Top k问题（线性时间选择算法）
问题描述：给定n个整数，求其中第k小的数。分析：显然，对所有的数据进行排序，即很容易找到第k小的数。但是排序的时间复杂度较高，很难达到线性时间，哈希排序可以实现，但是需要另外的辅助空间。 这里我提供了一种方法，可以在O(n)线性时间内解决Top k问题。关于时间复杂
期望运行时间为Θ(n)的选择问题的算法，最坏则为Θ(n2)public class RandomizedSelect {
/**
* 找到数组a[p...r]中第i个小的元素的值
* 注意：i的值必须在[1...r-p+1]之间，应定义异常处理，本处省略
* @param a
* @param p
* @param r
线性回归在百度百科的解释：线性回归是利用数理统计中回归分析，来确定两种或两种以上变量间相互依赖的定量关系的一种统计分析方法，运用十分广泛。其表达形式为y = w'x+e，e为误差服从均值为0的正态分布。 设备监测值随着时间序列变化的趋势，按照上面的解释，我们要找到Y和X，才能得到回归的方程。很清楚，Y代表着设备监测值，X代表着时间序列。按照线性回归的话。可得到方程为：Y = aT + b &
1.背景介绍时间序列分析是研究时间上有序的观测数据序列变化规律和预测的科学。随着数据量的增加，传统的线性时间序列分析方法已经不能满足需求，非线性时间序列分析方法逐渐成为主流。本文将介绍非线性时间序列分析的核心概念、算法原理、实例代码以及未来发展趋势。1.1 线性时间序列分析的局限性传统的线性时间序列分析方法主要包括移动平均(Moving Average, MA)、移动中值(Moving Media
