数值分析（四） Hermite（埃尔米特）插值法及matlab代码
目录
- 前言
- 一、Hermite插值
-
- 1. Hermite定理
- 2. 重节点差商
- 3. 重节点Newton插值
- 4. Hermite 插值公式
-
- 4.1 三点三次 Hermite插值
- 4.2 两点三次 Hermite插值
- 4.3
2
n
+
1
2n+1
2n+1次Hermite插值多项式
- 二、Hermite插值算法及matlab代码
- 1.
2
n
+
1
2n+1
2n+1次Hermite插值matlab代码实现
- 2. 例题
- 1.
- 三、总结
- 四、插值法专栏
前言
本篇为插值法专栏第四篇内容讲述，此章主要讲述 Hermite（埃尔米特）插值法及matlab代码，其中也给出详细的例子让大家更好的理解Hermite插值法
提示 之前已经介绍牛顿插值法和三次样条插值，如果没看过前两篇的可以点击以下链接阅读
- 数值分析（一）牛顿插值法
- 数值分析（二）三次样条插值法
- 数值分析（二续） 三次样条插值二类边界完整matlab代码
一、Hermite插值
在许多实际应用中，不仅要求函数值相等，而且要求若干阶导数也相等。
1. Hermite定理
定义：满足函数值相等且导数也相等的插值方法
f
(
x
)
≈
φ
(
x
)
f(x) \approx \varphi (x)
f(x)≈φ(x)，
φ
(
x
i
)
=
f
(
x
i
)
(
i
=
0
,
1
,
…
,
n
)
\varphi ({x_i}) = f({x_i}) (i=0,1,\ldots ,n)
φ(xi)=f(xi)(i=0,1,…,n)
φ
′
(
x
i
)
=
f
′
(
x
i
)
\varphi ‘({x_i}) = f'({x_i})
φ′(xi)=f′(xi)
φ
(
2
)
(
x
i
)
=
f
(
2
)
(
x
i
)
\varphi ^{(2)} ({x_i}) = f ^{(2)} ({x_i})
φ(2)(xi)=f(2)(xi)
⋮
\vdots
⋮
φ
(
m
)
(
x
i
)
=
f
(
m
)
(
x
i
)
\varphi ^{(m)} ({x_i}) = f ^{(m)} ({x_i})
φ(m)(xi)=f(m)(xi)
定理：设
f
(
x
)
∈
C
n
[
a
,
b
]
,
x
0
,
.
.
.
,
x
n
f(x) \in {C^n}[a,b],{x_0},…,{x_n}
f(x)∈Cn[a,b],x0,…,xn 为
[
a
,
b
]
[a,b]
[a,b] 上的互异节点，则
f
[
x
0
,
.
.
.
,
x
n
]
f[{x_0},… ,{x_n}]
f[x0,…,xn] 是其变量的连续函数
2. 重节点差商
注意： 差商知识不清楚的话可以看之前这篇 数值分析（一）牛顿插值法 中有对差商详细的讲解
f
[
x
0
,
x
0
]
=
lim
x
1
→
x
0
f
[
x
0
,
x
1
]
=
f
(
x
1
)
−
f
(
x
0
)
x
1
−
x
0
=
f
′
(
x
0
)
f[{x_0},{x_0}] = \mathop {\lim }\limits_{{x_1} \to {x_0}} f[{x_0},{x_1}] = \frac{{f({x_1}) – f({x_0})}}{{{x_1} – {x_0}}} = f'({x_0})
f[x0,x0]=x1→x0limf[x0,x1]=x1−x0f(x1)−f(x0)=f′(x0)
f
[
x
0
,
x
0
,
x
0
]
=
lim
x
1
→
x
0
x
2
→
x
0
f
[
x
0
,
x
1
,
x
2
]
=
1
2
!
f
′
′
(
x
0
)
f[{x_0},{x_0},{x_0}] = \mathop{\lim }\limits_{{x_1} \to {x_0}\\{{x_2} \to {x_0}}}f[{x_0},{x_1},{x_2}] = \frac{1}{{2!}}f”({x_0})
f[x0,x0,x0]=x1→x0x2→x0limf[x0,x1,x2]=2!1f′′(x0)
一般
n
n
n 阶重节点差商定义为：
f
[
x
0
,
x
0
,
⋯
,
x
0
]
=
lim
x
i
→
x
0
f
[
x
0
,
x
1
,
⋯
,
x
n
]
=
1
n
!
f
(
n
)
(
x
0
)
f[{x_0},{x_0},\cdots,{x_0}] = \mathop{\lim }\limits_{{x_i} \to {x_0}}f[{x_0},{x_1},\cdots,{x_n}] = \frac{1}{{n!}}f^{(n)}({x_0})
f[x0,x0,⋯,x0]=xi→x0limf[x0,x1,⋯,xn]=n!1f(n)(x0)
3. 重节点Newton插值
在Newton插值公式中，令
x
i
→
x
0
,
i
=
1
,
⋯
,
n
x_i \to x_0, i = 1, \cdots, n
xi→x0,i=1,⋯,n，则
N
n
(
x
)
=
f
(
x
0
)
+
f
[
x
0
,
x
1
]
(
x
−
x
0
)
+
⋯
+
f
[
x
0
,
x
1
,
⋯
,
x
n
]
∏
i
=
1
n
−
1
(
x
−
x
i
)
=
f
(
x
0
)
+
f
′
(
x
0
)
(
x
−
x
0
)
+
⋯
+
f
(
n
)
(
x
0
)
n
!
(
x
−
x
0
)
n
N_n(x) = f(x_0)+f[x_0, x_1](x – x_0)+ \cdots + f[x_0, x_1, \cdots, x_n]\prod_{i=1 }^{n-1} (x-x_i) \\ = f(x_0) + f'(x_0)(x-x_0)+ \cdots + \frac{f^{(n)}(x_0)}{n!}(x-x_0)^n
Nn(x)=f(x0)+f[x0,x1](x−x0)+⋯+f[x0,x1,⋯,xn]i=1∏n−1(x−xi)=f(x0)+f′(x0)(x−x0)+⋯+n!f(n)(x0)(x−x0)n
担心有些同学看不懂推导，解释一下如何转化为第二个等式（即，Taylor 插值多项式）：
将1.1中讲述的重节点差商 带入Newton插值公式中：
lim
x
i
→
x
0
f
[
x
0
,
x
1
,
⋯
,
x
n
]
=
1
n
!
f
(
n
)
(
x
0
)
\mathop{\lim }\limits_{{x_i} \to {x_0}}f[{x_0},{x_1},\cdots,{x_n}]=\frac{1}{{n!}}f^{(n)}({x_0})
xi→x0limf[x0,x1,⋯,xn]=n!1f(n)(x0)所有的
x
i
→
x
0
x_i \to x_0
xi→x0，所以
∏
i
=
1
n
−
1
(
x
−
x
i
)
\prod_{i=1 }^{n-1} (x-x_i)
∏i=1n−1(x−xi) 就变成了
(
x
−
x
0
)
n
(x-x_0)^n
(x−x0)n
插值余项
R
n
(
x
)
=
f
(
n
+
1
)
(
ξ
)
(
n
+
1
)
!
(
x
−
x
0
)
n
+
1
R_n(x) = \frac{f^{(n+1)}(\xi)}{(n+1)!}(x-x_0)^{n+1}
Rn(x)=(n+1)!f(n+1)(ξ)(x−x0)n+1
4. Hermite 插值公式
一般来说，给定
m
+
1
m+1
m+1 个插值条件，就可以构造出一个
m
m
m 次Hermite 插值多项式，接下来介绍两个典型的Hermite插值：三点三次 Hermite插值 和 两点三次 Hermite 插值
4.1 三点三次 Hermite插值
插值节点：
x
0
，
x
1
，
x
2
x_0，x_1， x_2
x0，x1，x2
插值条件：
P
(
x
i
)
=
f
(
x
i
)
，
i
=
0
,
1
,
2
，
P
′
(
x
1
)
=
f
′
(
x
1
)
P(x_i) = f(x_i)，i=0,1,2，P'(x_1) = f'(x_1)
P(xi)=f(xi)，i=0,1,2，P′(x1)=f′(x1)
设：
P
(
x
)
=
f
(
x
0
)
+
f
[
x
0
,
x
1
]
(
x
−
x
0
)
+
f
[
x
0
,
x
1
,
x
2
]
(
x
−
x
0
)
(
x
−
x
1
)
+
A
(
x
−
x
0
)
(
x
−
x
1
)
(
x
−
x
2
)
P(x) = f(x_0) + f[x_0,x_1](x-x_0)+f[x_0,x_1,x_2](x-x_0)(x-x_1)+A(x-x_0)(x-x_1)(x-x_2)
P(x)=f(x0)+f[x0,x1](x−x0)+f[x0,x1,x2](x−x0)(x−x1)+A(x−x0)(x−x1)(x−x2)
将
P
′
(
x
1
)
=
f
′
(
x
1
)
P'(x_1) = f'(x_1)
P′(x1)=f′(x1)代入可得
A
=
f
′
(
x
1
)
−
f
[
x
0
,
x
1
]
−
f
[
x
0
,
x
1
,
x
2
]
(
x
1
−
x
0
)
(
x
1
−
x
0
)
(
x
1
−
x
2
)
A = \frac{f'(x_1)-f[x_0,x_1] – f[x_0,x_1,x_2](x_1-x_0)}{(x_1-x_0)(x_1-x_2)}
A=(x1−x0)(x1−x2)f′(x1)−f[x0,x1]−f[x0,x1,x2](x1−x0)
由于
x
0
,
x
1
,
x
2
x_0,x_1,x_2
x0,x1,x2是
R
(
x
)
R(x)
R(x)的零点，且
x
1
x_1
x1是二重零点，故可设，余项公式：
R
(
x
)
=
f
(
x
)
−
P
(
x
)
=
k
(
x
)
(
x
−
x
0
)
(
x
−
x
1
)
2
(
x
−
x
2
)
R(x) = f(x) – P(x) = k(x)(x-x_0)(x-x_1)^2(x-x_2)
R(x)=f(x)−P(x)=k(x)(x−x0)(x−x1)2(x−x2)与 Lagrange 插值余项公式的推导过程类似，可得
R
(
x
)
=
f
(
4
)
(
ξ
x
)
4
!
(
x
−
x
0
)
(
x
−
x
1
)
2
(
x
−
x
2
)
R(x) = \frac{f^{(4)}(\xi_x)}{4!}(x-x_0)(x-x_1)^2(x-x_2)
R(x)=4!f(4)(ξx)(x−x0)(x−x1)2(x−x2)
其中
ξ
x
\xi_x
ξx 位于由
x
0
,
x
1
,
x
2
x_0, x_1, x_2
x0,x1,x2和
x
x
x所界定的区间内
4.2 两点三次 Hermite插值
插值节点：
x
0
，
x
1
x_0，x_1
x0，x1
插值条件：
P
(
x
i
)
=
f
(
x
i
)
=
y
i
，
P
′
(
x
i
)
=
f
′
(
x
i
)
=
m
i
，
i
=
0
,
1
P(x_i) = f(x_i)=y_i，P'(x_i) = f'(x_i)=m_i，i=0,1
P(xi)=f(xi)=yi，P′(xi)=f′(xi)=mi，i=0,1
模仿Lagrange 多项式的思想，设
H
3
(
x
)
=
y
0
α
0
(
x
)
+
y
1
α
1
(
x
)
+
m
0
β
0
(
x
)
+
m
1
β
1
(
x
)
H_3(x) = y_0\alpha_0(x)+y_1\alpha_1(x)+m_0\beta_0(x)+m_1\beta_1(x)
H3(x)=y0α0(x)+y1α1(x)+m0β0(x)+m1β1(x)其中
α
0
(
x
)
,
α
1
(
x
)
,
β
0
(
x
)
,
β
1
(
x
)
\alpha_0(x), \alpha_1(x), \beta_0(x), \beta_1(x)
α0(x),α1(x),β0(x),β1(x)均为3次多项式，且满足
α
j
(
x
i
)
=
δ
i
j
,
α
j
′
(
x
i
)
=
0
,
β
j
(
x
i
)
=
0
,
β
j
′
(
x
i
)
=
δ
j
i
(
i
,
j
=
0
,
1
)
\alpha_j(x_i) = \delta_{ij}, \alpha’_j(x_i)=0,\\ \beta_j(x_i)=0, \beta’_j(x_i) = \delta_{ji} \\ (i, j =0, 1)
αj(xi)=δij,αj′(xi)=0,βj(xi)=0,βj′(xi)=δji(i,j=0,1)
上述中的
δ
i
j
\delta_{ij}
δij表达式在Lagrange多项式中提到过，怕有些同学忘了这里帮忙回顾一下
l
k
(
x
i
)
=
δ
k
i
=
{
1
(
i
=
k
)
0
(
i
≠
k
)
l_k(x_i) = \delta_{ki} = \left \{\begin{matrix}1&(i=k) \\ 0&(i \ne k)\end{matrix}\right.
lk(xi)=δki={10(i=k)(i=k)
将插值条件代入立即可得
α
0
(
x
)
\alpha_0(x)
α0(x)求解过程
Step 1：根据前面可以得到：
α
0
(
x
0
)
=
1
,
α
0
′
(
x
0
)
=
0
,
α
0
(
x
1
)
=
0
,
α
0
′
(
x
1
)
=
0
\alpha_0(x_0) = 1, \alpha’_0(x_0)=0, \alpha_0(x_1) = 0, \alpha’_0(x_1)=0
α0(x0)=1,α0′(x0)=0,α0(x1)=0,α0′(x1)=0
Step 2：由上面提到过
α
0
(
x
)
,
α
1
(
x
)
,
β
0
(
x
)
,
β
1
(
x
)
\alpha_0(x), \alpha_1(x), \beta_0(x), \beta_1(x)
α0(x),α1(x),β0(x),β1(x)都是3次多项式，
α
0
(
x
1
)
=
0
,
α
0
′
(
x
1
)
=
0
\alpha_0(x_1) = 0, \alpha’_0(x_1)=0
α0(x1)=0,α0′(x1)=0，根据以上条件可以构造函数为：
α
0
(
x
)
=
(
a
x
+
b
)
(
x
−
x
1
x
0
−
x
1
)
2
\alpha_0(x) = (ax + b)(\frac{x-x_1}{x_0-x_1})^2
α0(x)=(ax+b)(x0−x1x−x1)2
Step 3：将
α
0
(
x
0
)
=
1
,
α
0
′
(
x
0
)
=
0
\alpha_0(x_0) = 1, \alpha’_0(x_0) = 0
α0(x0)=1,α0′(x0)=0 代入上式，可以求解得到
a
=
−
2
x
0
−
x
1
,
b
=
3
x
0
−
x
1
x
0
−
x
1
=
1
+
2
x
0
x
0
−
x
1
a = -\frac{2}{x_0-x_1}, b = \frac{3x_0-x_1}{x_0-x_1} = 1+ \frac{2x_0}{x_0-x_1}
a=−x0−x12,b=x0−x13×0−x1=1+x0−x12×0
Step 4：将求得出来的
a
,
b
a, b
a,b 代入到构造的函数
α
0
(
x
)
\alpha_0(x)
α0(x) 中，即得：
α
0
(
x
)
=
(
1
+
2
x
−
x
0
x
1
−
x
0
)
(
x
−
x
1
x
0
−
x
1
)
2
\alpha_0(x) = (1+2\frac{x-x_0}{x_1-x_0})(\frac{x-x_1}{x_0-x_1})^2
α0(x)=(1+2×1−x0x−x0)(x0−x1x−x1)2
注意：我在推公式的过程感觉是2前面是个减号(很容易出现自己推导和给出的不一致)，我仔细一看发现是这么一回事，那么我来把省略的一些步骤给他详细写一下
a
x
+
b
=
−
2
x
x
0
−
x
1
+
1
+
2
x
0
x
0
−
x
1
=
1
−
2
x
−
x
0
x
0
−
x
1
=
1
+
2
x
−
x
0
x
1
−
x
0
ax+b = -\frac{2x}{x_0-x_1}+1+ \frac{2x_0}{x_0-x_1} = 1 – 2\frac{x-x_0}{x_0-x_1} = 1 + 2\frac{x-x_0}{x_1-x_0}
ax+b=−x0−x12x+1+x0−x12×0=1−2×0−x1x−x0=1+2×1−x0x−x0才发现将-放到了分母
同理：
α
1
(
x
)
=
(
1
+
2
x
−
x
1
x
0
−
x
1
)
(
x
−
x
0
x
1
−
x
0
)
2
\alpha_1(x) = (1+2\frac{x-x_1}{x_0-x_1})(\frac{x-x_0}{x_1-x_0})^2
α1(x)=(1+2×0−x1x−x1)(x1−x0x−x0)2
类似得可以得到：
β
0
(
x
)
=
(
x
−
x
0
)
(
x
−
x
1
x
0
−
x
1
)
2
\beta_0(x) = (x-x_0)(\frac{x-x_1}{x_0-x_1})^2
β0(x)=(x−x0)(x0−x1x−x1)2
β
1
(
x
)
=
(
x
−
x
1
)
(
x
−
x
0
x
1
−
x
0
)
2
\beta_1(x) = (x-x_1)(\frac{x-x_0}{x_1-x_0})^2
β1(x)=(x−x1)(x1−x0x−x0)2
满足插值条件
P
(
x
0
)
=
f
(
x
0
)
=
y
0
，
P
′
(
x
0
)
=
f
′
(
x
0
)
=
m
0
P
(
x
1
)
=
f
(
x
1
)
=
y
1
，
P
′
(
x
1
)
=
f
′
(
x
1
)
=
m
1
P(x_0) = f(x_0)=y_0，P'(x_0) = f'(x_0)=m_0 \\ P(x_1) = f(x_1)=y_1，P'(x_1) = f'(x_1)=m_1
P(x0)=f(x0)=y0，P′(x0)=f′(x0)=m0P(x1)=f(x1)=y1，P′(x1)=f′(x1)=m1 的三次Hermite插值多项式为
H
3
(
x
)
=
y
0
(
1
+
2
x
−
x
0
x
1
−
x
0
)
(
x
−
x
1
x
0
−
x
1
)
2
+
y
1
(
1
+
2
x
−
x
1
x
0
−
x
1
)
(
x
−
x
0
x
1
−
x
0
)
2
+
m
0
(
x
−
x
0
)
(
x
−
x
1
x
0
−
x
1
)
2
+
m
1
(
x
−
x
1
)
(
x
−
x
0
x
1
−
x
0
)
2
H_3(x) = y_0(1+2\frac{x-x_0}{x_1-x_0})(\frac{x-x_1}{x_0-x_1})^2+y_1 (1+2\frac{x-x_1}{x_0-x_1})(\frac{x-x_0}{x_1-x_0})^2 \\ +m_0(x-x_0)(\frac{x-x_1}{x_0-x_1})^2+m_1(x-x_1)(\frac{x-x_0}{x_1-x_0})^2
H3(x)=y0(1+2×1−x0x−x0)(x0−x1x−x1)2+y1(1+2×0−x1x−x1)(x1−x0x−x0)2+m0(x−x0)(x0−x1x−x1)2+m1(x−x1)(x1−x0x−x0)2
余项
R
3
(
x
)
=
f
(
4
)
(
ξ
x
)
4
!
(
x
−
x
0
)
2
(
x
−
x
1
)
2
R_3(x) = \frac{f^{(4)}(\xi_x)}{4!}(x-x_0)^2(x-x_1)^2
R3(x)=4!f(4)(ξx)(x−x0)2(x−x1)2其中
ξ
x
∈
(
x
0
,
x
1
)
\xi_x \in (x_0, x_1)
ξx∈(x0,x1)
4.3
2
n
+
1
2n+1
2n+1次Hermite插值多项式
由上面 4.2 中给出了
α
0
(
x
)
,
α
1
(
x
)
,
β
0
(
x
)
,
β
1
(
x
)
\alpha_0(x), \alpha_1(x), \beta_0(x), \beta_1(x)
α0(x),α1(x),β0(x),β1(x) 的表达式，那么依次类推推导出
2
n
+
1
2n+1
2n+1 次Hermite插值多项式，且条件为
H
(
x
i
)
=
f
(
x
i
)
，
H
′
(
x
i
)
=
f
′
(
x
i
)
，
(
i
=
0
,
1
,
⋯
,
n
)
H(x_i) = f(x_i)，H'(x_i) = f'(x_i)，(i=0,1,\cdots,n)
H(xi)=f(xi)，H′(xi)=f′(xi)，(i=0,1,⋯,n)
求解：
α
j
(
x
)
\alpha_j(x)
αj(x) 和
β
j
(
x
)
\beta_j(x)
βj(x)
(
j
=
0
,
1
,
⋯
,
n
)
(j = 0,1,\cdots,n)
(j=0,1,⋯,n)
α
j
(
x
)
=
[
1
−
2
(
x
−
x
j
)
∑
k
=
0
k
≠
j
n
1
x
j
−
x
k
]
l
j
2
(
x
)
\alpha_j(x) = [1-2(x-x_j)\sum_{\begin{matrix} k = 0\\ k\ne j \end{matrix}}^{n}\frac{1}{x_j-x_k}]l_j^2(x)
αj(x)=[1−2(x−xj)k=0k=j∑nxj−xk1]lj2(x)
β
j
(
x
)
=
(
x
−
x
j
)
l
j
2
(
x
)
\beta_j(x) = (x-x_j)l_j^2(x)
βj(x)=(x−xj)lj2(x)
H
2
n
+
1
(
x
)
=
∑
j
=
0
n
[
1
−
2
(
x
−
x
j
)
∑
k
=
0
k
≠
j
n
1
x
j
−
x
k
]
l
j
2
(
x
)
f
(
x
j
)
+
∑
j
=
0
n
(
x
−
x
j
)
l
j
2
(
x
)
f
′
(
x
j
)
H_{2n+1}(x) = \sum_{j=0}^{n}[1-2(x-x_j)\sum_{\begin{matrix} k = 0\\ k\ne j \end{matrix}}^{n}\frac{1}{x_j-x_k}]l_j^2(x)f(x_j)+\sum_{j=0}^{n}(x-x_j)l_j^2(x)f'(x_j)
H2n+1(x)=j=0∑n[1−2(x−xj)k=0k=j∑nxj−xk1]lj2(x)f(xj)+j=0∑n(x−xj)lj2(x)f′(xj)
上述中的
l
j
(
x
)
l_j(x)
lj(x) 在 Lagrange 多项式中提到过不太清楚得同学可以去回顾一下
二、Hermite插值算法及matlab代码
Matlab 版本号 2022b
1.
2
n
+
1
2n+1
2n+1次Hermite插值matlab代码实现
function y=Hermitezi(X,Y,Y1,x)% 2n+1次Hermite插值函数% X为已知数据点的x坐标% Y为已知数据点的y坐标% Y1为数据点y值导数% x0为插值点的x坐标if(length(X) == length(Y)) if(length(X) == length(Y1)) n=length(X); else disp('y和y的导数维数不相等'); renturn; end else disp('x和y的维数不相等'); return;end%以上为输入判断和确定“n”的值m=length(x);for t=1:m z=x(t);s=0.0; for i=1:n h=1.0; a=0.0; for j=1:n if(j~= i) h=h*(z-X(j))^2/((X(i)-X(j))^2);%求得值为(li(x))^2 a=a+1/(X(i)-X(j)); %求得ai（x）表达式之中的累加部分 end end s=s+h*((X(i)-z)*(2*a*Y(i)-Y1(i))+Y(i)); endy(t)=s;endend2. 例题
主函数：
x=[0,1]; y=[1,2]; y1=[0.5,0.5]; y=Hermitezi(x,y,y1,0.724)
结果：
三、总结
这篇blog我推迟了1年才开始写，本应该很早就把这篇写完，由于比较忙遇到一些事情，现在重新得拾起开始撰写分享给大家，也非常感谢大家对我的关注，今年的计划也是将这个插值法专栏更新完，之后会再转换到另一个专栏的撰写。下方有专栏链接，可以订阅一下防止找不到。
四、插值法专栏
专栏链接：插值法专栏，如果对你有帮助的话可以点个赞，点个订阅，我将完善此专栏
- 数值分析（一） 牛顿插值法及matlab代码
- 数值分析（二) 三次样条插值法matlab程序
- 数值分析（二续） 三次样条插值二类边界完整matlab代码
本文来自网络，不代表协通编程立场，如若转载，请注明出处：https://net2asp.com/8cfea8391f.html
相关推荐
-
java stream简介
（1）Stream Stream（流）是一个来自数据源的元素队列并支持聚合操作。 forEach方法用来迭代流中的每个数据，没有返回值。map方法用于映射每个元素到对应的结果，有返…
-
Ubuntu+Apache+MySQL+PHP+phpstorm+xdebug下的debug环境搭建（纯小白笔记）
关键词 一、win10双系统装Ubuntu（Deepin） 参考文章： https://www.cnblogs.com/masbay/p/11627727.html 1.1 首先需…
-
STL容器大总结区分(上)
如图所示 ,按大小说明其重要性 那就先说两个最重要的: vector—数组 list—–链表 vector 基本概念 …
-
初探分布式链路追踪
本篇文章，主要介绍应用如何正确使用日志系统，帮助用户从依赖、输出、清理、问题排查、报警等各方面全面掌握。 可观测性 可观察性不单是一套理论框架，而且并不强制具体的技术规格。其核心在…
-
springboot 怎么设置局域网访问
如何配置Spring Boot应用以实现局域网访问 在开发一个Spring Boot应用时，我们通常会通过localhost来访问和测试我们的应用。但是，当我们想要在局域网中分享我…
-
初级通信工程师-通信网络安全
1、信息系统的构成 ● 信息系统是将用于收集、处理、存储和传播信息的部件组织在一起而成的相互关 联的整体。 一般由计算机硬件、网络和通信设备、计算机软件、信息资源和信息用户 组成。…
-
自动驾驶感知——多传感器融合技术
文章目录 1. 运动感知类与环境感知类传感器 2. 为什么需要这么多传感器？ 2.1 从需求侧分析 2.2 从供给侧分析 3. 多传感器硬件系统的设计思路 4. 多传感器系统的时序…
-
陀螺仪LSM6DSV16X与AI集成(5)—-6D方向检测功能
陀螺仪LSM6DSV16X与AI集成.5–6D方向检测功能 概述 视频教学 样品申请 源码下载 生成STM32CUBEMX 串口配置 IIC配置 CS和SA0设置 串口…
-
算法总结-深度优先遍历和广度优先遍历
深度优先遍历(Depth First Search，简称DFS) 与广度优先遍历(Breath First Search，简称BFS)是图论中两种非常重要的算法，生产上广泛用于拓扑…
-
频繁项集算法
目录 编辑 前言 基础知识 正文 一、Apriori算法 二、FP-Tree算法 1）第一次扫描数据对1-项集进行计数： 2）建立FP-Tree 3）FP-Tree获取频繁项集 …
