关于博客
记录软件开发过程的一些知识和技巧,提升自我
关于博主
除了才华一无所有~~ 薪尽自然凉~~ 强迫症患者~~ 热爱古风~~
17篇文章

星期日, 8月 4, 2024
RSA 的基本数学运算为:公钥 (e,n)(e,n),私钥 (d,n)(d,n),加密 C=Me mod nC=M^e\bmod n,解密 M=Cd mod nM=C^d\bmod n。其中 n=pqn=pq,p、q 是两个不同的大素数,φ(n)=(p−1)(q−1)\varphi(n)=(p-1)(q-1),且 ed≡1(modφ(n))ed\equiv1\pmod{\varphi(n)}。消息代表元满足 0≤M<n0\le M<n。 这里的幂表示数学乘方;在 Python、Go、C 等语言中,^ 通常是按位异或,不能直接当作乘方运算符。

星期五, 2月 10, 2023
一、定义 朴素贝叶斯是基于贝叶斯定理与特征条件独立假设的分类方法。朴素贝叶斯是在贝叶斯算法的基础上进行了相应的简化,即假定给定目标值时属性之间相互条件独立,这不意味着所有特征对分类具有相同影响;不同特征的条件概率仍会影响后验概率。这个假设简化了概率估计,实际分类效果取决于数据与模型的匹配程度。 贝叶斯定理解决了现实生活中已知条件概率,如何得到两个事件交换后的概率。例如:已知P(A|B)的情况下,如何求出P(B|A)的概率问题。贝叶斯定理的出现就是用来打通P(A|B)到P(B|A)之路,通用公式如下:

星期一, 9月 23, 2019
一、背包问题 有 N 件物品和一个容量是 V 的背包。每件物品只能使用一次。 第 i 件物品的体积是 vi,价值是 wi。 求解将哪些物品装入背包,可使这些物品的总体积不超过背包容量,且总价值最大。 输出最大价值。

星期三, 9月 18, 2019
一、定义 P(Polynomial,多项式)问题 :可以在 多项式时间 内被 确定机 (通常意义的计算机)解决的问题,即存在多项式时间的 算法 NP(Non-Deterministic Polynomial, 非确定多项式)问题 :可以在 多项式时间 内被 非确定机 (他可以猜,他总是能猜到最能满足你需要的那种选择)解决的问题,即存在多项式时间的 非确定性算法 NPC(Non-Deterministic Polynomial Complete,NP完全)问题 :由其他所有NP问题 归约 而来的NP问题,它是一个NP问题而且所有的NP问题都可以归约到它 NPH(Non-deterministic Polynomial Hard,NP难)问题 ,由其他所有NP问题 归约 而来的问题(不一定是NP问题),所有的NP问题都可以归约到它 千禧难题之首,是说P问题是否等于NP问题,也即是否所有在非确定机上多项式可解的问题都能在确定机上用多项式时间求解. 归约:将一个特殊问题一般化,即将原问题推广为一个最一般的、最有概括性、也更难的、计算复杂度更高的问题,这个问题具有最高的计算复杂度。

星期一, 9月 16, 2019
零知识证明(Zero—Knowledge Proof)指的是证明者(P)能够在不向验证者(V)提供任何有用的信息的情况下,使验证者相信某个论断是正确*的。零知识证明实质上是一种涉及两方或更多方的协议,即两方或更多方完成一项任务所需采取的一系列步骤。证明者向验证者证明并使其相信自己知道或拥有某一消息,但证明过程不能向验证者泄漏任何关于被证明消息的信息。大量事实证明,零知识证明在密码学中非常有用。如果能够将零知识证明用于验证,将可以有效解决许多问题。*

星期五, 9月 6, 2019
一致性哈希算法在1997年由麻省理工学院提出的一种分布式哈希(DHT)实现算法,设计目标是为了解决因特网中的热点(Hot spot)问题,初衷和CARP十分类似。一致性哈希修正了CARP使用的简单哈希算法带来的问题,使得分布式哈希(DHT)可以在P2P环境中真正得到应用。

星期五, 9月 6, 2019
MapReduce MapReduce是一种编程模型,用于大规模数据集的并行运算。概念"Map(映射)"和"Reduce(归约)",是它们的主要思想,都是从函数式编程语言里借来的,还有从矢量编程语言里借来的特性。它极大地方便了编程人员在不会分布式并行编程的情况下,将自己的程序运行在分布式系统上。当前的软件实现是指定一个Map(映射)函数,用来把一组键值对映射成一组新的键值对,指定并发的Reduce(归约)函数,用来保证所有映射的键值对中的每一个共享相同的键组。

星期四, 9月 5, 2019
将任意长度的二进制串映射为固定长度的二进制串,这个映射规则就是 哈希算法 ,而通过原始数据映射之后得到的二进制串就是 哈希值 。 哈希算法简单的说就是一种将任意长度的消息压缩到某一固定长度的摘要的函数。

星期日, 8月 25, 2019
分布式系统一致性 一致性即是对于系统中的多个服务节点,在约定的协议下,执行相同的操作并保持状态的一致,简单来说就是多个节点持有相同的数据,如果数据要改变就应该每一个节点都做相同的改变。如果分布式系统能实现“一致”,对外就可以呈现为一个功能正常的,且性能和稳定性都要好很多的“虚处理节点”。 理想的分布式系统一致性应该满足: 可终止性(Termination) 、 共识性(Consensus) 、 合法性(Validity) 。

星期三, 8月 7, 2019
一、算法 算法(Algorithm)是解决特定问题的一系列步骤,在计算机中表现为指令的有限序列,并且每条指令表示一个或多个操作。它满足五个特性: 有穷性:一个算法必须总是在执行有穷步之后结束,且每一步都可在有穷时间内完成 确定性:每一条指令必须有确切的含义,不会产生二义性 可行性:每一步都可以被分解为基本的可执行的操作步骤,即每个计算步骤都可以在有限时间内完成 输入:零个或多个的输入 输出:一个或多个的输出 通常设计一个“好”的算法应考虑达到以下目标: 正确性:合法输入能够得到正确结果;非法输入能得到合理错误提示;对于边界数据和压力数据都能得到正确输出 可读性:要方便阅读,理解和交流 健壮性:当输入数据不合法时,算法也能做出相关处理,而不是产生异常或莫名其妙的结果 高效性:利用最少的时间和资源得到满足要求的结果,可以通过(时间复杂度和空间复杂度来判定) 时间复杂度: 在进行算法分析时,语句总的执行次数T(n)是关于问题规模n的函数,进而分析T(n)随n的变化情况并确定T(n)的数量级。算法的时间复杂度,也就是算法的时间度量,记作:T(n) = O(f(n))。它表示随问题规模n的增大,算法执行时间的增长率和f(n)的增长率相同,称作算法的渐进时间复杂度,称为时间复杂度。其中f(n)是问题规模n的某个函数。 空间复杂度: 算法的空间复杂度并不是计算实际占用的空间,而是计算整个算法的辅助空间单元的个数,与问题的规模没有关系。算法的空间复杂度通过计算算法所需的存储空间实现,算法空间复杂度的计算公式记作:S(n) = O(f(n)),其中,n为问题的规模,f(n)为语句关于所占存储空间的函数 除非特别指定时,算法复杂度都是指时间复杂度 二、分治法 1、定义 将一个难以直接解决的大问题,分割成一些规模较小的相同问题,以便各个击破,分而治之。对于一个规模为n的问题,若该问题可以容易地解决(比如说规模n较小)则直接解决,否则将其分解为k个规模较小的子问题,这些子问题互相独立且与原问题形式相同,递归地解这些子问题,然后将各子问题的解合并得到原问题的解
记录软件开发过程的一些知识和技巧,提升自我
除了才华一无所有~~ 薪尽自然凉~~ 强迫症患者~~ 热爱古风~~