寻找一组数中最小的k个数

在算法中沉迷----------------------------

在解决实际问题,总会有这样的感觉:明明算法思想已经有了,但是实现的时候却又感觉困难重重,让人复又怀疑算法的正确性,有时很不幸地陷入了这样的矛盾中。 编程不是那么简单的事情,需要编写大量的程序,和不断的总结思路,才会有进步。

好吧,废话说到这里,马上进入正题,代码上见

//向屏幕 输入 一组数,输出 这组数的最小k个数
#include <iostream>
#include <vector>
using namespace std;

//print the content of the vector
template<typename T> 
void print_vector(vector<T> object)
{
	vector<T>::iterator i;
	for(i=object.begin(); i!=object.end(); i++)//vector is continuely stored in memory
	{
		 cout<<*i<<'\t';
	}
}

void exchange(int &a, int &b)
{
	int tmp;
	tmp = a;
 	a = b;
	b = tmp;
}

//直接将快排中的函数拿过来,函数返回pivot的下标
int partition(vector<int> &a, int start, int end)
{
	//i始终指向比pivot小的数
 	int i = start -1;     

	//j指向每次要与pivot小的数
	for (int j=start; j<=end-1; j++)                       //原来的写法:for (int j=1; j<=end-1; j++),
		                                                   //在pivot左边时没有问题,但是到pivot右边时就开始有了致命伤
	{
		if(a[j]<=a[end])              //if(a[j]>=a[end]):对应非增序的排法;   if(a[j]<=a[end]):对应非减序的排法;
 		{ 
 			++i;
 			exchange(a[i], a[j]);
 		}
 	}

 	exchange(a[i+1], a[end]);

 	return  i+1;
}

//和《剑指OFFER》上的解法,不谋而合,英雄所见略同,哈哈哈
void little_kth(vector<int> &a, int k)
{
	int pivot = partition(a, 0, a.size()-1);

	//set the border for looking for!!!!!!!!!!!!!!!非常好的创意,夸的是自己,哈哈哈,其实源自与自己曾经看到的二分法,在文章末尾
        //列出二分法代码
	int start = 0;
	int border = a.size()-1;

	 while(pivot != k && pivot !=k-1)
	{
		if(pivot < k-1)
		{
			start = pivot + 1;
			pivot = partition(a,start,border);   //这里的边界有问题
		}
			
		else if( pivot > k-1 )
		{
			border = pivot - 1;
			pivot = partition(a,start,border);	
		}
			 
	}	
}

void main()
{
	//complish the action of input some numbers into the vector(between the numbers are space, end of the input is eof--enter)
	vector<int> object;
	int a = 0;
	cout<<"input some ints,boy:"<<endl;

	//actually I do not konw neither
	while(cin>>a)
	{
		object.push_back(a); 
	}

	//print the content of the vector
	print_vector(object, object.end() );

	cout<<endl;

	little_kth(object, 4);

}


//二分法代码,为了找到符合条件的数组元素的下标,采用的方法,都是限定一个上下界,通过不对判断条件,缩小范围直到符合条件
//在数组a中找值为x的元素,若找到返回FOUND;没有找到,返回NOT_FOUND.
int binarySearch(const vector<int> &a, const int &x)
{
    int low = 0;
    int high = a.size() - 1;
   
    while(low <= high)
    {
         int mid = (low + high)/2;
         
         if(x > a[mid])
            low = mid + 1;
         else if(x < a[mid])
            high = mid - 1;
         else
            return FOUND;

    }
    return NOT_FOUND;
}










  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 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
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