从这里开始--有关快排

一次从CSDN上写东西,希望能从这里找到我的一点点轨迹吧。

今天来说说有关快排,快速排序,C++中有sort,然而今天我想说的是C语言手敲快排。

C语言快排其实质实际上是递归调用的过程,过程如下:

例:排序数组【6 2 7 3 8 9】

数组下标   0 1 2 3 4 5

Step One:创建变量i、j。令i = 0(指向第一个数据即0),j = 5(指向最后一个数据即n - 1)

        创建关键数据变量key = 6。

Step Two:我们的目的是把所有比key小的数移动到key的左边,所以我们开始寻找比6小的数,从j开始,从右往左找,不断递减j的值,最终我们找到了比6小的值3,于是我们把3移到key(i)所在的位置。

于是数组变成这样

           排序数组   【3 2 7 3 8 9】 key = 6

            数组下标   0 1 2 3 4 5

Step Three:接下来,我们的目的是找比key(6)大的数,而且要从前往后找了。将变量i不断++,发现7是第一个比k大的,于是把7放到刚刚j所在位置,于是数组变成这样:

           排序数组   【3 2 7 7 8 9】 key = 6

            数组下标   0 1 2 3 4 5

Step Four:循环二、三步,直到左边的数都比key小,右边的数都比key大,直观来说就是i >= j。

Step Five:递归排序左右两部分,排序完整个数组。
即pai(a, z, i - 1, n);
pai(a, i + 1, y, n);

以下是完整代码:

#include <stdio.h>
#include <stdlib.h>
void pai(int a[], int z, int y, int n)
{
    int key = a[z], i = z, j = y;
    if(i > j) return;
    while(i < j)
    {

        while(i < j && a[j] >= key)
        {
            j--;
        }
        a[i] = a[j];
        while(i < j && a[i] <= key)
        {
            i++;
        }
        a[j] = a[i];
        for(i = 0; i <= n - 1; i++)
        {
            printf("%d ", a[i]);
        }
        printf("\n");
    }
    a[i] = key;
    pai(a, z, i - 1, n);
    pai(a, i + 1, y, n);
}
int main()
{
    int n, i, a[100];
    scanf("%d", &n);
    for(i = 0; i <= n - 1; i++)
    {
        scanf("%d", &a[i]);
    }
    pai(a, 0, n - 1, n);
    for(i = 0; i <= n - 1; i++)
    {
        printf("%d ", a[i]);
    }
    printf("\n");
    return 0;
}
/*5
2 4 3 5 1*/
  • 1
    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