空间点位抽稀算法,复杂度为o(n),抽稀算法的核心是通过空间矩阵化,然后随机选取落在小矩阵中的一个值作为结果。举个列子,比如将一维数据{8,2,7,4,9,6,7,8,11,2,5,4,5}抽稀,抽稀按照单维度5作为抽稀粒度,抽稀数据最小值为1,最大值为11,划分小矩阵的step值为2,则抽稀小矩阵空间为:[1-3],[3,-5],.........[9-11],然后将数据往矩阵空间填充,最终返回矩阵空间中的所有数据,即抽稀结果。
空间点位抽稀算法,复杂度为o(n),抽稀算法的核心是通过空间矩阵化,然后随机选取落在小矩阵中的一个值作为结果。举个列子,比如将一维数据{8,2,7,4,9,6,7,8,11,2,5,4,5}抽稀,抽稀按照单维度5作为抽稀粒度,抽稀数据最小值为1,最大值为11,划分小矩阵的step值为2,则抽稀小矩阵空间为:[1-3],[3,-5],.........[9-11],然后将数据往矩阵空间填充,最终返回矩阵空间中的所有数据,即抽稀结果。
最近一年贡献:0 次
最长连续贡献:0 日
最近连续贡献:0 日
贡献度的统计数据包括代码提交、创建任务 / Pull Request、合并 Pull Request,其中代码提交的次数需本地配置的 git 邮箱是 Gitee 帐号已确认绑定的才会被统计。