poj 2407 Relatives

欧拉函数的简单应用,,,

phi(n)=n*(1-1/p1)*(1-1/p2)*......*(1-1/pi);pi表示素数分子


# include <cstdio>
# include <algorithm>
#include <iostream>
#include <cstring>
# define N 1000001

using namespace std;
long long oula(long long n)
{
    long long ans=n;
    for(int i=2; i*i<=n; i++)
    {
        if(n%i==0)
        {
            ans=ans/i*(i-1);
            do
            {
                n/=i;
            }
            while(n%i==0);
        }
    }
    if(n>1)
        ans=ans/n*(n-1);
    return ans;
}
int main()
{
    long long n;
    while(cin>>n&&n)
    {
        cout<<oula(n)<<endl;
    }
    return 0;
}
递推求欧拉函数

预先置所有的欧拉函数值等于本身,如果一个数满足phi(i)=i-1,则表明i为素数。再遍历的过程中如果欧拉函数值等于本身,说明改数为素数,把这个数的欧拉函数值改变,同时也能把能被该素数整除的数的值改变,其复杂度为O(nlnn)

详解见acm-icpc《数论及应用》P157

# include <cstdio>
# include <algorithm>
#include <iostream>
#include <cstring>
# define N 1000001

using namespace std;
long long f[N],cnt[N];
 void oula()
 {
     for(int i=1;i<N;i++)
     f[i]=i;
     for(int i=2;i<N;i+=1)
     {
         if(f[i]==i)
         {
             for(int j=i;j<N;j+=i)
             f[j]=f[j]/i*(i-1);
         }
     }
     /*for(int i=2;i<100;i++)
     cout<<f[i]<<" ";
     cout<<endl;*/
 }
 void count()
 {
     cnt[2]=1;
     for(int i=3;i<N;i++)
     cnt[i]=cnt[i-1]+f[i];
 }
int main()
{
    int n;
    oula();
    count();
    while(cin>>n&&n)
    {
        cout<<cnt[n]<<endl;
    }
    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