mirror of
https://github.com/Estom/notes.git
synced 2026-04-03 02:49:25 +08:00
计划
This commit is contained in:
yinkanglong_lab
@@ -1,113 +1,138 @@
|
||||
# 机器学习
|
||||
|
||||
## 当前的主要任务：
|
||||
|
||||
现在处在研究的第一和第二阶段。关于第一阶段联邦学习的应用场景，主要由蒋师兄完成。第二阶段，学习联邦学习关联的基础知识，为第三阶段机器学习算法的实现和框架的搭建做好准备。
|
||||
|
||||
看完相关的文章和博客。然后开始学习，用两周时间学习完成基础知识。在学习基础知识的时候，使用tensorflow框架进行算法的运行。
|
||||
看完相关的文章和博客。然后开始学习，用两周时间学习完成基础知识。在学习基础知识的时候，使用 tensorflow 框架进行算法的运行。
|
||||
|
||||
---
|
||||
|
||||
-------------------
|
||||
## 长久的时间计划：
|
||||
* 必须在十一月份之前完成学习工作。那就到10月30号把。还有五本需要看的书。10月30号之前，完全搞懂该领域的内容。
|
||||
* 十一月份，进行调研，寻找大量相关的研究工作。
|
||||
* 十二月份，对相关领域的算法进行实现。对算法进行改进。
|
||||
|
||||
- 必须在十一月份之前完成学习工作。那就到 10 月 30 号把。还有五本需要看的书。10 月 30 号之前，完全搞懂该领域的内容。
|
||||
- 十一月份，进行调研，寻找大量相关的研究工作。
|
||||
- 十二月份，对相关领域的算法进行实现。对算法进行改进。
|
||||
|
||||
> 感觉时间不够了啊，兄弟。你这需要做的事情有点多。国庆节，尽量恶补完成大部分机器学习的基础知识和主要的算法，然后国庆节后开始看论文。
|
||||
|
||||
--------------
|
||||
---
|
||||
|
||||
## 学习路线
|
||||
|
||||
### Python系列（一周）
|
||||
> 熟悉python进行机器学习的基础库，包括每个库都干了什么。
|
||||
### Python 系列（一周）
|
||||
|
||||
python3-numpy-scipy-matplotlib-pandas√
|
||||
> 基本完成。主要是知道了这些东西都是干什么用的。
|
||||
> 熟悉 python 进行机器学习的基础库，包括每个库都干了什么。
|
||||
|
||||
- [x] python3√
|
||||
- [x] numpy√
|
||||
- [x] scipy√
|
||||
- [x] matplotlib√
|
||||
- [x] pandas√
|
||||
> 基本完成。主要是知道了这些东西都是干什么用的。
|
||||
|
||||
### 机器学习+深度学习系列（视频教程）（三周）
|
||||
> 需要了解机器学习的各种工具，需要的进行补充。使用python3进行编程实践。这一部分是最关键的，需要按照知乎的方法进行调整学习。入门课程->模型算法->编程实践
|
||||
|
||||
> 需要了解机器学习的各种工具，需要的进行补充。使用 python3 进行编程实践。这一部分是最关键的，需要按照知乎的方法进行调整学习。入门课程->模型算法->编程实践
|
||||
|
||||
1. 《机器学习》吴恩达的课程一看。跟着做做笔记。
|
||||
* 第一轮，笔记对照(看一部分，总结一部分。)
|
||||
* 第二轮，看吴恩达的PPT重新整理所有的笔记。
|
||||
* 第三轮，寻找吴恩达课程的课后题，使用python完成课后题
|
||||
- [x] 第一轮，笔记对照(看一部分，总结一部分。)
|
||||
- 第二轮，看吴恩达的 PPT 重新整理所有的笔记。
|
||||
- 第三轮，寻找吴恩达课程的课后题，使用 python 完成课后题
|
||||
2. 吴恩达的神经网络五套课程看完。各种神经网络。
|
||||
* 神经网络与深度学习
|
||||
* 改善神经网络
|
||||
* 结构化项目学习
|
||||
* 卷积神经网络
|
||||
* 序列模型
|
||||
* 第一轮，笔记对（借用其他人的笔记进行修改，同时理解）
|
||||
* 第二轮，看吴恩达的PPT重新整理所有的笔记
|
||||
* 第三轮，课后题，TensorFlow完成
|
||||
3. ~~《统计学习方法》~~ 一看。3Blue1Brown的视频看一看。跟着做做笔记。数学公式太多，太难了，应该学会放弃。看西瓜书好了。
|
||||
4. 《机器学习西瓜书》一看。跟着做做笔记。
|
||||
5. 《机器学习实战》量子位提供的书，适合编程。
|
||||
6. 《python机器学习》里边涉及几个实战
|
||||
7. 《白板推导》视频看一遍。tensorflow教程一看，实现一遍之前的算法。
|
||||
8. （可选） ~~《机器学习基石》上&下~~//李宏毅的机器学习也行（在进行一段时间之后，已经完成了多个项目之后，可以回过头来看李的视频，进行更深层次的理解）
|
||||
* 完成第二轮，笔记对照
|
||||
* 代码实现课后的内容
|
||||
- [x] 神经网络与深度学习
|
||||
- [x] 改善神经网络
|
||||
- [x] 结构化项目学习
|
||||
- [x] 卷积神经网络
|
||||
- [x] 序列模型
|
||||
- 第一轮，笔记对（借用其他人的笔记进行修改，同时理解）
|
||||
- 第二轮，看吴恩达的 PPT 重新整理所有的笔记
|
||||
- 第三轮，课后题，TensorFlow 完成
|
||||
3. ~~《统计学习方法》~~ 一看。
|
||||
- [ ] 3Blue1Brown 的视频看一看。跟着做做笔记。数学公式太多，太难了，应该学会放弃。看西瓜书好了。
|
||||
4. 《机器学习西瓜书》一看。
|
||||
- [ ] 跟着做做笔记。
|
||||
5. 《机器学习实战》
|
||||
- [ ] 量子位提供的书，适合编程。
|
||||
6. 《python 机器学习》
|
||||
- [ ] 几个实战.
|
||||
7. 《白板推导》
|
||||
- [ ] 视频看一遍。tensorflow 教程一看，实现一遍之前的算法。
|
||||
8. （可选） ~~《机器学习基石》上&下~~
|
||||
- [ ] 李宏毅的机器学习也行（在进行一段时间之后，已经完成了多个项目之后，可以回过头来看李的视频，进行更深层次的理解）
|
||||
- [ ] 完成第二轮，笔记对照
|
||||
- [ ] 代码实现课后的内容
|
||||
|
||||
> (1,2)->(3,4)->(5,6)->(7,8)
|
||||
|
||||
> 安排
|
||||
>
|
||||
> 1. 首先跟着量子位的课程完成上述学习。
|
||||
> 2. 然后跟着apacheCN的资料完成第二阶段的阅读。
|
||||
> 2. 然后跟着 apacheCN 的资料完成第二阶段的阅读。
|
||||
> 3. 然后就是尝试专业领域的应用实战。
|
||||
> 补充：林轩田《机器学习基石》《机器学习技法》。李宏毅的《机器学习视频教程》。
|
||||
> 工具
|
||||
> * sklearn
|
||||
> * tensorflow
|
||||
> 补充：林轩田《机器学习基石》《机器学习技法》。李宏毅的《机器学习视频教程》。
|
||||
> 工具
|
||||
> _ sklearn
|
||||
> _ tensorflow
|
||||
|
||||
> 变更说明
|
||||
> * 经过仔细思考，感觉李宏毅的机器学习+深度学习与吴恩达的机器学习+深度学习，重叠的部分太多，入门阶段进行混合学习代价较大。所以，入门阶段都是以吴恩达的课程为主，编程也是以吴恩达的课程为主。总共包括五个模块，可以适当地学习三到四个模块，然后进行下一阶段。
|
||||
> * 等所有部分完成了，以李宏毅的课程作为基础知识的回顾和强化。
|
||||
|
||||
>
|
||||
> - 经过仔细思考，感觉李宏毅的机器学习+深度学习与吴恩达的机器学习+深度学习，重叠的部分太多，入门阶段进行混合学习代价较大。所以，入门阶段都是以吴恩达的课程为主，编程也是以吴恩达的课程为主。总共包括五个模块，可以适当地学习三到四个模块，然后进行下一阶段。
|
||||
> - 等所有部分完成了，以李宏毅的课程作为基础知识的回顾和强化。
|
||||
|
||||
> 学习路径说明
|
||||
> * 视频教程-基础知识构建，以知识的角度，逐渐构建机器学习体系，跟随课程理解。
|
||||
> * 读书整理-机器学习算法，从算法的角度，独立理解算法的原理，深刻理解每个算法的原理。
|
||||
> * 算法实践，从工程的角度，考虑如何设计算法，实现算法，优化算法和进行算法可视化
|
||||
>
|
||||
> - 视频教程-基础知识构建，以知识的角度，逐渐构建机器学习体系，跟随课程理解。
|
||||
> - 读书整理-机器学习算法，从算法的角度，独立理解算法的原理，深刻理解每个算法的原理。
|
||||
> - 算法实践，从工程的角度，考虑如何设计算法，实现算法，优化算法和进行算法可视化
|
||||
|
||||
### 联邦学习实践系列（三周）
|
||||
|
||||
### 联邦学习系列（三周）
|
||||
> 尝试搭建小型的联邦学习框架。寻找网络教程，完成这一块，还有很多书。
|
||||
tensorflow
|
||||
fate
|
||||
|
||||
- [ ] sklearn
|
||||
- [ ] tensorflow
|
||||
- [ ] pysft
|
||||
- [ ] fate
|
||||
|
||||
### 问题定义（三周）
|
||||
|
||||
* 阅读相关论文，定义环境，找到论文的方向。
|
||||
* 分析前沿的研究，了解该领域的主要方案。
|
||||
* 提出自己解决问题的方案，对模型和系统进行初步规划。
|
||||
- 阅读相关论文，定义环境，找到论文的方向。
|
||||
- 分析前沿的研究，了解该领域的主要方案。
|
||||
- 提出自己解决问题的方案，对模型和系统进行初步规划。
|
||||
|
||||
### 相关资料说明
|
||||
* 吴恩达的机器学习
|
||||
* 吴恩达的深度学习五套课程
|
||||
* 李宏毅《机器学习+深度学习》课程
|
||||
* ~~林轩田《机器学习基石》课程~~
|
||||
* 李航《统计学习方法》
|
||||
* 周志华《西瓜书》
|
||||
* 《机器学习实战》
|
||||
* 《Python机器学习》
|
||||
|
||||
- 吴恩达的机器学习
|
||||
- 吴恩达的深度学习五套课程
|
||||
- 李宏毅《机器学习+深度学习》课程
|
||||
- ~~林轩田《机器学习基石》课程~~
|
||||
- 李航《统计学习方法》
|
||||
- 周志华《西瓜书》
|
||||
- 《机器学习实战》
|
||||
- 《Python 机器学习》
|
||||
|
||||
### 选择
|
||||
|
||||
框架选择：
|
||||
* tensorflow和fate
|
||||
研究方向：
|
||||
* 数据挖掘
|
||||
* 文本处理（自然语言处理）
|
||||
* 行为建模和行为分析。（这可能是工作量最大的地方。）
|
||||
* 恶意软件相关特征提取（恶意软件相关特征分析和应用，机器学习算法应用的地方，联合训练模型的构建）
|
||||
|
||||
- tensorflow 和 fate
|
||||
研究方向：
|
||||
- 数据挖掘
|
||||
- 文本处理（自然语言处理）
|
||||
- 行为建模和行为分析。（这可能是工作量最大的地方。）
|
||||
- 恶意软件相关特征提取（恶意软件相关特征分析和应用，机器学习算法应用的地方，联合训练模型的构建）
|
||||
|
||||
### 参考
|
||||
* [知乎量子位回答](https://zhuanlan.zhihu.com/p/37349519)
|
||||
* [知乎ApacheCN回答](https://www.zhihu.com/question/20691338/answer/248678328)
|
||||
> 当你按照自己的流程走完了上述的内容之后，应该去看量子位和ApacheCn的教程。自己的学习只能算是入门，当前的关键，应该是开始学习，而不是在这里瞎搞。
|
||||
|
||||
- [知乎量子位回答](https://zhuanlan.zhihu.com/p/37349519)
|
||||
- [知乎 ApacheCN 回答](https://www.zhihu.com/question/20691338/answer/248678328)
|
||||
> 当你按照自己的流程走完了上述的内容之后，应该去看量子位和 ApacheCn 的教程。自己的学习只能算是入门，当前的关键，应该是开始学习，而不是在这里瞎搞。
|
||||
|
||||
### 补充学习
|
||||
|
||||
> 有时间学习一下数学内容（找相关的数学客车个）
|
||||
|
||||
* 微积分
|
||||
* 线性代数
|
||||
* 概率论和数理统计
|
||||
- 微积分
|
||||
- 线性代数
|
||||
- 概率论和数理统计
|
||||
|
||||
@@ -10,50 +10,51 @@
|
||||
- 制作简历（明天）√
|
||||
- 知识复习——语言
|
||||
- C++（primer）（两周）
|
||||
- 基础语法√
|
||||
- 标准库 STL√
|
||||
- 面向对象√
|
||||
- 设计模式（有道云笔记，gitee 设计模式库，书）
|
||||
- effective 系列
|
||||
- 系列视频
|
||||
- 问题专项解决）
|
||||
- [x] 基础语法 √
|
||||
- [x] 标准库 STL√
|
||||
- [x] 面向对象 √
|
||||
- [ ] 设计模式（有道云笔记，gitee 设计模式库，书）
|
||||
- [ ] effective 系列
|
||||
- [ ] 系列视频
|
||||
- [ ] 问题专项解决）
|
||||
- Java（两周）
|
||||
- 语法
|
||||
- 标准库（网络编程、多线程、IO）
|
||||
- Spring框架
|
||||
- 知识复习——算法与数据结构（一周）
|
||||
- 数据结构《大话数据结构》
|
||||
- 算法《数据结构与算法分析》《算法图解》
|
||||
- [ ] 语法
|
||||
- [ ] 标准库（网络编程、多，周）
|
||||
- 数据结构
|
||||
- [ ] 《大话数据结构》
|
||||
- 算法
|
||||
- [ ] 《数据结构与算法分析》
|
||||
- [ ] 《算法图解》
|
||||
- 知识复习——基础（一周）
|
||||
- 计算机网络
|
||||
- 数据库
|
||||
- 操作系统
|
||||
- Linux 与网络编程
|
||||
* 刷题
|
||||
* 力扣（学习、题库、讨论。侧重于刷算法类型的题目和相关讨论）
|
||||
* 学习：3-5本书的学习需要阅读的书籍如下
|
||||
* 数组、链表、队列、树（堆）、图(数据结构专项)
|
||||
* 初级算法
|
||||
* 中级算法
|
||||
* 高级算法
|
||||
* 题库：然后按照热度刷题库
|
||||
* 剑指offer
|
||||
* 讨论：没事看讨论，主要是一些面经和基础知识，可以补充
|
||||
* 牛客网（学习、社区、求职基础知识的学习）
|
||||
* 题库（知识用来刷题）
|
||||
* 经典必刷题目
|
||||
* C++/JAVA专项练习
|
||||
- [ ] 计算机网络
|
||||
- [ ] 数据库
|
||||
- [ ] 操作系统
|
||||
- [ ] Linux 与网络编程
|
||||
|
||||
- 刷题
|
||||
- 力扣（学习、题库、讨论。侧重于刷算法类型的题目和相关讨论）
|
||||
- 学习：3-5 本书的学习需要阅读的书籍如下
|
||||
- [ ] 数组、链表、队列、树（堆）、图(数据结构专项)
|
||||
- [ ] 初级算法
|
||||
- [ ] 中级算法
|
||||
- [ ] 高级算法
|
||||
- 题库：然后按照热度刷题库
|
||||
- [X] 剑指 offer√
|
||||
- [ ] 每日一题
|
||||
- 讨论：没事看讨论，主要是一些面经和基础知识，可以补充
|
||||
- 牛客网（学习、社区、求职基础知识的学习）
|
||||
- 题库（知识用来刷题）
|
||||
- [ ] 经典必刷题目
|
||||
- [ ] C++/JAVA 专项练习
|
||||
|
||||
### 问题（待处理）
|
||||
|
||||
* 关于递归的方式。头递归。尾递归。递归前和递归后的处理。递归前的处理，影响或许递归。递归后的处理，恢复之前的影响。那个应该是一个典型的递归搜索路径的问题。
|
||||
* 关于树的处理。前序遍历中序遍历后续遍历。
|
||||
* 关于位运算的特殊总结。
|
||||
|
||||
- [x] 关于递归的方式。头递归。尾递归。递归前和递归后的处理。递归前的处理，影响或许递归。递归后的处理，恢复之前的影响。那个应该是一个典型的递归搜索路径的问题。
|
||||
- [x] 关于树的处理。前序遍历中序遍历后续遍历。
|
||||
- [x] 关于位运算的特殊总结。
|
||||
|
||||
### 时间安排
|
||||
|
||||
* 知识复习——数据结构与算法
|
||||
* 明天早上，根据已经下载好的笔记，读博客已经收藏的博客，修改笔记。关键部分写代码。
|
||||
* 刷题——剑指offer、经典必刷提、C++专项练习。
|
||||
- 知识复习——数据结构与算法
|
||||
- 明天早上，根据已经下载好的笔记，读博客已经收藏的博客，修改笔记。关键部分写代码。
|
||||
- 刷题——剑指 offer、经典必刷提、C++专项练习。
|
||||
|
||||
@@ -1,11 +1,6 @@
|
||||
## 今天的计划
|
||||
|
||||
* 刷完今天的十道题
|
||||
* 刷完昨天的十道题
|
||||
|
||||
|
||||
|
||||
|
||||
- [x] 刷完今天的十道题 √
|
||||
|
||||
## 今天的收获
|
||||
|
||||
|
||||
@@ -1,6 +1,6 @@
|
||||
## 今天的计划
|
||||
* 刷完十道题
|
||||
* 开始做毕设
|
||||
|
||||
- [x] 刷完十道题
|
||||
|
||||
|
||||
## 今天的收获
|
||||
|
||||
@@ -1,17 +1,15 @@
|
||||
# 计划
|
||||
1. 对刷题的内容进行总结。首先进行这个总结。
|
||||
2. 实现字符串分割和字符串格式化的方法（C++库string篇）
|
||||
3. 学习、复习分治法（把相关思想下的问题和算法补充完整）
|
||||
4. 学习、复习动态规划
|
||||
5. 学习、复习贪心
|
||||
6. 学习、复习回溯剪枝
|
||||
7. 学习、复习分支限界
|
||||
8. √学习C++容器。对容器的构造函数进行总结。
|
||||
9. √学习C++容器。对每个容器的基础操作进行总结。
|
||||
10. √学习C++模板算法。对算法的第三个参数进行总结。
|
||||
11. 需要重新看一下补码、原码相关的加减法操作。
|
||||
|
||||
|
||||
- [ ] 对刷题的内容进行总结。首先进行这个总结。(一半了)
|
||||
- [ ] 实现字符串分割和字符串格式化的方法（C++库string篇）
|
||||
- [ ] 学习、复习分治法（把相关思想下的问题和算法补充完整）
|
||||
- [ ] 学习、复习动态规划
|
||||
- [ ] 学习、复习贪心
|
||||
- [ ] 学习、复习回溯剪枝
|
||||
- [ ] 学习、复习分支限界
|
||||
- [x] 学习C++容器。对容器的构造函数进行总结。
|
||||
- [x] 学习C++容器。对每个容器的基础操作进行总结。
|
||||
- [x] 学习C++模板算法。对算法的第三个参数进行总结。
|
||||
- [ ] 需要重新看一下补码、原码相关的加减法操作。
|
||||
# 收获
|
||||
|
||||
* 学会了sort的第三个参数的应用
|
||||
|
||||
@@ -2,10 +2,10 @@
|
||||
|
||||
> 完成昨天的任务。
|
||||
|
||||
1. 学习、复习图算法，动手实现所有的图算法。
|
||||
2. 看完数据结构与算法的三本书！！！对相关的原理进行复习和总结。
|
||||
3. 学习机器学习的实现方案。毕设计划真正的开始执行。
|
||||
4. 关于字符串分割。字符串格式化方法的总结。转换成流，作为流对象处理。转换为容器。作为容器对象处理，使用泛型算法。
|
||||
- [ ] 学习、复习图算法，动手实现所有的图算法。
|
||||
- [ ] 看完数据结构与算法的三本书！！！对相关的原理进行复习和总结。
|
||||
- [ ] 学习机器学习的实现方案。毕设计划真正的开始执行。
|
||||
- [ ] 关于字符串分割。字符串格式化方法的总结。转换成流，作为流对象处理。转换为容器。作为容器对象处理，使用泛型算法。
|
||||
|
||||
## 收获
|
||||
|
||||
|
||||
40
工作日志/2021年3月19日-四月份计划.md
Normal file
40
工作日志/2021年3月19日-四月份计划.md
Normal file
@@ -0,0 +1,40 @@
|
||||
## 计划
|
||||
|
||||
> 复习计划暂时搁置。开始机器学习的计划（第二篇）五月份学弟就要毕业了，也就是在四月份一个月要把一下的东西全部搞出来。
|
||||
|
||||
> 当前工作的主要的三个方向
|
||||
> 1. 机器学习算法实践。
|
||||
> 2. 联邦学习文章复现。
|
||||
> 3. 恶意软件数据处理。
|
||||
|
||||
### 机器学习算法实践（四周）
|
||||
> 尝试各种机器学习算法，主要使用主流的算法框架。寻找网络教程，完成这一块，还有很多书。机器学习算法，应该由浅入深。不能像之前那样想先学会所有的原理，自己手动实现这些原理，然后使用别人的框架实现这些过程，在别人的基础上进行改进。当前应该吧顺序颠倒过来。从使用开始，逐渐理解底层的东西，然后做出适当的修改。
|
||||
> 1. ->使用算法框架或别人的代码解决问题
|
||||
> 2. ->理解该代码的底层逻辑
|
||||
> 3. ->理解机器学习算法的原理
|
||||
> 4. ->改进算法符合自己的预期目标。
|
||||
|
||||
- [ ] sklearn与机器学习算法的原理。各种机器学习算法实践。
|
||||
- [ ] tensorflow federated
|
||||
- [ ] pysft
|
||||
- [ ] fate
|
||||
|
||||
### 联邦学习文章复现（四周）
|
||||
> 阅读当前最新的联邦学习文章。使用别人的代码复现联邦学习的过程。复习和复现
|
||||
|
||||
- [ ] DeepAMD
|
||||
|
||||
### 恶意软件数据处理（四周）
|
||||
> 针对恶意软件使用机器学习算法。尝试单机或者使用联邦学习解决恶意软件中的问题。
|
||||
|
||||
- [ ] 恶意软件数据的处理
|
||||
- [ ] 恶意软件与机器学习算法的结合
|
||||
|
||||
### 任务安排
|
||||
|
||||
1. 每天sklearn一个机器学习小算法
|
||||
2. 每天一个联邦学习框架
|
||||
3. 每天一篇联邦学习的文章。
|
||||
4. 每天数据集处理一小步。
|
||||
|
||||
## 收获
|
||||
18
工作日志/2021年3月20日-今日计划.md
Normal file
18
工作日志/2021年3月20日-今日计划.md
Normal file
@@ -0,0 +1,18 @@
|
||||
## 计划
|
||||
|
||||
> C++11的新特性+C++标准库组合起来也太有意思了。可以创造无限可能啊。
|
||||
> Python现在的发展也有点离谱。几天不看就不会用了。Python开发的工具也太多了。
|
||||
|
||||
1. 每天sklearn一个机器学习小算法
|
||||
- [ ] k-近邻算法
|
||||
- [ ] 复习吴恩达机器学习笔记
|
||||
- [ ] 复习吴恩达深度学习笔记
|
||||
2. 每天一个联邦学习框架
|
||||
- [ ] pysyft
|
||||
3. 每天一篇联邦学习的文章。
|
||||
- [ ] deepAMD
|
||||
4. 每天数据集处理一小步。
|
||||
- [X] 获取2020年的两个超大型数据集，并存到云盘当中
|
||||
- [X] 获取CIC关于恶意软件分析的论文
|
||||
|
||||
## 收获
|
||||
@@ -1,12 +1,14 @@
|
||||
# 二叉搜索树与双向链表
|
||||
|
||||
## 1
|
||||
## 1 二叉树与双向链表
|
||||
|
||||
### 问题分析
|
||||
|
||||
* 输入一棵二叉搜索树，将该二叉搜索树转换成一个排序的循环双向链表。要求不能创建任何新的节点，只能调整树中节点指针的指向。
|
||||
* [链接](https://leetcode-cn.com/problems/er-cha-sou-suo-shu-yu-shuang-xiang-lian-biao-lcof/)
|
||||
|
||||
## 1 二叉树与双向链表——左旋右旋
|
||||
|
||||
> 借鉴了构建二叉平衡树的内容。可以自己完成以下二叉平衡树试试。
|
||||
|
||||
### 算法设计
|
||||
|
||||
* 通过左旋右旋操作实现树的旋转。最终旋转成一个倒V树。
|
||||
@@ -101,7 +103,7 @@ public:
|
||||
return ;
|
||||
}
|
||||
```
|
||||
|
||||
## 1.2 二叉树与双向链表——中序遍历输出
|
||||
|
||||
### 算法设计
|
||||
|
||||
|
||||
Reference in New Issue
Block a user