LeetCode刷了两百多题，再来一波总结，题目刷多了很多不做笔记就忘记了，这里也算是巩固一下。这一节主要总结散列表类型的题目。散列表、桶排序等算法最大的特点就是时间复杂度是O(1)。这对于需要考虑算法时间复杂度的题目来说提升是常常需要考虑的方法。这篇博客没有太多原理的解释，都是对着题目做的随手笔记 ，比较乱，请见谅。
PengChao
算法的嵌入式移植（二）DSP优化
前面一个篇章：算法的嵌入式移植（一）C代码优化部分 侧重语言层面的优化，而更多针对DSP特性进行的优化将在本篇章进行介绍 ，内容大多是摘抄书本和网络资源，因为是整理以往的笔记，来源已经不可靠了，不过不影响其中内容的经典。
DJI校招提前批-算法工程师
2017-06-26创建：
LeetCode_210: CourseScheduleII 拓扑排序
这道题与前一版本207一样，只不过前一版本要求判断是否有环，而当前版本还要给出可行顺序，那么这个问题就自然而然的归为拓扑排序了。这篇博客将对有向图和无向图中是否存在环这一问题进行归纳，并且给出一个较为简洁的拓扑排序代码。拓扑排序，简单的说就是不断将度为0的点提取出来，提取的顺序就是拓扑排序。在算法导论中，给出了DFS和BFS解法，其中DFS采用完成时间倒序作为拓扑排序，我们需要了解拓扑排序问题的解法是多样的，这篇博客给出的代码不算唯一的。
算法的嵌入式移植（一）C代码优化
一般C/C++的算法代码不适合直接移植到嵌入式设备，需要做一些优化和处理。一方面是出于速度考虑，另一方面是针对嵌入式设备支持的语言特性差异进行修改，还有就是硬件上的考虑，比如就定点DSP而言，就需要将原来的浮点运算进行转化。
近期博主在整理以往笔记，就将算法嵌入式移植这部分差分成两个章节，一是C代码优化部分，二是DSP代码移植部分，第一章节是语言层面的一般而言是适合所有嵌入式设备的，第二章节是和DSP开发环境相关方面的。特此整理，谨供参考。
OpenCV特征点提取算法对比
除了我们熟知的SIFT、SURF、ORB等特征点提取算法，OpenCV中还提供了十余种特征点提取算法。最近在整理以往的ppt和报告，看到其中一页ppt，发现已经忘得差不多了，就再写篇博客复习下好了，这篇博客注重对比，技术方面的内容不会太过细致，希望能有帮助。当然，文章末尾会提供这些算法OpenCV调用的实例代码。
首先，引发内容的就是下面这张ppt：（不要注意Why Surf了，当时根据具体应用场景所做的选择）左边一栏是特征点的数目，右边一栏是检测的速度，数据是在博主自己的测试集（大概四五百张图片）上测试的。
点云数据处理方法概述
结束目标跟踪的研究，回到课题上，接下来要面对的就是点云数据的处理了。这篇博客主要介绍三维计算机视觉中点云数据处理面对的问题，主要方法和技术，概述其特点。这篇博客主要介绍最基本的点云数据处理技术和概念，不会有任何代码。
ICP点云配准就是我们非常熟悉的点云处理算法之一。实际上点云数据在形状检测和分类、立体视觉、运动恢复结构、多视图重建中都有广泛的使用。点云的存储、压缩、渲染等问题也是研究的热点。随着点云采集设备的普及、双目立体视觉技术、VR和AR的发展，点云数据处理技术正成为最有前景的技术之一。PCL是三维点云数据处理领域必备的工具和基本技能，这篇博客也将粗略介绍。
LeetCode_174: Dungeon Game 动态规划
做了一道很有意思的题目，要求是从左上角开始，在HP不掉到0的情况下，到达右下角。虽然明显是使用动态规划来解，但是其中隐藏了一些技巧 。这里，如果从左上角开始进行DP将使得问题复杂化，技巧就是反向，从终点开始反向DP，这篇博客将详细这种方法的应用条件。
LeetCode_134: Gas Station
这道题目可以使用一般的DP来做，但是博主想到的方法更加直接：对于判断是否存在解，直接把数组累加，如果和非负，那么必然存在一个位置，使得从这个位置开始进行累加的所有结构都非负。在进行累加的过程中，找到累加和最小的位置，从这个位置的下一个位置开始，就可以保证在累加过程中，累加曲线的最小值最大（想象积分曲线的过程，积分的终点sum相同，一个先下降再上升，一个先上升再下降）。有点绕，多想想 ：)
算法导论总结（四）字符串运算
刷了150多道题，再来一发总结。再LeetCode中有一类题目，要求直接使用数字字符串进行运算，这类题目掌握技巧之后不容易出错，也比较简单，那么这篇博客将对这类题目进行总结，希望有所帮助。
LeetCode_068: Text Justification
又是一道通过率不过20%的题，总结这种通过率比较多的题目，发现其中很多原理并不难，导致通过率比较低的原因是各种极端情况，还有就是题目理解和表述不够清晰。比如自己实现Atoi，如果列出要处理的各种情况，写出来并不难。这道题也是一样，其实没什么难度，只是有些情况下，具体说来就是最后一行或者一行的最后一个单词，需要特殊处理。
LeetCode_091: DecodeWays 从DFS到动态规划
从LeetCode中有一些数字字符串处理问题，它们的解法有许多相似之处，但是在具体操作上又有所不同，91题和93题IPAddress就是比较好的范例。这篇博客主要从DFS和DP两种方法来分析问题，并判断适应问题环境使用合适的方法。
LeetCode_131: Palindrome Partition 回文字符串
回文字符串问题可以看做是一个划分链问题，这个和算法导论中介绍动态规划时的矩阵链乘法是一样的，找到一个最优的划分方案。很自然的想到动态规划来得到一个回文串的真值表，然后就是要列举出所有的情况，回溯法可以做到，自然而然的DP+BackTracking解决掉。
LeetCode_010: 正则表达式匹配 与 044: 通配符匹配
最近在攻略动态规划，在做正则表达式匹配的时候看错了题目，发现写出来的是通配符匹配，后来看了下什么是正则表达式才明白过来。这两道题都是有很多解法的题目，按照标签刷题目还是限制了自己的思路，一开始就没有往其它地方想。事实上，通配符匹配用贪心算法（可以看做一种特殊的动态规划）更合适。
Scikit-learn学习笔记（一）环境搭建
Scikit-learn在机器学习领域已经无人不晓了，如此给力的工具应该早点接触到的。sk-learn既不支持深度学习，也不支持GPU加速，sk-learn是专门用来搞定传统机器学习的，这一点要给深度学习玩家提醒下。这篇博客主要讲Python环境的搭建，博主使用的是pycharm+anaconda，pycharm是python的IDE，支持断点调试和工作区变量查看，anaconda用来解决各种包的依赖关系，scikit-learn已经集成在其中了，安装之后检查包的更新就可以了。
算法导论总结（三）树
树作为重要的数据结构，在很多领域有着重要的用途。在LeetCode中对数的考察主要分为三个方面，一是树的遍历，二是BST（二叉搜索树），三是和树相关的算法。有时，树也常常被看做一个图，做BFS和DFS，树的考察是相当灵活的。这篇博客就这些问题做部分小结。
算法导论总结（二）链表
LeetCode刷了一百多道题，决定来发小小的总结。这篇博客主要对LeetCode中链表标签下的题目进行总结，linked-list标签下总共有27道题，这些题目较为全面的考察链表操作：插入、删除、反转、交换、合并、环路检查等。