LeetCode 47. Permutations II(dfs)

题目来源:https://leetcode.com/problems/permutations-ii/

问题描述

47. Permutations II

Medium

Given a collection of numbers that might contain duplicates, return all possible unique permutations.

Example:

Input: [1,1,2]

Output:

[

  [1,1,2],

  [1,2,1],

  [2,1,1]

]

------------------------------------------------------------

题意

给定一个含有重复数字的序列nums,求序列的全排列。

------------------------------------------------------------

思路

LeetCode 46. Permutations(dfs)一样,仍是dfs求解全排列。但是由于有重复元素,所以要给重复元素确定一个唯一的序,否则会产生重复的排列。重复元素唯一的序可以由如下方式确定:

只有当前面的重复元素都访问过,该重复元素才能被访问,否则跳过不执行dfs。

如此一来,只要事先将nums排序,就可以通过上面的方式给每组重复元素确定一个顺序。

------------------------------------------------------------

代码

class Solution {
    private List<List<Integer>> ret = new LinkedList<>();
    private int n;
    private int[] _nums;
    
    private void init(int[] nums)
    {
        n = nums.length;
        _nums = nums;
        Arrays.sort(_nums);
    }
    
    private void dfs(LinkedList<Integer> cur, boolean[] visited)
    {
        if (cur.size() == n)
        {
            ret.add(new LinkedList<Integer>(cur));
            return;
        }
        for (int i=0; i<n; i++)
        {
            if (visited[i] || (i > 0 && _nums[i] == _nums[i-1] && !visited[i-1]))
            {
                continue;
            }
            visited[i] = true;
            cur.add(_nums[i]);
            dfs(cur, visited);
            cur.removeLast();
            visited[i] = false;
        }
    }
    
    public List<List<Integer>> permuteUnique(int[] nums) {
        init(nums);
        boolean[] visited = new boolean[n];
        LinkedList<Integer> cur = new LinkedList<Integer>();
        dfs(cur, visited);
        return ret;
    }
}

 

  • 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