算法学习笔记

算法是计算机科学的灵魂,多说无益。

一 排序

1 简化版桶排序

1 思想:根据待排序数的取值范围建立数组,然后遍历每个待排序数,没出现一次i,对应相同下标i的数组元素就加1。

2 时间复杂度:O(M+N)。M:桶的个数,M:待排序数的个数。

3 缺点:第一,浪费空间,尤其是取值范围M很大,而待排序数的个数N又很小的时候;另外,对于待排序数为小数的情况,它也处理不了;最后,他只排列了数值,数值所对应的对象却没有考虑到。

4 示例代码:

#include <stdio.h>

int main()
{
    int book[1001] = {0};
    int i, j, n;
    scanf("%d", &n);//输入待排序数的个数
    for (i=1; i<=n; i++) 
    {
        scanf("%d", &t);//输入每个待排序数并赋给t
        book[t]++
    }
    for (i=1000; i>=0; i--) //依次判断编号1000~0的桶
        for(j=1; j<=book[i]; j++)
            printf("%d", i);
    
    system("pause");//暂停程序,查看输出结果
    return 0;
}

2 冒泡排序

1 思想:每次比较两个相邻元素,如果他们的顺序错误就把他们交换过来

2 原理:每一趟只确定一个数归位。对于N个待排序数,需要重复N-1趟。

3 时间复杂度:O(N^2)

4 缺点:双重嵌套循环,非常费时,用处不大。

5 示例代码:

#include <stdio.h>

struct student
{
    char name[21];
    char score;//创建结构体来存储姓名和分数,解决了前面简化版桶排序无法联系对象和数值的缺点。
}

int main ()
{
    struct student a[100], t;
    int i, j, n;
    scanf("%d", &n);//输入待排序数的个数
    for (i=1; i<=n; i++) 
        scanf("%s  %d", a[i].name, &a[i].score);
    //冒泡排序核心部分
    for (i=1; i<=n-1; i++) //n个数排序,共进行n-1趟
    {
        for (j=1; j<=n-i; j++)//从第1位开始向后比较,要用这个来表示最后一个尚未归位的数,j只能留出一个数的空余,到n-i
            if(a[j].score<a[j+1].score)//比较大小并交换
            {
                t = a[j]; a[j] = a[j+1]; a[j+1] = t;
            }
    }
    for (i=1; i<=n; i++)//输出人名
        printf("%s\n", a[j].name);
    system("pause");
    return 0;
}


3 快速排序

1 思想:二分,每次循环都缩短待排序数的序列长度。

2 原理:把每次选取的基准数归位。

3 最差时间复杂度:O(N^2),平均时间复杂度:O(N*logN)。

4 示例代码:

#include <stdio.h>
int a[101], n;//定义全局变量,这两个变量需要在子函数中使用

void quickshort (int left, int right)
{
    int i, j, t, temp;
    if(left>right)
        return;
    
    temp = a[left];//temp中存的就是基准数
    i = left;
    j = right;
    while(i!=j)
    {
        //顺序很重要,要先从右往左找
        while (a[j]>=temp && i<j)
            j--;
        while(a[i]<=temp && i<j)
            i++;

        //交换两个数在数组中的位置
        if (i<j)//当哨兵i和哨兵j没有相遇时
        {
            t = a[i];
            a[i] = a[j];
            a[j] = t;
        }
    }
    //最终将基准数归位
    a[left] = a[i];
    a[i] = temp;
    
    quickshort(left, i-1);//继续处理左边的,这里是一个递归的过程
    quickshort(i+1, right);//继续整理右边的,这里是一个递归的过程
}

int main() 
{
    int i, j, t;
    //读入数据
    scanf("%d", &n);
    for (i=1; i<=n; i++)
        scanf("%d", &a[i]);

    quickshort(1, n);//快速排序调用
    
    return 0;
}

4 小哼买书

1 任务:去重,排序


2 I/O:输入有2项。第一项为1个正整数,表示有n个同学参与调查。第二项是n个正整数,表示参与调查的书的ISBN号。输出也有2项。第一项表示去重之后要买多少本书,第2项是大小排好序的书的ISBN号。

3 思路

第一种:先去重,后排序。第二种:先排序,后去重。

4 步骤

排序:前面已经分析过,根据要处理的数据规模,算出时间复杂度(必要时还可以考虑空间复杂度),选择合理的算法。

去重:在输出前,预先判断当前数a[i]和前面一个数a[i-1]是否相同。如果相同,表示前面已经输出过了,不用再次输出。不同则表示这个数第一次出现,需要输出这个数。                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                I




  • 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