wordBreak-ii

Given a string s and a dictionary of words dict, add spaces in s to construct a sentence where each word is a valid dictionary word.

Return all such possible sentences.

For example, given
s ="catsanddog",
dict =["cat", "cats", "and", "sand", "dog"].

A solution is["cats and dog", "cat sand dog"].

/*
s ="catsanddog",
dict =["cat", "cats", "and", "sand", "dog"].
 
动态规划根本思想是记录状态值:
DP[i][j]:
           j    0       1       2          3            4           5            6               7                8                   9
        i 
        0      c       ca     cat(1)  cats(1)  catsa   catsan  catsand  catsandd  catsanddo  catsanddog
        1               a       at         ats         atsa     atsan    atsand    atsandd    atsanddo    atsanddog
        2                         t           ts           tsa        tsan      tsand       tsandd      tsanddo      tsanddog
        3                                     s            sa         san       sand(1)   sandd       sanddo       sanddog
        4                                                   a            an         and(1)     andd          anddo         anddog
        5                                                                  n           nd            ndd            nddo            nddog
        6                                                                               d               dd              ddo              ddog
        7                                                                                                d                 do                dog(1)
        8                                                                                                                   o                   og
        9                                                                                                                                         g
*/

public class WordBreak2
{
    private static List<String> _list = new ArrayList<String>();
    private static List<String> _temp = new ArrayList<String>();
    private static int[][] _dp = null;
    
    public static List<String> wordBreak(String s, Set<String> dict)
    {
        if(null == s || s.trim().equals("") || null == dict || dict.isEmpty())
        {
            return _list;
        }
        _dp = new int[s.length()][s.length()];
        //记录状态
        for(int i = 0; i < s.length(); ++i)
        {
            for(int j = i; j < s.length(); ++j)
            {
                if(dict.contains(s.substring(i, j + 1)))
                {
                    _dp[i][j] = 1;
                }
            }
        }
        output(s.length() - 1, s, _dp);
        
        List<String> _result = new ArrayList<String>();
        for(int i = _list.size() - 1; i >= 0; --i)
        {
            _result.add(_list.get(i));
        }
        
        return _result;
    }
    
    //length为字符串s的下标
    private static void output(int length, String s, int[][] dp)
    {
        if(length < -1 || null == s || s.trim().equals("") || null == dp)
        {
            return;
        }
        //递归结束条件
        if(length == -1)
        {
            StringBuilder _sb = new StringBuilder();
            for(int i = _temp.size() - 1; i >= 0; --i)
            {
                _sb.append(_temp.get(i));
                if(i != 0)
                {
                    _sb.append(" ");
                }
            }
            _list.add(_sb.toString());
        }
        for(int i = 0; i <= length; ++i)
        {
            if(dp[i][length] == 1)
            {
                _temp.add(s.substring(i, length + 1));
                output(i - 1, s, dp);
                _temp.remove(_temp.size() - 1);
            }
        }
    }

}


  • 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