LeetCode- 15. 3Sum

Given an array S of n integers, arethere elements a, b, c in S such that a + b + c = 0? Find allunique triplets in the array which gives the sum of zero.

Note: The solution setmust not contain duplicate triplets.

For example, given array S = [-1, 0, 1, 2,-1, -4],

A solution set is:

[ [-1, 0, 1],

 [-1, -1, 2]]

结题思路:

①直接遍历暴力搜索,太暴力了,不敢想;

②考虑到和为零的三个数,必然具有以下特点:第一,全为零或包含一个正数(或负数); 因此,在最外层循环中,只需要遍历所有非负数或非正数即可。第二,如果存在对某个数A,存在[A,B,C]、[A,D,E]两组解,必然有B<D、C>E的关系,因此可以先对向量排序,然后在第二层循环中,设置两个指针,分布指向待遍历向量的第一个和最后一个元素,依次向中心搜索,直到两个指针相遇或其他循环结束条件,避免第三层循环。最后利用unique算法处理相同解。

C++实现代码如下:

vector<vector<int>>threeSum(vector<int>& nums) {

    vector<vector<int>>output;

    if(nums.size() < 3) return output;

    sort(nums.begin(),nums.end());

    unsignedi = 0, K = nums.size() - 1;

    while(i < nums.size()){

        if(nums[i] > 0) break;

        unsignedj = i + 1;

        while(j < K){

        if(nums[K] > -2 * nums[i]) K--;

        elsebreak;

        }

        autok = K;

        while(j < k){

            autosum3 = nums[i] + nums[j] + nums[k];

            if(sum3 == 0){

                output.push_back({nums[i], nums[j], nums[k] });

                j++;

                k--;

            }

            elseif (sum3 < 0){

                j++;

            }

            else{

                k--;

            }

        }

        i++;

       while (i < nums.size()){

            if(nums[i] == nums[i - 1]) {

                i++;

            }

            else{

                break;

            }

        }

    }

    vector<vector<int>>::iteratoriter = unique(output.begin(), output.end());

    output.erase(iter,output.end());

    returnoutput;

}


  • 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
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