[日常摸鱼]bzoj1444 [JSOI2009]有趣的游戏——AC自动机+矩阵

今天学校跳蚤市场摆摊聚众吸毒打call,东西卖了一百多好开心_(:з」∠)_

(然后大家中午就去吃了一顿好的x) 下午听演讲然后现在来填坑orz(其实是昨晚的坑)

 

题目:bzoj1444

 

先用字符串构造一个AC自动机,对于一个节点$k$来说,转移到$tr[k][i]$的概率是$p[i]$,根据概率构造出转移矩阵,如果一个点是模式串的结尾就自己给自己连一条1,发现一些点之间会相互影响,那么把转移矩阵乘几十次就可以了…

(这好像是个马尔科夫链的模型?

 

#include<cstdio>
#include<cstring>
#include<queue>
using namespace std;

const int N=105;
const int S=26;
struct matrix
{
    double m[N][N];
    matrix(){memset(m,0,sizeof(m));}
};

int n,m,l,cnt;
int tr[N][S+3],fail[N],pos[N];
bool danger[N];
double pro[S+3],p,q;
char s[N];
queue<int>Q;

inline void insert(char *c,int p)
{
    int len=strlen(c+1),k=0;
    for(register int i=1;i<=len;i++)
    {
        int t=c[i]-'A';
        if(!tr[k][t])tr[k][t]=++cnt;
        k=tr[k][t];
    }
    danger[k]=1;pos[p]=k;
}
inline void build()
{
    for(register int i=0;i<S;i++)if(tr[0][i])fail[tr[0][i]]=0,Q.push(tr[0][i]);
    while(!Q.empty())
    {
        int k=Q.front();Q.pop();
        for(register int i=0;i<S;i++)
        {
            if(!tr[k][i])tr[k][i]=tr[fail[k]][i];
            else
            {
                fail[tr[k][i]]=tr[fail[k]][i];
                Q.push(tr[k][i]);
            }
        }
    }
}
inline matrix operator * (matrix a,matrix b)
{
    matrix res;
    for(register int i=0;i<N;i++)
        for(register int j=0;j<N;j++)
            for(register int k=0;k<N;k++)res.m[i][j]+=a.m[i][k]*b.m[k][j];
    return res;
}
inline matrix pow(matrix a,int b)
{
    matrix res;
    for(register int i=0;i<N;i++)res.m[i][i]=1;
    for(;b;b>>=1,a=a*a)if(b&1)res=res*a;
    return res;
}
int main()
{
    //freopen("input.in","r",stdin);
    scanf("%d%d%d",&n,&l,&m);
    for(register int i=0;i<m;i++)
    {
        scanf("%lf%lf",&p,&q);
        pro[i]=p/q;
    }
    for(register int i=1;i<=n;i++)
    {
        scanf("%s",s+1);
        insert(s,i);
    }
    build();
    matrix res;
    for(register int i=0;i<=cnt;i++)
    {
        if(danger[i])res.m[i][i]=1;
        else
        {
            for(register int t=0;t<m;t++)res.m[i][tr[i][t]]+=pro[t];
        }
    }
    
    for(register int i=1;i<=100;i++)res=res*res;
    for(register int i=1;i<=n;i++)printf("%.2lf\n",res.m[0][pos[i]]);
    return 0;
}
View Code

 

转载于:https://www.cnblogs.com/yoooshinow/p/8138282.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