分治法-归并排序

#include <iostream>
#include <cstdlib>
#include<cstring>
using namespace std;

#define LQ( a, b)    ((a) <= (b))
#define EQ(a, b)    ((a) == (b))
#define LT(a, b)        ((a) < (b))

void Merge(int a[], int *d, int i, int m, int n)
{
    //将有序的a[i...m],有序的a[m+1...n]归并为有序的d[i...n];
    int j, k, l;
    for(j = m + 1, k = i; i <= m && j <= n; ++k){
        if(LQ(a[i], a[j]))
            d[k] = a[i ++];
        else 
            d[k] = a[j ++];
    }
    if(i <= m)
        for(l = k; l <= n; l ++)
            d[l] = a[i ++];
    if(j <= n)
        for(l = k; l <= n; l ++)
            d[l] = a[j ++];
}
void Msort(int a[], int *b, int s, int t)
{
    //将a[s...t]归并排序为b[s...t]
    int c[105];
    if(s == t)
        b[s] = a[s];
    else{
        int m = (s + t) / 2;        //将a[s...t]平分为a[s...m]和a[m+1...n]
        Msort(a, c, s, m);            //递归的将a[s...m] 归并为有序的c[s...m]
        Msort(a, c, m + 1, t);        //递归的将a[m+1...n]归并为有序的c[m+1...n]
        Merge(c, b, s, m, t);        //将c[s...m]和c[m+1...n]归并到b[s...t]
    }
}

int main()
{
    int N, i, j, ans = 0;
    int E[105], ANS[105];
    scanf("%d", &N);
    for(i = 1; i <= N; i ++){
        scanf("%d", &E[i]);
    }
    Msort(E, ANS, 1, N);
    for(i = 1; i <= N; ++ i)
        cout<<ANS[i]<<" ";
    cout<<endl;
    system("pause");
    return 0;
}

转载于:https://www.cnblogs.com/tomctx/archive/2012/04/29/2476212.html

  • 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