HTTPS 常用的密钥交换算法有两种，分别是 RSA 和 ECDHE 算法。其中，RSA 是比较传统的密钥交换算法，它不具备前向安全的性质，因此现在很少服务器使用的。而 ECDHE 算法具有前向安全，所以被广泛使用。我在上一篇已经介绍了 RSA 握手的过程，今天这一篇就「从理论再到实战抓包」介绍 ECDHE 算法。离散对数ECDHE 密钥协商算法是 DH 算法演进过来的，所以我们先从 DH 算法说
集成学习方法通过组合多个弱基分类器来实现强分类器目的，从而提高分类性能。集成学习是一类算法，并不是指一个算法。集成学习策略有非常多种，包括数据层面、模型层面和算法层面三个方面集成，这方面由于研究非常广泛，论文非常多，可以去知网下载硕博论文，论文总结非常全面。常用的两种集成学习方法是：bagging袋装法，典型代表随机森林（Random Forests）和boosting提升法，典型代表GBDT（G
转载
2024-04-12 16:15:21
87阅读
这段时间刷了刷letcode，编程的乐趣可能就是`它就在那儿，而你要征服它`（哈哈哈），刷过一道题时，会有种莫名其妙的快感！本篇文章记录了我刷的一道算法题并经历不断优化和改进且最终"攀顶"的历程。题目优先：letcode-44_通配符匹配题解：我的题解'?' 可以匹配任何单个字符。
'*' 可以匹配任意字符串（包括空字符串）。示例：(抄自 letcode)输入:
s = "aa"
p = "a"
浅谈算法--像计算机人一样思考算法算法？基础？由来？算法！ 算法？听到算法，有的人先想到的是recipe(菜谱)，有些人想的是计算方法(解题策略)，还有些人更直接的想到一个字–难。那么，算法的正确打开姿势是什么呢？先来看看百度百科和维基百科对算法的额定义：算法（Algorithm）是指解题方案的准确而完整的描述，是一系列解决问题的清晰指令，算法代表着用系统的方法描述解决问题的策略机制。—百度百科
1. ECDHE加密算法的简单数学原理： ECDHE = ephemeral Elliptic Cure Diffie-Hellman，“短暂-椭圆曲线-迪菲-赫尔曼” 算法。对于公式：A = G ^ a % P
B = G ^ b % P其中，G为底数，P为模数，a为对数，A为真数。当已知a时，可以推算出A；反之，当已知A时，却几乎无法推算出a。 这就形成了一个“单向函数”。映射到加密算法中，
转载
2024-06-17 03:59:52
154阅读
什么是聚类任务“无监督学习”中研究最多，应用最广的学习任务，除此之外，还有密度估计（density estimation）和异常检测（anomaly detection）。在无监督学习中，训练样本的标记信息是未知的，目标是通过对无标记训练样本的学习揭示数据的内在性质及规律，为进一步的数据分析提供基础。聚类(clustering)将数据集中的样本划分为若干个通常不相交的子集，每个子集称为一个“簇”（
转载
2024-10-31 08:07:38
91阅读
1.kNN算法的优缺点优点简单好用，容易理解，精度高，理论成熟，既可以用来做分类也可以用来做回归；可用于数值型数据和离散型数据；训练时间复杂度为O(n)；无数据输入假定；对异常值不敏感。缺点：计算复杂性高；空间复杂性高；样本不平衡问题（即有些类别的样本数量很多，而其它样本的数量很少）；一般数值很大的时候不用这个，计算量太大。但是单个样本又不能太少，否则容易发生误分。最大的缺点是无法给出数据的内在含
原创
2021-05-07 17:17:15
3371阅读
1.kNN算法的优缺点优点简单好用，容易理解，精度高，理论成熟，既可以用来做分类也可以用来做回归；可用于数值型数据和离散型数据；训练时间复杂度为O(n)；无数据输入假定；对异常值不敏感。缺点：计算复杂性高；空间复杂性高；样本不平衡问题（即有些类别的样本数量很多，而其它样本的数量很少）；一般数值很大的时候不用这个，计算量太大。但是单个样本又不能太少，否则容易发生误分。
原创
2022-03-20 16:13:11
2907阅读
K-最近邻算法（K-Nearest Neighbors, KNN）是一种基本的分类和回归算法。它的工作原理是通过在训练样本中找到距离待分类
原创
2024-04-03 13:04:18
159阅读
今天来聊一个 Elasticsearch 的另一个关键概念——相关性算分。在查询 API 的结果中，我们经常会看到 _score 这个字段，它就是用来表示相关性算分的字段，而相关性就是描述一个文档和查询语句的匹配程度。打分的本质其实就是排序，Elasticsearch 会把最符合用户需求的文档排在最前面。在 Elasticsearch 5.0 之前，相关性算分算法
转载
2024-05-16 12:48:57
56阅读
说在前面 在之前的博客中，已经系统学习了处理分类问题的一种简单的机器学习算法 k近邻算法。下面我将系统的学习机器学习领域的另一个重要算法：线性回归法。 线性回归法与 k近邻算法不同，kNN 算法主要用于解决分类问题，而线性回归算法主要用于解决回归问题。对于线性回归算法来说，它也是一种思想简单，实现容易的机器学习算法。通过之后的学习，就会看到它实现容易是和它背后具有非常强的数学性质是相关的。所以
转载
2024-06-20 14:53:59
199阅读
ViBe算法的详细内容参看Olivier Barnich的以下两篇论文：ViBe: A Powerful Random Technique to Estimate the Background in Video SequencesViBe: A universal background subtraction algorithm for video sequences网上已经有作者提供的源代码，
转载
2024-04-18 14:07:42
63阅读
一.线性判别准则（LDA）LDA是一种监督学习的降维技术。也就是说它的数据集的每个样本是有类别输出的，这点和PCA不同。PCA是不考虑样本类别输出的无监督降维技术。LDA的思想可以用一句话概括，就是“投影后类内方差最小，类间方差最大”。 LDA算法既可以用来降维，又可以用来分类，但是目前来说，主要还是用于降维。在进行图像识别相关的数据分析时，LDA是一个有力的工具。 LDA算法的优缺点： 优点 1
转载
2024-04-01 21:39:33
142阅读
一、Vibe 算法的优点 Vibe背景建模为运动目标检测研究邻域开拓了新思路，是一种新颖、快速及有效的运动目标检测算法。其优点有以下两点： 1、思想简单，易于实现。Vibe通常随机选取邻域20个样本为每个像素点建立一个基于样本的背景模型，具有初始化速度快、
转载
2024-04-10 06:21:18
73阅读
一、 人工鱼的结构模型人工鱼是真实鱼抽象化、虚拟化的一个实体，其中封装了自身数据和一系列行为，可以接受环境的刺激信息，做出相应的活动。其所在的环境由问题的解空间和其他人工鱼的状态，它在下一时刻的行为取决于自身的状态和环境的状态，并且它还通过自身的活动来影响环境，进而影响其他人工鱼的活动。 二、 人工鱼群算法的寻优原理人工鱼群算法在寻优的过程中，可能会集结在几个局部最优
转载
2023-09-04 18:21:52
107阅读
在统计学中，线性回归(Linear Regression)是利用称为线性回归方程的最小平方函数对一个或多个自变量和因变量之间关系进行建模的一种回归分析。这种函数是一个或多个称为回归系数的模型参数的线性组合。只有一个自变量的情况称为简单回归,大于一个自变量情况的叫做多元回归。（这反过来又应当由多个相关的因变量预测的多元线性回归区别，[引文需要]，而不是一个单一的标量变量。 双变量计量资料：每个
转载
2024-07-03 20:25:07
144阅读
机器学习算法优缺点综述
转载
2021-07-16 14:46:34
160阅读
存在即合理，欢迎补充，拍砖KNN优点简单好用，容易理解，精度高，理论成熟，既可以用来做分类也可以用来做回归； 可用表现很好，适合多分类任务，适合...
原创
2023-02-06 16:12:15
154阅读
ST（Accurate Scale Estimation for RobustVisual Tracking）是2015年BMVC（InProceedings of the British Machine Vision Conference）上的文章，并在2014VOT比赛中夺得了第一名，算法简洁，性能优良，可移植性高。之篇文章是基于MOSSE，KCF基础上的改进，主要有两个方面：（1）引入多特征
ESP定律法的步骤ESP定理脱壳（ESP在OD的寄存器中，我们只要在命令行下ESP的硬件访问断点，就会一下来到程序的OEP了！）（1）开始就点F8，注意观察OD右上角的寄存器中ESP有没突现（变成红色）（这只是一 般情况下，更确切的说我们选择的ESP值是关键句之后的第一个ESP值）（2）在命令行下：ddXXXXXXXX(指在当前代码中的ESP地址，或者是hrXXXXXXXX)，（3）选中下断的地址
转载
2024-06-09 08:54:52
133阅读
