leetcode题库 一份基于Java的LeetCode题解（始于2019/9/15） 1、将会按照LeetCode上面的标签由简单到困难进行刷题。 2、尽可能的会按给出的标签进行解答（如果：数组类的题目，就最大可能的使用数组完成。如果涉及多个标签，就会使用多个解法）。 3、会优先给出我的答案，但是如果我发现评论的答案给出了更好的思路，我也会在下面给出 4、如果我无法使用当前标签解出，我会尝试使用其它方法解出来。 5、在每一个分类中，我也会给出单独的菜单。同时如果有需要的话也会给出相关的学习资料和描述。 6、标签排序会遵循LeetCode标签排序。 7、在写这个题解的时候已经做了45个题，会慢慢的把这个45个给同步了。 8、下面的顺序将是我解决的期倒序排列。 9、简单的坚持一件事，只此而已。 2019/10/15，新增tO(时间复杂度),sO(空间复杂度) 后面刷完了，闲来无事，可以对之前写的不好的算法进行优化一把，哇哈哈 2019/12/2 最近一直刷简单的从难到易，好像现在简单的已经没啥问题了，思考一会就有思路了。 再刷一段时间吧，再看看啥时候进阶中等。 加油~~~~ 2019/1

LeetCode所有题解Java版本。如果有解法更好联系jiayuan_hu@hotmail.com

leetcode 和 oj 算法与数据结构实现 Algorithms + Data Structures = Programs --Niklaus Wirth 项目主要整理收集常用的数据结构和算法的实现，常见的面试问题的解法，还有 LeetCode、OJ 题目的（参考）解法。代码会以可读性为首要目标，其次简洁易懂，第三才考虑效率（当然这是理想）。 主要是 C 系算法（C、C++、Java）还有 Python 的设计与实现，基本上遵循统一的接口。由于多语言，加上并不是什么大型项目，涉及的依赖也很少，Bazel 非常适合用来作为这个多语言项目的构建工具。不使用 Bazel 完全没问题，因为项目内容都是分散的，彼此之间没有什么联系，只是 Bazel 可以提供一个统一的使用方式。 算法是最适合使用 TDD 进行设计和开发的。因此在 目录中提供使用单元测试的方法，可以作为参考。C++ 使用的是 进行单元测试；Java 当然是 JUnit5；Python 直接使用内置的标准库模块 unittest。 除了测试，文档也是非常有必要的。目前尝试使用 Doxygen 作为一个通用的文档生成工具（主要针对

leetcode 分类 Algorithm_Study 牛客网的剑指Offer和leetcode部分题目解答 src下按照考察的知识点分类了leetcode的一些题目的代码实现 子项目NowcoderOffer下分享了牛客网的《剑指Offer》67道题的代码实现 没什么意义的开源项目，开源的目的仅仅是为在日常中熟悉git用法

leetcode刷题147页（c++版）.rar

leetcode 答案 题库 手写题 手写bind 手写promise，基础架子，不用写all、race等api 综合题 js css webpack vue node web安全 网络 算法 爬楼梯尾递归优化 猴子吃香蕉 回文字符串个数(最长回文字符串) 架构 JavaScript 函数防抖、函数节流 事件循环（浏览器、Node） JavaScript的sort方法内部使用的什么排序？ 函数式编程 手动实现parseInt 用JavaScript的异步实现sleep函数 原型、闭包 异步 JavaScript异步的处理方式(回调、promise、generator、async) 手写promise的all方法 手写实现promise Es6 常用 es6 语法 使用es5实现es6的class CSS css选择器的优先级 css实现图片自适应宽高 flex，flex常用属性，以及相关作用 BFC是什么 Node 项目里面用nodejs做了啥 express框架的设计思想 nodejs的eventEmitter的实现 express的中间件系统是如何设计的 express 动态路由匹

颜色分类leetcode 深度宫颈癌：使用深度学习进行宫颈癌分类 概述 SIPakMed 数据集上宫颈癌分类的深度学习框架，可提高 PAP 涂片​​检查评估和癌症预后的准确性 简要总结 作为 ETH 项目的一部分，基于来自 PAP 测试涂片的细胞显微图像开发了用于宫颈癌检测和分类的深度学习框架。 该项目的目的是为医生提供一个有用的工具，以快速检测患者是否已经发展或有发展为宫颈癌的危险。简单地说，它构成了女性患者宫颈癌检测和预后的快速工具。 数据集 该模型将在 Pap 涂片图像中的正常和病理宫颈细胞的基于特征和图像的分类的新数据集上进行训练。 数据集可下载 该数据集由996张巴氏涂片（全片图像）的簇细胞图像组成，有5个宫颈细胞分类类别； a) 角化不良 b) Koilocytotic c) 化生性 d) 副基底层 e) 浅中级。 总体而言，该项目侧重于基于整个幻灯片显微细胞图像（不仅仅是裁剪的细胞图像，而是整个幻灯片）的 5 类分类分类 程序 下载 SIPakMed 数据集 SIPakMed 数据集结构需要类似于下图所示的结构。 使用“implementation_DatasetDivi

颜色分类leetcode 使用 GAN 进行图像着色 介绍 该存储库是 Conditional GAN 的实现，用于将图像从灰度转换为 RGB。 网络的输入是 1 通道灰度图像（特别是 LAB 色彩空间的“L”通道），生成器将创建输入图像的 3 通道彩色版本。 生成器具有编码器-解码器架构； 鉴别器只是一个编码器加上提供一类输出的全连接层。 跳过连接应用于生成器（U-Net）。 对于 224x224 图像，生成器的架构如下所示。 每个块包含 Conv(transpose Conv) 层、BatchNormalization 和 Leaky ReLU。 生成器的最终激活函数是 tanh； 用于鉴别器的 sigmoid。 输入图像在输入网络之前被标准化。 总的来说，Conditional GAN 的目标函数是： 对于生成器，使用 L1 距离添加正则化项： 其中使用系数 lambda 100。 该模型使用 Adam 优化器进行了优化，并稍作改动。 该模型适用于各种彩色图像数据集。 这里实验了三个数据集：OxFlower、SpongeBob 和 SC2Replay。 ：Oxford VGG g

leetcode 跳跃 《程序员代码面试指南》 第1章：栈和队列 CD5：设计一个有getMin功能的栈 CD6：由两个栈组成的队列 CD7：如何仅用递归函数和栈操作逆序一个栈 CD100：猫狗队列 CD13：用一个栈实现另一个栈的排序 CD15：生成窗口最大值数组 CD101：单调栈结构（不含重复值） CD188：单调栈结构（进阶，含重复值） CD16：求最大子矩阵大小 CD18：最大值减去最小值小于或等于num的子数组数量 CD102：可见的山峰对数量（CD102、CD105，待整理） 第2章：链表问题 CD48：打印两个有序链表的公共部分 CD49：在单链表和双链表中删除倒数第K个节点 CD106：删除链表的中间节点和a/b处的节点 CD107：反转单向和双向链表 CD108：反转部分单向链表 CD109：环形单链表的约瑟夫问题（进阶，CD110） CD111：判断一个链表是否为回文结构（时间复杂度O(N)，空间复杂度O(N)） CD112：判断一个链表是否为回文结构（进阶，时间复杂度O(N)，空间复杂度O(1)） LeetCode 138：复制含有随机指针节点的链表 CD114

谷歌高畅、BAT霜神leetcode刷题笔记.zip