POJ3276 The Cow Lexicon

Description

Few know that the cows have their own dictionary with W (1 ≤ W ≤ 600) words, each containing no more 25 of the characters ‘a’..’z’. Their cowmunication system, based on mooing, is not very accurate; sometimes they hear words that do not make any sense. For instance, Bessie once received a message that said “browndcodw”. As it turns out, the intended message was “browncow” and the two letter “d”s were noise from other parts of the barnyard.

The cows want you to help them decipher a received message (also containing only characters in the range ‘a’..’z’) of length L (2 ≤ L ≤ 300) characters that is a bit garbled. In particular, they know that the message has some extra letters, and they want you to determine the smallest number of letters that must be removed to make the message a sequence of words from the dictionary.

Input

Line 1: Two space-separated integers, respectively: W and L
Line 2: L characters (followed by a newline, of course): the received message
Lines 3.. W+2: The cows’ dictionary, one word per line

Output

Line 1: a single integer that is the smallest number of characters that need to be removed to make the message a sequence of dictionary words.

Sample Input

6 10
browndcodw
cow
milk
white
black
brown
farmer

Sample Output

2

翻译

输入字典含有词组的个数,主串的字符数
输入主串,依次输入字典的字符
求删除至少多少个字符可以让主串全部由字典中的词组组成

思路

动态规划了解比较好的皆有直接看代码了,解释很啰嗦!!!

动态规划,把大问题分成小问题,所以是从后往前求解

发现很多题解都是这样写但是没有具体原因,也有很多人对这个有疑问,这不就是根据动态规划的
基本思想来决定的么,从后往前保证没走一个字符有唯一的解,1、新出字符后组成一个新的与字
典相符的子串2、新出字符需要删去。这两个情况需要删去字符数的最小值

我们从后前遍历主串,并遍历字典,如果此时新字符到最后的字符数>=当前字典词组的字符数(字符数一共都没这个词组的字符数多怎么可能由这个词组组成)且新字符与此词组的第一个字符相同则有可能删去一些字符后由此词组组成(此词组的首字母是主串的新字符)。然后开始从主串的新字符往后遍历,直到出现出现这个当前词组,然后通过状态转移方程计算是不是最优解。

动态转移方程是dp[i]=min(dp[i],dp[t]+(t-i)-len);

dp[i]是从第i个字符到最后需要删除的元素个数

我们来表示一下此题是怎样动态规划的

1、w和white首字母相同但是总字符数(1)小于此词组字符数(5)所以不行dp[l-1]直接加
一。
2、往前遍历到c时发现与词组cow首字母相同,且总字符数(4)大于此词组数(3)所以开始
遍历主串,我们遍历了主串的4个字符后,与词组相符的字符数达到要求,我们需要删去的字符数
即为(t-i)-len。(t:主串遍历的字符数、i:新字符所在位置、len:当前字典词组字符数)
然后比较是否我们选择让这个新字符组成一个词组,得到最优解。
同理我们不断往前得到最优解

CODE:

#include <stdio.h>
#include <string.h>
#include <iostream>
#include <algorithm>
#include <cmath>
using namespace std;
char dic[601][30],s[301];
int dp[301];//dp[i]是从第i个字符到最后需要删除的元素个数
int main()
{
    int n,l;
    while(cin >> n >> l)
    {
        cin >> s;
        for(int i=0;i<n;i++)
            cin >> dic[i];
        memset(dp,0,sizeof(dp));
        dp[l]=0;//最后一个的后一个初始化为0
        for(int i=l-1;i>=0;i--)//从后往前比较,遵守由简变繁
        {
            dp[i]=dp[i+1]+1;//先假设当前字符不属于字典,即假设他要被删去
            for(int j=0;j<n;j++)//遍历字典
            {
                int len=strlen(dic[j]);
                if(len<=l-i&&dic[j][0]==s[i])//主串剩余的字符比当前字典字符多的话才有必要计算,否则这个肯定不属于字典
                {
                    int t=i;
                    int count=0;
                    while(t<l)
                    {
                        if(dic[j][count]==s[t++])
                            count++;
                        if(count==len)//遍历出此词组
                        {
                            dp[i]=min(dp[i],dp[t]+(t-i)-len);
                            //决定是不是要让新字符组成一个词组
                            break;
                        }
                    }
                }
            }
        }
        cout << dp[0] << endl;
    }
    return 0;
}
  • 0
    点赞
  • 1
    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