集合相似度(c++)

集合相似度

题目描述:

给定两个整数集合,它们的相似度定义为:N​c/Nt
×100%中Nc是两个集合都有的不相等整数的个数,N​t是两个集合一共有的不相等整数的个数。你的任务就是计算任意一对给定集合的相似度。

输入格式:

输入第一行给出一个正整数N(≤50),是集合的个数。随后N行,每行对应一个集合。每个集合首先给出一个正整数M(≤10​4),是集合中元素的个数;然后跟M个[0,109]区间内的整数。之后一行给出一个正整数K(≤2000),随后K行,每行对应一对需要计算相似度的集合的编号(集合从1到N编号)。数字间以空格分隔。

输出格式:

对每一对需要计算的集合,在一行中输出它们的相似度,为保留小数点后2位的百分比数字。

输入样例:

3
3 99 87 101
4 87 101 5 87
7 99 101 18 5 135 18 99
2
1 2
1 3

输出样例:

50.00%
33.33%

在做这道题的时候,绕了很多的弯路,一开始想的是用二维数组,每行首项[0]存这一组数组的长度,之后[1]…到[M]存数据。输入完数据后,把每一组数组中的相同项去掉QwQ。最后计算两个数组的相同项数same,结尾:用两个数组的首项[0]相加,也就是两个数组的长度相加,然后减去same,得到这个数字,用1.0*same/它 * 100.就是结果。
但是,重点来了,我没做出来,一直有几个测试点过不去。没办法,只能查了。
最后是我按照别人的代码,打的自己的代码QwQ。

#include<iostream>
#include<set>
#include<vector> 
using namespace std;
int main(){
	int N;int M;int num;
	scanf("%d",&N);
	vector< set<int> > v(N);
	for(int i=0;i<N;i++){
		cin>>M;
		set<int> s;
		for(int j=0;j<M;j++){
			cin>>num;
			s.insert(num);//使用set,没有数据重复 
		}
		v[i] = s;
	} 
	//查找相同项
	int K;int first,second;
	cin>>K;
	for(int i=0;i<K;i++){
		cin>>first>>second;
		int length1 = v[first-1].size();
		int length2 = v[second-1].size();
		int same = 0;
		for(set<int>::iterator it=v[first-1].begin();it!=v[first-1].end();++it){
			if(v[second-1].find(*it) != v[second-1].end()){
				same++;
			}
		}
		printf("%.2lf%\n",same*1.0/(length1+length2-same)*100);
	}
	
	return 0;
}

其中代码,用的set,set中的元素是没有重复的,一定要记住。就算你存进的数据有重复的,它也会只保留一个。
然后就是
for(set::iterator it=v[first-1].begin();it!=v[first-1].end();++it)
这句话以及
if(v[second-1].find(*it) != v[second-1].end())
这句话没读懂。
这句话其实就是遍历v[first]中的元素,然后在v[second]中查找是否有相等的。set的find()函数:find(元素)函数会挨个查找,如果没有找到,就到了end()。这样说应该明白了吧。

这就是我做这道题的历程QwQ。

一个集坚强与自信于一身的菇凉。

C++,计两个图像轮廓之间的相似度通常涉及到形状匹配技术,其一种常用的方法是比较它们的最大轮廓(也称为主轮廓)。这里的一个常见策略是通过轮廓的边界长度、面积或Hausdorff距离来评估。 1. **边界长度比较**:比较两个轮廓的主要轮廓长度,如果长度接近则表示形状相似。 2. **轮廓面积比较**:计每个轮廓的面积,并取两者之比。面积比例接近1说明轮廓形状相近。 3. **Hausdorff距离**:这是一种衡量两集合之间最远点对的距离,可以用来量化轮廓间的差异程度。轮廓的Hausdorff距离越小,相似度越高。 4. **近似匹配法**:例如MatchTemplate函(OpenCV可用),它可以快速检测两个轮廓是否大致相同位置和大小。 5. **形状描述符**:如Moments特征、Hu Moments或SIFT/SURF等高级特征提取方法,然后计这两个特征向量之间的相似度。 实现这一过程的一般步骤包括: - 提取轮廓 - 提取最大(主)轮廓 - 计轮廓特征 - 比较特征并确定相似度 ```cpp #include <opencv2/core.hpp> #include <opencv2/imgproc.hpp> // ... (轮廓提取和特征计代码) // 获取最大轮廓的特征向量 std::vector<cv::Point> contour1 = getMainContour(image1); cv::Moments moments1 = cv::moments(contour1); std::vector<cv::Point> contour2 = getMainContour(image2); cv::Moments moments2 = cv::moments(contour2); // 比较特征向量的相似度,比如使用归一化互相关 double similarity = matchShapes(moments1, moments2, CV_CONTOURS_MATCH_I1); // 相似度阈值判断 if (similarity > threshold) { std::cout << "轮廓相似度高" << std::endl; } else { std::cout << "轮廓相似度低" << std::endl; }
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

打赏作者

淡雅的惆怅

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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