javaScript数据结构 07 二叉搜索树

javaScript数据结构之树

01 树

树是一种分层数据模型。

我曾经写过一个json解析成图像来操作的插件,用的就是树的结构。

02 术语

  • 树的存储单元叫做 节点
  • 树的顶部节点叫做 根节点
  • 不是根节点,且有子节点的叫做 内部节点
  • 没有子节点的叫做 叶子节点
  • 节点距离根节点的数目叫做 节点深度

03 二叉树

所谓二叉树—最多只能有两个子节点。 即左节点和右节点
二叉树应用最为广泛。

04 二叉搜索树

我们规定,二叉树左侧只能存放比本节点小的值,右侧存放不小于本节点的值。 这样子的树,便于搜索,我们称为二叉搜索树。

05 实现二叉搜索树

先构建两个基础类,二叉搜索树类和节点类(私有类)

;(function(root) {
// 节点类
function Node(key) {
    this.key = key;
    this.left = null;
    this.right = null;
};
// 树
function Tree() {
    var _root = null;
}
// 注册公开类
root.Tree = Tree;
})(this);

实现添加方法

this.insert = function(key) {
    var newNode = new Node(key);
    if (_root === null) {
        _root = newNode;
    } else {
        // 递归添加
        insertNode(_root, newNode);
    }
};
function insertNode(node, newNode) {
    if (newNode.key < node.key) {
        if (node.left === null) {
            node.left = newNode;
        } else {
            insertNode(node.left, newNode);
        }
    } else {
        if (node.right === null) {
            node.right = newNode;
        } else {
            insertNode(node.right, newNode);
        }
    }
}

再实现遍历方法

this.forEach = function(fn) {
    forEach(_root, fn);
};
function forEach(node, fn) {
    if (node != null) {
        fn(node.key);
        forEach(node.left, fn);
        forEach(node.right, fn);
    }
}

再实一个求最小值方法

this.min = function() {
    return minNode(_root).key;
};

function minNode(node) {
    var minnode = null;
    if (node) {
        while (node && node.left != null) {
            node = node.left;
        }
        minnode = node;
    }
    return minnode;
}

最后实现移除方法

this.remove = function(key) {
    return remove(_root, key);
};
function remove(node, key) {
    if (node === null) {
        return null;
    };

    if (key < node.key) {
        node.left = remove(node.left, key);
        return node;
    } else if (key > node.key) {
        node.right = remove(node.right, key);
        return node;
    } else {
        // 叶子节点的情况,直接删除
        if (node.left === null && node.right === null) {
            node = null;
            return node;
        }
        // 右节点有值,右节点替换该节点
        if (node.left === null) {
            node = node.right;
            return node;
        }
        // 左节点有值,左节点替换该节点 
        else if (node.right === null) {
            node = node.left;
            return node;
        };

        // 有两个子节点,子树最小值替换当前节点
        var currNode = minNode(node.right);
        node.key = currNode.key;
        node.right = remove(node.right, currNode.key);
        return node;
    }
};

大功告成

;(function(root) {

function Node(key) {
    this.key = key;
    this.left = null;
    this.right = null;
};

function Tree() {
    var _root = null;
    this.insert = function(key) {
        var newNode = new Node(key);
        if (_root === null) {
            _root = newNode;
        } else {
            insertNode(_root, newNode);
        }
    };

    this.forEach = function(fn) {
        forEach(_root, fn);
    };

    this.min = function() {
        return minNode(_root).key;
    };

    this.max = function() {
        return maxNode(_root).key;
    };

    this.remove = function(key) {
        return remove(_root, key);
    };

    function remove(node, key) {
        if (node === null) {
            return null;
        };

        if (key < node.key) {
            node.left = remove(node.left, key);
            return node;
        } else if (key > node.key) {
            node.right = remove(node.right, key);
            return node;
        } else {
            if (node.left === null && node.right === null) {
                node = null;
                return node;
            }

            if (node.left === null) {
                node = node.right;
                return node;
            } else if (node.right === null) {
                node = node.left;
                return node;
            };

            var currNode = minNode(node.right);
            node.key = currNode.key;
            node.right = remove(node.right, currNode.key);
            return node;
        }
    };

    function maxNode(node) {
        var maxnode = null;
        if (node) {
            while (node && node.right != null) {
                node = node.right;
            }
            maxnode = node;
        }
        return maxnode;
    }

    function minNode(node) {
        var minnode = null;
        if (node) {
            while (node && node.left != null) {
                node = node.left;
            }
            minnode = node;
        }
        return minnode;
    }

    function forEach(node, fn) {
        if (node != null) {
            fn(node.key);
            forEach(node.left, fn);
            forEach(node.right, fn);
        }
    }

    function insertNode(node, newNode) {
        if (newNode.key < node.key) {
            if (node.left === null) {
                node.left = newNode;
            } else {
                insertNode(node.left, newNode);
            }
        } else {
            if (node.right === null) {
                node.right = newNode;
            } else {
                insertNode(node.right, newNode);
            }
        }
    }
};

root.Tree = Tree;

})(this);

我们测试一下:

var tree = new Tree();
tree.insert(2);
tree.insert(10);
tree.insert(6);
tree.insert(7);
tree.insert(8);
tree.insert(1);
tree.insert(55);
tree.insert(9);
tree.forEach(function (n){
    console.log(n);
});
console.log(tree.min());
tree.remove(55);
console.log(tree.max());
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
图像识别技术在病虫害检测中的应用是一个快速发展的领域,它结合了计算机视觉和机器学习算法来自动识别和分类植物上的病虫害。以下是这一技术的一些关键步骤和组成部分: 1. **数据收集**:首先需要收集大量的植物图像数据,这些数据包括健康植物的图像以及受不同病虫害影响的植物图像。 2. **图像预处理**:对收集到的图像进行处理,以提高后续分析的准确性。这可能包括调整亮度、对比度、去噪、裁剪、缩放等。 3. **特征提取**:从图像中提取有助于识别病虫害的特征。这些特征可能包括颜色、纹理、形状、边缘等。 4. **模型训练**:使用机器学习算法(如支持向量机、随机森林、卷积神经网络等)来训练模型。训练过程中,算法会学习如何根据提取的特征来识别不同的病虫害。 5. **模型验证和测试**:在独立的测试集上验证模型的性能,以确保其准确性和泛化能力。 6. **部署和应用**:将训练好的模型部署到实际的病虫害检测系统中,可以是移动应用、网页服务或集成到智能农业设备中。 7. **实时监测**:在实际应用中,系统可以实时接收植物图像,并快速给出病虫害的检测结果。 8. **持续学习**:随着时间的推移,系统可以不断学习新的病虫害样本,以提高其识别能力。 9. **用户界面**:为了方便用户使用,通常会有一个用户友好的界面,显示检测结果,并提供进一步的指导或建议。 这项技术的优势在于它可以快速、准确地识别出病虫害,甚至在早期阶段就能发现问题,从而及时采取措施。此外,它还可以减少对化学农药的依赖,支持可持续农业发展。随着技术的不断进步,图像识别在病虫害检测中的应用将越来越广泛。
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

打赏作者

三和小钢炮

谢谢客官~

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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