HFI笔记

上次发操作系统笔记，很快浏览上万，这次数据结构比上次硬核的多哦，同样的会发超硬核代码，关注吧。

线性表：是具有相同数据类型的 n 个数据元素的有限序列。(Eg:所有的整数按递增次序排列，不是顺序表，因为所有的整数是无限的)其中n为表长，当n=0时线性表是一个空表。若用L表示一个线性表，则是线性表中的第i个元素，称为线性表中的位序是表头元素;是表尾元素。除第一个元素外，每个元素有且仅有一个直接前驱;除最后一个元素外，每个元素有且仅有一个直接后继2.1.2 线性表的基本操作InitList(&L)：初始化表。构造一个空的线性表 L，分配内存空间。

（2）静态查找表&动态查找表的区别用法【顺序查找-线性查找-折半查找-二分查找-有序表查找-插值查找-斐波那契查找-索引顺序表查找-分块查找】单独使用顺序存储结构（即数组）无法很好地实现树的存储概念，不过如果充分利用顺序存储和链式存储结构的特点，则完全可以实现对数的存储结构的表示。深度为 2，则至多只有 3 个结点：根结点，根结点的左子树，根结点的右子树···指的是这样一个数列：1、1、2、3、5、8、13、21、……（3）四中常见的多路查找树【2-3 树$2-3-4 树$B 树$B+ 树】的区别用法。

数据结构第一章绪论1.1数据结构的基本概念1.2数据结构的三要素1.3算法的基本概念1.4算法的时间复杂度1.5算法的空间复杂度 第一章绪论 1.1数据结构的基本概念 1.数据：数据是信息的载体，是描述客观事物属性的数、字符以及所有能输入到计算机中并被程序识别和处理的符号的集合。 2.数据元素：数据元素是数据的基本单位，通常作为一个整体进行考虑和处理。一个数据元素可由若干数据项组成，数据项是构成数据元素的不可分割的最小单位。例如，学生记录就是一个数据元素，它由学号、姓名、性别等数据项组成。 3.数据对象:数

数值分析学习笔记

本文是我学习typora所做的笔记，对各类操作尽量简洁表述，方便简单快速查询。 文章包含了typora的主要操作及其快捷键，暂未更新流程图和公式的语法等较为复杂的操作。 第一次发文可能文章表述有不当或不足之处；希望我的这篇文章可以帮到大家。

单片机，英文Micro Controller Unit，简称MCU 。内部集成了中央处理器CPU、随机存储器ROM、只读存储器RAM、定时器/计算器、中断系统和IO口等一系列电脑的常用硬件功能 单片机的任务是信息采集（依靠传感器）、处理（依靠CPU）和硬件设备（例如电机，LED等）的控制 。单片机跟计算机相比，单片机算是一个袖珍版计算机，一个芯片就能构成完整的计算机系统。但在性能上，与计算机相差甚远，但单片机成本低、体积小、结构简单，在生活和工业控制领域大有所用。 同时，学习使用单片机是了解计算机原理与结构

众所周知，离散数学这门课概念繁多，到处都是定义、定理，而很不幸我们学校的老师讲课又只是简单对着PPT念，非常不利于我们学习和复习离散数学这门科目。为了提高复习效率，方便我今后查阅。我结合东北大学的离散数学网课，配合教材《离散数学.冯伟森著》以及各大网友的博客（主要是各类插图）整理了这篇图论笔记，初衷是方便自己复习使用。所有引用内容在文章末尾都有提及。本文处于不断迭代完善的过程，后期根据做过的习题和新的理解，不断做补充。一些最基本的定义，就不一个个敲了，只把握符号和重点的定理。简单图：无环，无平行边。

RAG的能力核心是有效结合了检索和生成两种方法。基本思路是把私有数据进行切片，向量化后通过向量检索进行召回，再作为上下文输入到通用大模型，模型再进行分析和回答。同时，AI Agent也可以利用RAG技术来提高其在特定任务（如问答或对话系统）中的性能，尤其是在需要外部知识来支持决策时。RAG可以作为LangChain（如果它是一个语言处理工具）的一部分，用于提供更加丰富和准确的语言生成能力。AI Agent可能使用LangChain来处理自然语言的任务，比如理解用户输入和生成响应。

本系列为通过《pikachu靶场通关笔记》的XSS关卡(共10关）渗透集合，通过对XSS关卡源码的代码审计找到XSS风险的真实原因，讲解XSS的原理并进行渗透实践，本文为XSS关卡03-存储型XSS的渗透部分。

本次项目旨在使用 C 语言开发一个控制台版本的扫雷游戏，实现以下基本功能： 初始化游戏棋盘，包括雷区的布置和非雷区域周围雷数的计算。 玩家通过输入坐标来翻开棋盘格子，若翻开雷则游戏失败，若翻开所有非雷格子则游戏胜利。 提供标记雷的功能，方便玩家识别可能有雷的区域。 具备良好的用户交互界面，显示棋盘状态和游戏提示信息。

threshold中只有一个全局全阈值，会受到阴影与光照的影响。在adaptiveThreshold()中提供了两种局部自适应阈值的二值化方法。这个函数会将灰度图像转化为二值图像，通过均值法或高斯法自适应计算邻域内的阈值，随后再进行二值化。OpenCV 中常见的颜色空间包括：BGR、RGB、GRAY、YUV、HSV、Lab 等。二值图像中只有两个值，即原图像中的灰度最大值与最小值。在threshold()中，原图像只能是CV_8U或CV_32F。操作数（及结果）的尺寸、通道数和数据类型必须一致。