POJ 1887 —— Testing the CATCHER 最长下降子序列

原题:http://poj.org/problem?id=1887

求最长下降子序列个数

注意输出格式!


O(n²)

#include<cstdio>
#include<algorithm>

using namespace std;
int dp[100000000];
int a[100000000];
int cas = 0;
int main()
{
	int tmp;
	while(~scanf("%d", &tmp))
	{
		if(tmp == -1)	break;
		int cnt = 0;
		a[cnt++] = tmp;
		while(1)
		{
			scanf("%d", &tmp);
			if(tmp == -1)	break;
			a[cnt++] = tmp;
		}
		for(int i = 0;i<cnt;i++)
			dp[i] = 1;
		int ans = 1;
		for(int i = 1;i<cnt;i++)
		{
			for(int j = 0;j<i;j++)
			{
				if(a[i] < a[j] && dp[i] < dp[j] + 1)
				dp[i] = dp[j] + 1;
			}
			ans = max(ans, dp[i]);
		}
		printf("Test #%d:\n", ++cas);
		printf("  maximum possible interceptions: %d\n\n", ans);
	}
	return 0;
}



O(nlogn)

#include<cstdio>
#define inf 99999999
int stack[100000000];
int cas = 0;

int main()
{
	int tmp;
	while(~scanf("%d", &tmp))
	{
		if(tmp == -1)	break;
		int top = 1;
		stack[1] = tmp;
		while(1)
		{
			scanf("%d", &tmp);
			if(tmp == -1)	break;
			if(tmp < stack[top])
			stack[++top] = tmp;
			else
			{
				int l = 1, r = top;
				int mid;
				while(l <= r)
				{
					mid = (l + r) / 2;
					if(tmp > stack[mid])
						r = mid - 1;
					else
						l = mid + 1;
				}
				stack[l] = tmp;
			}	
		}		
		printf("Test #%d:\n", ++cas);
		printf("  maximum possible interceptions: %d\n\n",top);
	}
	return 0;
}





  • 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