题目链接：https://www.luogu.org/problemnew/show/P4721 总结了一下蒟蒻FFT/NTT容易写错的地方： ? 1、rev数组求错。 ? 2、cdq注意顺序：先递归左， 处理左对右的影响，再递归右。（注意！这需要考虑到分治fft的原理！） ? 3、初始a数组忘了取 ...
分类：
其他好文 时间：
2019-05-22 09:48:41
阅读次数：
97
# -*- coding: utf-8 -*-import cv2 as cvimport numpy as npfrom matplotlib import pyplot as pltimport cv2img = cv.imread('C:/Users/Administrator/Desktop ...
分类：
其他好文 时间：
2019-05-21 12:46:48
阅读次数：
129
前言 去年图像处理的DLL，有学弟问我做的思路，便放到博客里 "github" 地址，欢迎star 图像增强处理：设计一套空间域与频率域结合的图像增强算法，处理以下任一组图片中的带噪声图像，去除噪声，提高图像质量。 （1）已知：噪声为随机噪声和周期噪声混合噪声； （2）要求： a）去噪处理后，计算均 ...
分类：
其他好文 时间：
2019-05-19 14:10:22
阅读次数：
313
from scipy.fftpack import fft SciPy提供fftpack模块，可让用户计算快速傅立叶变换 例子： 快速傅里叶变换之后生成复数，real是访问复数的实部，imag是访问复数的虚部 ...
分类：
其他好文 时间：
2019-05-15 00:32:07
阅读次数：
284
通俗理解傅里叶变换，先看这篇文章傅里叶变换的通俗理解！ 接下来便是使用python进行傅里叶FFT-频谱分析： 一、一些关键概念的引入 1、离散傅里叶变换（DFT） 离散傅里叶变换(discrete Fourier transform) 傅里叶分析方法是信号分析的最基本方法，傅里叶变换是傅里叶分析的 ...
分类：
编程语言 时间：
2019-05-11 23:23:23
阅读次数：
265
citup软件安装需要conda环境 首先要将citup的安装包路径放到conda的默认channel里 然后安装cplex依赖，直接安装的话也比较麻烦，因为cplex也有很多依赖，所以我们也把ceplx的channel加进去 我们看一下现在的默认channel 然后我们就可以安装citup了 如果 ...
分类：
其他好文 时间：
2019-05-11 16:08:42
阅读次数：
157
蒟蒻写题解实在不易 前置 方法一：$Cdq+NTT$ 方法二：多项式求逆 "NTT总结" ； "多项式求逆总结" 方法一 $Cdq+NTT$： $$f_i=\sum\limits_{j=1}^i f_{i j}g_j$$ 乍一看直接$cdq$，然后发现树状数组类的东西好像做不了：$$[l,mid]\ ...
分类：
其他好文 时间：
2019-05-06 19:32:03
阅读次数：
140
注意 由于蒟蒻实在太弱了~^_^~暂时无法完成证明，仅能写出简单版总结 与FFT的区别 $NTT$与$FFT$的代码区别就是把单位根换成了原根，从而实现无精度误差与浮点数的巨大常数 原根具有单位根的所有特点，原根是在特定模数下的定义 对于模数$p$，原根$g$满足：$~_{i=0}^{p 1}g^i ...
分类：
其他好文 时间：
2019-05-06 19:08:43
阅读次数：
146
NTT（快速数论变换）是一种更高效的计算多项式卷积的算法，具体优势体现在不涉及浮点数之间的运算，依靠取模操作完成与 FFT 相同的功能。 NTT 利用了数论中原根和复数中单位根的四点相同的性质来进行对单位根运算的替代。 具体来说，FFT 之所以具有十分优秀的复杂度，归根结底是由于单位根具备以下四点性 ...
分类：
其他好文 时间：
2019-05-05 01:33:23
阅读次数：
159
粗体 表示 概念 上的重点； 斜体 表示 行文逻辑 上的重点； 下划线表示 个人理解 ，可能含有大量的直觉，缺乏严谨的数学推导。 顺序与OI知识的学习顺序和难度不一定相关！！！ 倍增 位运算 高精 离散化 暴力数据结构 快速傅里叶变换，FFT 快速沃尔什变换，FWT 快速数论变换，NTT 博弈 骗分 ...
分类：
其他好文 时间：
2019-05-04 14:41:40
阅读次数：
98
