树链剖分

做了两个题找了找感觉。

分别是 SPOJ375 和 codeforces191c,都是用线段树维护的。其实第二题不用线段树也可以。。关键是理解树链剖分的过程,然后找合适的数据结构去维护它。


SPOJ375:

等下。。。

codeforces191c:

#include<cstdio>
#include<cstring>
#include<cmath>
#include<algorithm>
using namespace std;
struct Node
{
	int l,r,s,lazy;
}Seg[800005];
struct Edge
{
	int u,v,w;
	int next;	
}map[400005];
Edge f[200005];
int head[400005],t,n,k,ans;
int num=0;//�߶����б�� 
int fa[200005],siz[200005],dep[200005],son[200005],top[200005],w[200005],m[200005];
inline void init()
{
	memset(head,0,sizeof(head));
	t=1;
}
inline void build(int v,int l,int r)
{
	Seg[v].l=l;Seg[v].r=r;
	if(l==r)
	{
		Seg[v].s=0;
		return ;
	}
	int mid=(l+r)>>1;
	build(v*2,l,mid);
	build(v*2+1,mid+1,r);
}
inline void update(int l,int r,int v)
{
	Seg[v].s+=(r-l+1)*1;
	if(l==Seg[v].l&&r==Seg[v].r)
	{
		Seg[v].lazy+=1;
		return ;
	}
	if(Seg[v].lazy!=0)
	{
		Seg[2*v].lazy+=Seg[v].lazy;
		Seg[2*v+1].lazy+=Seg[v].lazy;
		Seg[2*v].s+=(Seg[2*v].r-Seg[2*v].l+1)*Seg[v].lazy;
		Seg[2*v+1].s+=(Seg[2*v+1].r-Seg[2*v+1].l+1)*Seg[v].lazy;
		Seg[v].lazy=0;
	}
	int mid=(Seg[v].l+Seg[v].r)>>1;
	if(r<=mid)
		update(l,r,v*2);
	else
	{
		if(l>=mid+1)
			update(l,r,v*2+1);
		else
		{
			update(l,mid,2*v);
			update(mid+1,r,2*v+1);
		}
	}	
}
inline void find(int l,int r,int v)
{
	if(Seg[v].l==l&&Seg[v].r==r)
	{
		ans+=Seg[v].s;
		return ;
	}
	if(Seg[v].lazy!=0)
	{
		Seg[2*v].lazy+=Seg[v].lazy;
		Seg[2*v+1].lazy+=Seg[v].lazy;
		Seg[2*v].s+=(Seg[2*v].r-Seg[2*v].l+1)*Seg[v].lazy;
		Seg[2*v+1].s+=(Seg[2*v+1].r-Seg[2*v+1].l+1)*Seg[v].lazy;
		Seg[v].lazy=0;
	}
	int mid=(Seg[v].l+Seg[v].r)>>1;
	if(r<=mid)
		find(l,r,2*v);
	else
	{
		if(l>=mid+1)
			find(l,r,2*v+1);
		else
		{
			find(l,mid,2*v);
			find(mid+1,r,2*v+1);
		}
	}
}
inline void add(int u,int v,int w)
{
	map[t].u=u;
	map[t].v=v;
	map[t].w=w;
	map[t].next=head[u];
	head[u]=t;t++;
}
inline void dfs1(int now,int pre)
{
	siz[now]=1;fa[now]=pre;son[now]=0;dep[now]=dep[pre]+1;
	int i,v;
	for(i=head[now];i;i=map[i].next)
	{
		v=map[i].v;
		if(v!=pre)
		{
			dfs1(v,now);
			siz[now]+=siz[v];
			if(siz[son[now]]<siz[v])
				son[now]=v;
		}
	}
}
inline void dfs2(int now,int tp)
{
	w[now]=++num;
	m[num]=now;
	top[now]=tp;
	if(son[now])
		dfs2(son[now],tp);
	int i,v;
	for(i=head[now];i;i=map[i].next)
	{
		v=map[i].v;
		if(son[now]!=v&&v!=fa[now])
			dfs2(v,v);
	}
}
inline void modify(int x,int y)
{
	while(top[x]!=top[y])
	{
		if(dep[top[x]]<dep[top[y]])
			swap(x,y);
		update(w[top[x]],w[x],1);
		x=fa[top[x]];	
	}
	if(x==y)	return ;
	if(dep[x]>dep[y])
		swap(x,y);
	update(w[x]+1,w[y],1);
}
inline void query(int x,int y)
{
	while(top[x]!=top[y])
	{
		if(dep[top[x]]<dep[top[y]])
			swap(x,y);
		find(w[top[x]],w[x],1);
		x=fa[top[x]];
	}
	if(x==y) return ;
	if(dep[x]>dep[y])
		swap(x,y);
	find(w[x]+1,w[y],1);
}
int main()
{
	int i,a,b;init();
	scanf("%d",&n);
	for(i=1;i<n;i++)
	{
		scanf("%d%d",&a,&b);
		add(a,b,0);
		add(b,a,0);
		f[i].u=a;f[i].v=b;
	}
	build(1,1,n);
	dfs1(1,1);
	dfs2(1,1);
	scanf("%d",&k);
	for(i=1;i<=k;i++)
	{
		scanf("%d%d",&a,&b);
		modify(a,b);
	}
	for(i=1;i<=n-1;i++)
	{
		ans=0;
		int x=f[i].u;int y=f[i].v;
		query(x,y);
		if(i!=n-1)
			printf("%d ",ans);
		else
			printf("%d\n",ans);
	}
	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
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