[leetcode] Rotate List

Given a list, rotate the list to the right by k places, where k is non-negative.

For example:
Given 1->2->3->4->5->NULL and k = 2,
return 4->5->1->2->3->NULL.

/**
 * Definition for singly-linked list.
 * struct ListNode {
 *     int val;
 *     ListNode *next;
 *     ListNode(int x) : val(x), next(NULL) {}
 * };
 */
class Solution {
public:
    ListNode *rotateRight(ListNode *head, int k) {
        // Start typing your C/C++ solution below
        // DO NOT write int main() function
        assert (k >= 0);
        if (head == NULL || k ==0)
            return head;
            
        ListNode *cur = head;
        int cnt = 0;
        while(cur!= NULL){
            cur = cur->next;
            cnt++;
        }
        
        if (k >= cnt)
            k = k%cnt;
            
        cur = head;
        ListNode* previous = head;
        if (k == 0)
            return head;
        while(k>0){
            cur = cur->next;
            k--;
        }
        
        while(cur->next){
            previous = previous->next;
            cur = cur ->next;
        }
        
        ListNode* tempHead = previous->next;
        cur->next = head;
        previous->next = NULL;
        
        return tempHead;
    }
};





内容概要:本文详细介绍了一个基于Java和Vue的迁移学习与少样本图像分类系统的设计与实现,涵盖项目背景、目标、技术架构、核心算法、前后端代码实现、数据库设计、部署方案及应用领域。系统通过融合迁移学习与少样本学习技术,解决实际场景中样本稀缺、标注成本高、模型泛化能力差等问题,支持数据增强、预训练模型微调、原型网络(ProtoNet)等算法,并实现前后端分离、模块化设计、可视化监控与自动化工作流。项目提供完整的代码示例、API接口规范、数据库表结构及GUI界面,具备高扩展性、安全性和易用性,适用于医疗、工业、农业等多个领域。; 适合人群:具备一定Java、Vue和深度学习基础的研发人员、AI算法工程师、计算机相关专业学生及从事智能图像分析的科研人员。; 使用场景及目标:①在样本极少的场景下实现高精度图像分类,如医疗影像、工业缺陷检测;②构建可扩展、可视化的AI训练与推理平台;③学习如何将Python深度学习模型与Java后端集成,掌握前后端分离的AI系统开发流程;④了解迁移学习、少样本学习在实际工程中的落地方法。; 阅读建议:建议结合文档中的代码示例与流程图,搭建本地开发环境进行实践,重点关注前后端交互逻辑、Python模型服务调用机制及数据库设计,同时可基于项目结构扩展联邦学习、多模态融合等高级功能。
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