文本文件
np.savetxt('array.txt', arr)

# 从文本文件读取
loaded = np.loadtxt('array.txt')
print("从文件读取:\n", loaded)

# 保存为二进制文件
np.save('array.npy', arr)

# 从二进制文件读取
loaded_binary = np.load('array.npy')
print("从二进制文件读取:\n", loaded_binary)

# 保存为压缩的二进制文件
np.savez('array_compressed.npz', my_array=arr)

# 从压缩文件读取
loaded_compressed = np.load('array_compressed.npz')
print("从压缩文件读取:\n", loaded_compressed['my_array'])

实用技巧

广播机制

# 数组与标量的运算（广播）
arr = np.array([[1, 2, 3], [4, 5, 6]])
result = arr + 10  # 每个元素加10
print("广播加法:\n", result)

# 不同形状数组的运算
a = np.array([[1], [2], [3]])  # 形状 (3, 1)
b = np.array([4, 5, 6])        # 形状 (3,)
result = a + b  # 广播为 (3, 3)
print("形状广播:\n", result)

条件运算

arr = np.array([1, 2, 3, 4, 5])

# where函数
result = np.where(arr > 3, arr, 0)  # 大于3的保留，其他设为0
print("条件运算:", result)  # [0 0 0 4 5]

# 布尔运算
mask = (arr > 2) & (arr < 5)  # 2 < arr < 5
print("布尔掩码:", mask)      # [False False True True False]

WordCard技术文档

Fri, 17 Oct 2025 14:53:54 +0800

WordCard 技术文档

版本：1.0

简介

WordClock 是基于 customtkinter 的桌面小工具，用于在桌面悬浮窗中循环显示单词及其翻译，并支持从 JSON 导入词表、将词表写入 SQLite 数据库、通过系统托盘控制程序、保存窗口位置及设置等功能。

SQLite3

Sat, 11 Oct 2025 15:16:24 +0800

打开数据库

使用SQLite3创建数据的连接，当数据库文件存在则连接对象直接打开数据库文件，不存在则自动创建数据库文件。连接对象可以是硬盘上面的数据库文件，也可以是建立在内存（memory）中的，在内存中的数据库执行完任何操作后，都不需要提交事务的(commit)

滤波器

Sun, 14 Sep 2025 01:14:13 +0800

滤波器的本质

其本质是一种特殊的函数，即在图像的局部区域用提供的明确计算方法对区内的像素值进行计算，用最后的计算结果替代该局部区域的中心值。

$$ V=G(X,W) $$

其中X是矩阵（局部区域），W是向量（计算权重）

PyQt5

Fri, 22 Aug 2025 20:41:39 +0800

PyQt5能干什么

PyQt5的主要作用是创建UI界面，同时支持鼠标以及键盘的交互，不仅提供界面控件，还提供网络、数据库、多媒体等应用开发功能，具体来说：

UI控件（Widgets）：

最基础也是最重要的，提供大量开箱即用的的UI元素，可以像搭积木一样构建界面

国家大学生就业服务平台岗位爬取

Wed, 20 Aug 2025 17:47:51 +0800

获取Cookie

起初在进入到岗位页面时，发现无需登录也能访问岗位列表，因此打算直接从网络中找到返回工作列表的请求，通过侧边栏搜索相关字段，定位请求位置:

BeautifulSoup

Tue, 05 Aug 2025 15:27:58 +0800

BeautifulSoup

简介

BeautifulSoup 是一个可以把 HTML 或 XML 文档“变成结构化树”，方便你用Python 来查找、遍历、提取内容的工具。

解析器

解析器	使用方法	优势	劣势
Python标准库	BeautifulSoup(markup, ‘html.parser’)	python内置的标准库，执行速度适中	Python3.2.2之前的版本容错能力差
lxml HTML解析器	BeautifulSoup(markup, ’lxml')	速度快、文档容错能力强	需要安装C语言库
lxml XML解析器	BeautifulSoup(markup ‘xml’)	速度快，唯一支持XML的解析器	需要安装C语言库
html5lib	BeautifulSoup(markup, ‘html5lib’)	最好的容错性、以浏览器的方式解析文档、生成HTML5格式的文档	速度慢，不依赖外部拓展

具体使用代码展示如下：

Urllib3

Tue, 05 Aug 2025 12:10:50 +0800

Urllib3

特点：

连接池管理：在客户端和服务器之间复用已有连接，避免每次请求都重新建立新连接，核心是PoolManager,内部维护一个或多个ConnectionPool；
线程安全：适合在多线程环境下进行并发请求；
重试机制：请求失败自动重试；
SSL/TLS验证：建立 HTTPS 连接时，客户端校验服务器提供的数字证书是否可信，并通过 TLS 协议完成数据加密通道的协商；
代理支持：在客户端（你）访问目标网站时，通过一个中间服务器（代理服务器）中转请求和响应，而不是直接访问目标网站；
文件上传：支持 multipart 文件上传；
编码处理：自动处理响应内容的编码问题；

核心类与方法：

PoolManager：最核心类，负责管理连接池和所有请求。

Chinese Test

Wed, 09 Sep 2020 00:00:00 +0000

正文测试

而这些并不是完全重要，更加重要的问题是，带着这些问题，我们来审视一下学生会退会。既然如何，对我个人而言，学生会退会不仅仅是一个重大的事件，还可能会改变我的人生。我们不得不面对一个非常尴尬的事实，那就是，可是，即使是这样，学生会退会的出现仍然代表了一定的意义。学生会退会，发生了会如何，不发生又会如何。经过上述讨论，生活中，若学生会退会出现了，我们就不得不考虑它出现了的事实。学生会退会，到底应该如何实现。这样看来，在这种困难的抉择下，本人思来想去，寝食难安。对我个人而言，学生会退会不仅仅是一个重大的事件，还可能会改变我的人生。就我个人来说，学生会退会对我的意义，不能不说非常重大。莎士比亚曾经提到过，人的一生是短的，但如果卑劣地过这一生，就太长了。这似乎解答了我的疑惑。莫扎特说过一句富有哲理的话，谁和我一样用功，谁就会和我一样成功。这启发了我，对我个人而言，学生会退会不仅仅是一个重大的事件，还可能会改变我的人生。学生会退会，到底应该如何实现。一般来说，从这个角度来看，这种事实对本人来说意义重大，相信对这个世界也是有一定意义的。在这种困难的抉择下，本人思来想去，寝食难安。了解清楚学生会退会到底是一种怎么样的存在，是解决一切问题的关键。一般来说，生活中，若学生会退会出现了，我们就不得不考虑它出现了的事实。问题的关键究竟为何？而这些并不是完全重要，更加重要的问题是。

Markdown Syntax Guide

Mon, 11 Mar 2019 00:00:00 +0000

This article offers a sample of basic Markdown syntax that can be used in Hugo content files, also it shows whether basic HTML elements are decorated with CSS in a Hugo theme.

Placeholder Text

Sat, 09 Mar 2019 00:00:00 +0000

Lorem est tota propiore conpellat pectoribus de pectora summo.

Math Typesetting

Fri, 08 Mar 2019 00:00:00 +0000

Mathematical notation in a Hugo project can be enabled by using third party JavaScript libraries.

Emoji Support

Tue, 05 Mar 2019 00:00:00 +0000

Emoji can be enabled in a Hugo project in a number of ways.