第七章小结

第七章学习了根据存储结构的查找方法及其实现的算法。散列表的查找(hashing)是我们学习的内容之一。散列表是一个有连续的地址空间,用于存储按散列函数计算得到相应散列地址的数据记录。通常其存储空间是一维数组,散列地址是数组下标。

冲突和同义词:对于不同关键字可能得到同一散列地址,这种现象称为冲突。具有相同函数值的关键字对该散列表函数来说成为同义词。

解决冲突的方法有1.开放地址法:线性探测法,二次探测法;2.链地址法(一维数组+链表)

其中在这次作业中将关键字插入散列表,用二分探测法输出关键字所在的地址下标,若无法插入则输出-”。

二分探测法:H(i)=(H(key)+d(i))%length,d(i)=1^2,-1^2,2^2,-2^2.....在数组的前后找空单元,插入关键字。

 

typedef struct
{//定义散列表结构体 
    int key[N];//关键字
    int length;//长度
}hashtable;
View Code//散列表结构定义

 

建立一个散列表,并将所有关键字置0,根据关键字是否为0判断它是否已插入数据。

int Init(hashtable &h,int m)
{//初始化散列表元素为0 
    m=nextprime(m);//将输入的散列表长度转化为素数 
    h.length=m;
    for(int i=0;i<m;i++)
      h.key[i]=0;
}
View Code//建立及初始化关键字

插入关键字函数,注意使用引用符号&(一开始没有加上&,数据根本没有插入散列表)。输出时则注意格式要求。

void insert(hashtable &h,int num)
{//元素出入并输出元素对应位置的下标 
    int pos=Hash(num,h.length);//求余 
    int tempos=pos;//辅助变量 
    if(h.key[tempos]==0)
    {//若在下标tempos处无元素,则插入num 
        h.key[tempos]=num;
        cout<<pos;
    }
    
    else
    {//否则用二分法获得另一个可插入的下标pos 
        int x,flag=0;//flag判断元素是否能插入散列表 
        for(x=1;x<h.length;x++)
        {
            pos=(tempos+x*x)%h.length;//二分法 
            if(h.key[pos]==0)
            {
                flag=1;
                h.key[pos]=num;
                cout<<pos;
                break;
            }
        }
        //flag=0证明无法插入该元素,输出- 
        if(flag==0)
          cout<<"-";
    }
}
View Code//插入数据并输出所在下标
int Hash(int key,int length)
{//获得映射 
    return key%length;//求余 
}
View Code//求余获得映射

散列表的长度为素数时能有效的减少冲突,因此将输入的长度m转化为素数。

int nextprime(int num)
{//将输入的散列表长度转变为素数,并获得该素数 
    if(num==1)
      return 2;
    int i,p;
    p=num%2==1?num:num+1;
    while(1)
    {
        for(i=sqrt(p);i>=2;i--)
          if(p%i==0)  break;
        if(i==1)  break;
        
        else  p=p+2;
    }
    return p;
}
View Code//长度为素数

主函数

int main()
{
    hashtable h;
    int m,n,pos,num;
    cin>>m>>n;//输入散列表的长度,成员数目 
    Init(h,m);//初始化散列表 
    
    for(int i=0;i<n;i++)
    {
        if(i!=0)  cout<<" ";//格式化输出 
        cin>>num;
        insert(h,num);//将num插入散列表并输出 
    }
    //cout<<h.key[0];
    
    return 0;
}
View Code

 

我出现的错误有引用符号未使用(通过输出散列表其中一个关键字判断),以及函数名冲突问题(hash)。

主要是参考他人的博客和CSDN。

 

转载于:https://www.cnblogs.com/liuyuany/p/10964961.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