红黑树

基本概念与性质

一些直觉上的理解与说明

Q:什么是平衡?
A:平衡是从这个树的任意一个节点出发到所有叶节点的不同路径,差距不能太大。

Q:如何从直觉上确保平衡?
A:尽量保证树的内部节点的_紧凑_。即高度固定的树,内部节点尽可能的多;节点数目固定的树,其高度尽可能的矮。

Q:红黑树是如何确保平衡的(直觉上)?
A:要求从每个节点出发的路径上黑节点数目相同;要求黑节点数目不比红
节点少;故:
从同一节点出发的两条路径,差距在一倍以内。
另外,从另一角度看来,黑色节点在所有节点数目中占大头(性质4);黑色节点的分布是比较_平衡_的(性质5,性质4);故:
占大头的黑色节点的分布是平衡的,所以整个树也是比较平衡的。

红黑树性质

  1. 每个节点要么是红色的要么是黑色的
  2. 根节点是黑色的
  3. 每个叶节点是黑色的(该叶节点特指空节点)
  4. 如果一个节点是红色的,那么其两个子节点都是黑色的(每个红节点必须有两个孩子)
  5. 对于每个节点,从该节点到其每个后代叶节点的简单路径上,均包含相同数目的黑色节点

直觉上理解上述性质——————
注1:性质4确保了黑节点在节点总数中占大头。
注2:性质4与性质5共同确保了黑色节点的分布是_均匀平衡_的。(仅> 仅性质4不够)
****总的说来一句话:尽量确保占大头的黑色节点的分布均衡

高度相关性质的证明与直觉理解

一棵有n个内部节点的红黑树,高度至多为2lg(n+1)

证明:记节点x的黑高为bh(x)。
根据上述性质4,可以知道从根到叶节点的任何一条简单路径上,至少有一半的节点是黑色的。所以bh(t)>=h/2;根据引理1,故:
n >= 2^(bh(x))-1 >= 2^(h/2)-1
即:
h <= 2lg(n+1)
引理1:以x为根的子树,其至少包含2^(bh(x)) - 1个内部节点
证明:
归纳基础:x高度为0的时候,显然成立。
归纳递推:对于节点x,其孩子节点黑高要么是bh(x),要么是bh(x)-1(见性质4)。
故其内部节点的总数至少是:
2 * (2^(bh(x)-1) - 1) + 1 = 2^(bh(x)) - 1。

如何从直觉上理解该性质————————
1、根据紧凑性,即转变为理解:高度为h的树,至少有2^(h/2)-1个节点。
2、根据性质4,bh(x) > h/2很好理解,所以又转换为理解:高度为h的树,其至少有 2^bh(x)-1个内部节点。(这个理解转换说明了,节点的_紧凑性_基本由黑节点的高度决定。)
3、根据性质5,知道黑节点的分布是均匀,平衡的。所以根据完全二叉树的感觉有: n >= 2^(bh(x)) - 1

  • 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