SPOJ - NSUBSTR Substrings

SPOJ - NSUBSTR

给定字符串S,求长度为K的子串,最多出现多少次。

后缀自动机+拓扑排序+DP

#include <stdio.h>
#include <string.h>
#include <iostream>
#include <algorithm>
#include <vector>
#include <queue>
#include <stack>
#include <set>
#include <map>
#include <string>
#include <math.h>
#include <stdlib.h>
#include <time.h>
#include <bitset>
#define INF 0x3f3f3f3f
#define eps 1e-6
#define PI 3.1415926
#define mod 1000000009
#define base 2333
using namespace std;
typedef long long LL;
const int maxn = 3e5 + 10;
const int maxx = 1e3 + 10;
inline void splay(int &v) {
    v=0;char c=0;int p=1;
    while(c<'0' || c >'9'){if(c=='-')p=-1;c=getchar();}
    while(c>='0' && c<='9'){v=(v<<3)+(v<<1)+c-'0';c=getchar();}
    v*=p;
}
struct Node {
    Node *pre, *nxt[26];
    int step, v;
    void Clear() {
        step = 0, v = 0;
        pre = NULL;
        memset(nxt, NULL, sizeof(nxt));
    }
} *root, *last;
Node st[maxn<<1], *top[maxn<<1], *cur;
char str[maxn];
int cnt[maxn], dp[maxn];

void init() {
    cur = st;
    root = last = cur++;
    root->Clear();
}

void extend(int w) {
    Node *np = cur++, *p = last;
    np->Clear();
    np->step = p->step+1;
    while(p && !p->nxt[w])
        p->nxt[w] = np, p = p->pre;
    if(p == NULL)
        np->pre = root;
    else {
        Node *q = p->nxt[w];
        if(q->step == p->step+1)
            np->pre = q;
        else {
            Node *nq = cur++;
            nq->Clear();
            memcpy(nq->nxt, q->nxt, sizeof(q->nxt));
            nq->step = p->step+1;
            nq->pre = q->pre;
            np->pre = q->pre = nq;
            while(p && p->nxt[w] == q)
                p->nxt[w] = nq, p = p->pre;
        }
    }
    last = np;
}

void solve() {
    while(scanf("%s", str) != EOF) {
        init();
        int len = strlen(str);
        for(int i = 0; i < len; i++)
            extend(str[i]-'a');
        memset(cnt, 0, sizeof(cnt));
        memset(dp, 0, sizeof(dp));
        for(Node *p = st; p != cur; p++)
            cnt[p->step]++;
        for(int i = 1; i <= len; i++)
            cnt[i] += cnt[i-1];
        for(Node *p = st; p != cur; p++)
            top[--cnt[p->step]] = p;
        for(int i = 0; i < len; i++) {
            root = root->nxt[str[i]-'a'];
            root->v = 1;
        }
        int num = cur-st;
        for(int i = num-1; i > 0; i--) {
            dp[top[i]->step] = max(dp[top[i]->step], top[i]->v);
            if(top[i]->pre) top[i]->pre->v += top[i]->v;
        }
        for(int i = len-1; i >= 0; i--)
            dp[i] = max(dp[i], dp[i+1]);
        for(int i = 1; i <= len; i++)
            printf("%d\n", dp[i]);
    }
}

int main() {
    //srand(time(NULL));
    //freopen("kingdom.in","r",stdin);
    //freopen("kingdom.out","w",stdout);
    solve();
}


  • 1
    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