2021-01-23

期末测试20210123(425/600)

  1. 基因中有A
    • [ 解题思路] :前缀和记录AC的数量;
      • !!!*sum[R]-sum[L],因为AC是两个字符,但是记录在C位置上,所以当包含的区间只留了其中一个,则应该减去前面的半个AC;
    • [反思 ] :使用了较为复杂的树状数组,(签到题目用前缀和不香吗)
  2. 奥特曼打小怪兽
    • [ 解题思路] :二分答案
    • [ 反思] :考试时直接暴力弄了一个优先队列,却没有考虑到数据范围,会超时;
  3. 老板砍树
    • [ 解题思路] :类似于奶牛大学,用循环分别跑一遍两边要求所需的高度;
  4. 平均身高
    • [ 解题思路] :顺序对;
      • (利用每个值与平均身高的差值构造前缀和,最后利用树状数组,求顺序对)
    • [反思 ] :肯定不能使用纯dp来解决,因为会TLE,所以下次做题时,用一种方式不行时,即使更换方法,并且学会推出更加简便的式子,看到题目的本质;
  5. 作业积分
    • [ 解题思路] :栈,贪心;
      • (贪心的利用,首先题目有难度系数以及题目类型两个影响最终得分的因素,并且我们可以显然推出,按照题目的难度系数排序后,我们想要更换前面的题目来增加题目的类型时,肯定只能更换成没有出现过的题目类型,并且是题目权重最大的那一个,于是乎,我们利用栈记录,1-k中出现过两次及以上的题目,并枚举后面的题目,只选择没出现过的题目(因为已经提前排序,所以第一个一定会是权重最大的那一个),然后和ans进行比较,记录最大的那一个)
    • [ 反思] 只用了最简单的贪心进行暴力骗分,应该理性分析题目的策略;
  6. 猜球游戏
    • [ 解题思路] :最小生成树;
      • 仔细分析可得,要想知道k个杯子的权值,就必须知道0(假设一个不存在的杯子)-k区间内所有(k-1,k]的取值,即询问后将所有的点连在一起(因为是求最小代价,所以不能出现环,以保证答案的最小)
      • ! ! ! * 连边时,连的是L-1与R两个点,并且要连k条边;
    • [ 反思] :不知道是不是浑水摸鱼过的,但是当时确实没有想得很清楚(这个题我不会做,但是AC一下是没什么问题的(doge) WTCL )
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
图像识别技术在病虫害检测中的应用是一个快速发展的领域,它结合了计算机视觉和机器学习算法来自动识别和分类植物上的病虫害。以下是这一技术的一些关键步骤和组成部分: 1. **数据收集**:首先需要收集大量的植物图像数据,这些数据包括健康植物的图像以及受不同病虫害影响的植物图像。 2. **图像预处理**:对收集到的图像进行处理,以提高后续分析的准确性。这可能包括调整亮度、对比度、去噪、裁剪、缩放等。 3. **特征提取**:从图像中提取有助于识别病虫害的特征。这些特征可能包括颜色、纹理、形状、边缘等。 4. **模型训练**:使用机器学习算法(如支持向量机、随机森林、卷积神经网络等)来训练模型。训练过程中,算法会学习如何根据提取的特征来识别不同的病虫害。 5. **模型验证和测试**:在独立的测试集上验证模型的性能,以确保其准确性和泛化能力。 6. **部署和应用**:将训练好的模型部署到实际的病虫害检测系统中,可以是移动应用、网页服务或集成到智能农业设备中。 7. **实时监测**:在实际应用中,系统可以实时接收植物图像,并快速给出病虫害的检测结果。 8. **持续学习**:随着时间的推移,系统可以不断学习新的病虫害样本,以提高其识别能力。 9. **用户界面**:为了方便用户使用,通常会有一个用户友好的界面,显示检测结果,并提供进一步的指导或建议。 这项技术的优势在于它可以快速、准确地识别出病虫害,甚至在早期阶段就能发现问题,从而及时采取措施。此外,它还可以减少对化学农药的依赖,支持可持续农业发展。随着技术的不断进步,图像识别在病虫害检测中的应用将越来越广泛。
评论 1
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