LeetCode-205. Isomorphic Strings

Description

这里写图片描述

Example

这里写图片描述

Note

这里写图片描述

Solution 1(C++)

class Solution {
public:
    bool isIsomorphic(string s, string t) {
        if(s.size()!=t.size()){return false;}
        string models=model(s);
        string modelt=model(t);
        return models.compare(modelt)==0;
    }
    string model(string& a){
        char mark='a';
        string tool(a.size(),'0');
        for(int i=0;i<a.size();i++){
            if(tool[i]=='0'){
                size_t found=a.find(a[i]);
                while(found!=string::npos){
                    a[found]=mark;tool[found]='1';
                    found=a.find(a[i],found+1);    
                }
                mark++;
            }
            else continue;
        }
        return a;
    }
};

Solution 2(C++)

class Solution {
public:
    bool isIsomorphic(string s, string t) {
        int m1[256] = {0}, m2[256] = {0}, n = s.size();
        for (int i = 0; i < n; ++i) {
            if (m1[s[i]] != m2[t[i]]) return false;
            m1[s[i]] = i + 1;
            m2[t[i]] = i + 1;
        }
        return true;
    }
};

算法分析

解法一: 解法一是错误的。

解法二: 解法二是正确的。解法二就是要保证对于s与t,在同一位置上,该字母出现的次数相同。值得学习。比如,对于“abb”与“cdd”。那么对于这两个字符串,第一个位置,一个是“a”,一个是“c”,二者都单独出现了一次,往后看,对于第二个位置,一个是“b”,一个是“d”,二者也单独出现一次,没问题,再往后看,对于第三个位置,一个是“b”,一个是“d”,二者之前均出现了一次,也是一样的,所以也没有问题。如果换成“abbc”与“cddd”,那么在第四个位置上,一个是“c”,一个是“d”,一个之前没有出现过,一个之前出现了三次。所以返回false。

程序分析

之所以纠结于解法一很长时间,是因为想接这一次好好练习一下之前总结的String相关函数。但是呢,还是把问题做复杂了。可以学一学解法二的思想。

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值