目录OSPF基础OSPFv3概述Router-id链路本地地址在OSPFv3中的应用OSPFv3的LSA与v2的区别LSA头部信息Router-LSA（1类）Network-LSA（2类）Intra-Area-Prefix-LSA（9类）LinkLSA（8类）产生几条1/2/8/9类LSAOSPFv3支持多实例OSPFv3尾部跟踪认证OSPF基础OSPFv3概述由于OSPF的扩展性不强，为了支持IPv6地址，重新定义了新的OSPFv3协议来兼容IPv6地址，协议号为IPv6的89相同点不同点OSPFv3只通过链路本地地址建立邻居（基于链路的）OSPFv3实现了拓扑与地址分离（可以不依赖IPv6
前言时隔多年，再次上线，重新经营csdn。自读研以来，不是干饭就是摆烂，实在颓废，能重新开始写博客，已然不易。在这里立下flag，争取以后每周都能写点什么东西，一来锻炼文笔，二来记录学习历程我的研究方向与功能磁共振成像fMRI有关，此前从未接触过该领域，完全是从小白做起。经过几个月的学习，虽然还是一头雾水，但大体上能明白它能做些什么。为方便今后学习，便进行了如下简单的知识点归纳和整理一、fMRI基础二、fMRI数据预处理三、fMRI数据分析四、脑网络连接分析一、fMRI基础1、脑疾病：阿尔兹海默症AD、轻度认知障碍MCI、孤独症谱系障碍ASD、抑郁症MDD、多动症ADHD、偏头痛、帕金森综合症
密度峰值聚类算法DPC(DensityPeakClustering)基于密度峰值的聚类算法全称为基于快速搜索和发现密度峰值的聚类算法(clusteringbyfastsearchandfindofdensitypeaks,DPC)。它是2014年在Science上提出的聚类算法，该算法能够自动地发现簇中心，实现任意形状数据的高效聚类。密度峰值聚类算法是对K-Means算法的一种改进，回顾K-Means算法，它需要人为指定聚类的簇的个数K，并且需要不断地去迭代更新聚类中心。如果K值指定的不恰当，那么最终得到的结果也将千差万别。此外K-Means算法在迭代过程中容易受到离群点的干扰，对于非簇状的数
哈希表理论基础一般哈希表都是用来快速判断一个元素是否出现集合里。当我们想使用哈希法来解决问题的时候，我们一般会选择如下三种数据结构：数组set（集合）map(映射)当我们遇到了要快速判断一个元素是否出现集合里的时候，就要考虑哈希法。但是哈希法也是牺牲了空间换取了时间，因为我们要使用额外的数组，set或者是map来存放数据，才能实现快速的查找。242.有效的字母异位词-力扣（LeetCode）直接调库ACfromcollectionsimportCounterclassSolution:defisAnagram(self,s:str,t:str)->bool:returnCounter(s)==
引言什么是图像梯度？以及图像梯度怎么求解？1图像梯度的概念图像梯度是指图像某像素在x和y两个方向上的变化率（与相邻像素比较），是一个二维向量，由2个分量组成X轴的变化、Y轴的变化。其中：X轴的变化是指当前像素右侧（X加1）的像素值减去当前像素左侧（X减1）的像素值。Y轴的变化是当前像素下方（Y加1）的像素值减去当前像素上方（Y减1）的像素值。计算出来这2个分量，形成一个二维向量，就得到了该像素的图像梯度。取反正切arctan，可得到梯度角度。2图像梯度的求解这个求图像梯度的过程可以通过一个卷积核来实现：[-1,0,1]图像梯度的绝对值为：图像梯度的角度为：代码实现：importnumpyasn
复试前总结一些基本定义，随便看看，不对的地方请多指正！一、稳定性的定义：1、一般定义：系统收到外界干扰时，平衡被破坏。在外界干扰去掉后，仍有自动恢复平衡的能力。2、现代控制理论中的定义：1）李雅普若夫稳定：2）一致稳定3）渐进稳定4）大范围渐进稳定附一张b站视频的图，用这个图蛮好理解的 二、稳定性分析方法1、线性系统：特征根法、奈奎斯特法、相平面法、劳斯判据2、非线性、多变量、时变系统：李雅普若夫第一法/第二法1）李雅普若夫第一法：a线性系统：判断矩阵A的特征值，若全为负，则渐进稳定（A的特征值等价于闭环传递函数的极点）b非线性系统：将系统的描述在平衡点处进行线性化，得到矩阵A，再判断A的特征
目录一、SD卡简介1.1历史1.2tf卡和SD卡的区别1.3mmc，emmc，nand，flash的关系1.4SD卡的规格等级1.4.1按容量分1.4.2class等级1.4.3UHS总线模式1.4.4UHS速度等级1.4.5VSC视频速度等级二、SD卡的内部结构三、SDIO的学习3.1SDIO的主要功能3.2SDIO总线拓扑3.3SDIO功能描述 3.3.1SDIO适配器3.3.2SDIOAHB接口3.4卡功能描述3.4.1卡识别模式3.4.2卡复位3.4.3操作电压范围确认3.4.4卡识别过程3.4.5写数据块3.4.6读数据块3.4.7数据流操作，数据流写入和数据流读出(只适用于多媒体
哈希知识一些记录：虽然std::set、std::multiset的底层实现是红黑树，不是哈希表，std::set、std::multiset使用红黑树来索引和存储，不过给我们的使用方式，还是哈希法的使用方式，即key和value。所以使用这些数据结构来解决映射问题的方法，我们依然称之为哈希法。map也是一样的道理。哈希法也是牺牲了空间换时间，因为我们要使用额外的数组，set或者是map来存放数据，才能实现快速的查找。做面试题目时遇到需判断一个元素是否出现过的场景也应该第一时间想到哈希法#242anagrammultiset和unordered_map都试了下，看代码随想录答案用的array，
在搭载HarmonyOS的分布式终端上，可以保证“正确的人，通过正确的设备，正确地使用数据”。通过“分布式多端协同身份认证”来保证“正确的人”。通过“在分布式终端上构筑可信运行环境”来保证“正确的设备”。通过“分布式数据在跨终端流动的过程中，对数据进行分类分级管理”来保证“正确地使用数据”。正确的人在分布式终端场景下，“正确的人”指通过身份认证的数据访问者和业务操作者。“正确的人”是确保用户数据不被非法访问、用户隐私不泄露的前提条件。HarmonyOS通过以下三个方面来实现协同身份认证：零信任模型：HarmonyOS基于零信任模型，实现对用户的认证和对数据的访问控制。当用户需要跨设备访问数据资
计算机视觉-理论入门前言一，导论：二，卷积：图像去噪：常值卷积：高斯卷积：椒盐去噪：锐化程度：三，边缘检测：图像信号导数：求导算子:图像梯度：提取边缘：canny算法：四，拟合：最小二乘法：y方向：全方向：极大似然估计思想：Robust最小二乘：RANSAC：自适应：指纹识别：霍夫变换：投票策略：直线确定：调整网格适应噪声:Canny梯度投票：霍夫圆：SNAKE：五、角点：全景图片：基础检测：泰勒展开：边和角点区分：Harris角点检测方法：不变和协变：优缺点：六，Blob：拉普拉斯衰减：拉普拉斯多尺度检测：非最大化抑制：优缺点：SIFT特征：拉普拉斯和Blob区别：自适应椭圆仿射协变-尺度不
