POJ3294 Life Forms(二分+后缀数组)

给n个字符串,求最长的多于n/2个字符串的公共子串。

依然是二分判定+height分组。

  • 把这n个字符串连接,中间用不同字符隔开,跑后缀数组计算出height;
  • 二分要求的子串长度,判断是否满足:height分组,统计一个组不同的字符串个数是否大于n/2;
  • 最后输出方案,根据二分得出的子串长度的结果,直接再遍历一遍height,因为这儿是有序的后缀所以找到一个就直接输出。
  1 #include<cstdio>
  2 #include<cstring>
  3 #include<cmath>
  4 #include<algorithm>
  5 using namespace std;
  6 #define MAXN 111000
  7 
  8 int wa[MAXN],wb[MAXN],wv[MAXN],ws[MAXN];
  9 int cmp(int *r,int a,int b,int l){
 10     return r[a]==r[b] && r[a+l]==r[b+l];
 11 }
 12 int sa[MAXN],rank[MAXN],height[MAXN];
 13 void SA(int *r,int n,int m){
 14     int *x=wa,*y=wb;
 15 
 16     for(int i=0; i<m; ++i) ws[i]=0;
 17     for(int i=0; i<n; ++i) ++ws[x[i]=r[i]];
 18     for(int i=1; i<m; ++i) ws[i]+=ws[i-1];
 19     for(int i=n-1; i>=0; --i) sa[--ws[x[i]]]=i;
 20 
 21     int p=1;
 22     for(int j=1; p<n; j<<=1,m=p){
 23         p=0;
 24         for(int i=n-j; i<n; ++i) y[p++]=i;
 25         for(int i=0; i<n; ++i) if(sa[i]>=j) y[p++]=sa[i]-j;
 26         for(int i=0; i<n; ++i) wv[i]=x[y[i]];
 27         for(int i=0; i<m; ++i) ws[i]=0;
 28         for(int i=0; i<n; ++i) ++ws[wv[i]];
 29         for(int i=1; i<m; ++i) ws[i]+=ws[i-1];
 30         for(int i=n-1; i>=0; --i) sa[--ws[wv[i]]]=y[i];
 31         swap(x,y); x[sa[0]]=0; p=1;
 32         for(int i=1; i<n; ++i) x[sa[i]]=cmp(y,sa[i-1],sa[i],j)?p-1:p++;
 33     }
 34 
 35     for(int i=1; i<n; ++i) rank[sa[i]]=i;
 36     int k=0;
 37     for(int i=0; i<n-1; height[rank[i++]]=k){
 38         if(k) --k;
 39         for(int j=sa[rank[i]-1]; r[i+k]==r[j+k]; ++k);
 40     }
 41 }
 42 
 43 int n,m,r[MAXN],belong[MAXN];
 44 bool isok(int len){
 45     int cnt=0;
 46     bool vis[111]={0};
 47     for(int i=2; i<=n; ++i){
 48         if(height[i]>=len){
 49             if(!vis[belong[sa[i]]]){
 50                 vis[belong[sa[i]]]=1;
 51                 ++cnt;
 52             }
 53             if(!vis[belong[sa[i-1]]]){
 54                 vis[belong[sa[i-1]]]=1;
 55                 ++cnt;
 56             }
 57         }else{
 58             if(cnt>(m>>1)) return 1;
 59             memset(vis,0,sizeof(vis));
 60             cnt=0;
 61         }
 62     }
 63     return 0;
 64 }
 65 void pnt(int len){
 66     int cnt=0,idx;
 67     bool vis[111]={0};
 68     for(int i=2; i<=n; ++i){
 69         if(height[i]>=len){
 70             idx=sa[i];
 71             if(!vis[belong[sa[i]]]){
 72                 vis[belong[sa[i]]]=1;
 73                 ++cnt;
 74             }
 75             if(!vis[belong[sa[i-1]]]){
 76                 vis[belong[sa[i-1]]]=1;
 77                 ++cnt;
 78             }
 79         }else{
 80             if(cnt>(m>>1)){
 81                 for(int j=0; j<len; ++j){
 82                     putchar(r[idx+j]+'a'-1);
 83                 }
 84                 putchar('\n');
 85             }
 86             memset(vis,0,sizeof(vis));
 87             cnt=0;
 88         }
 89     }
 90 }
 91 int main(){
 92     char s[1111];
 93     while(~scanf("%d",&m) && m){
 94         n=0;
 95         for(int i=0; i<m; ++i){
 96             scanf("%s",s);
 97             for(int j=0; s[j]; ++j){
 98                 belong[n]=i;
 99                 r[n++]=s[j]-'a'+1;
100             }
101             r[n++]=27+i;
102         }
103         r[--n]=0;
104         SA(r,n+1,127);
105         int l=0,r=1000;
106         while(l<r){
107             int mid=l+r+1>>1;
108             if(isok(mid)) l=mid;
109             else r=mid-1;
110         }
111         if(l==0) puts("?");
112         else pnt(l);
113         putchar('\n');
114     }
115     return 0;
116 }

 

转载于:https://www.cnblogs.com/WABoss/p/5223365.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
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