UVa 10301 - Rings and Glue

题目:有一些粘有胶水的圆环,散落在地上,问黏在一起最多的整体有几个环组成。

分析:并查集、计算几何。判断每两个圆环是否黏在一起即可,利用并查集记录。

注意:1.输出格式 0 rings。2.是圆环不是圆。3.并查集合并前要判断;把相同集合的合并会重复计数╮(╯▽╰)╭。

#include <iostream>
#include <cstdlib>
#include <cstdio>
#include <cmath>

using namespace std;

typedef struct rnode
{
	double x,y,r;
}ring;
ring R[105];

double dist( ring a, ring b )
{
	return sqrt((a.x-b.x)*(a.x-b.x)+(a.y-b.y)*(a.y-b.y));
}

//union_set
int  sets[105];
int  sums[105];
int  rank[105];

//返回根节点 
int  Find( int a )
{
	if ( a != sets[a] )
		sets[a] = Find( sets[a] );
	return sets[a];
}

//合并集合 
void Union( int a, int b )
{
	if ( rank[a] < rank[b] ) {
		sets[a]  = b;
		sums[b] += sums[a];
	}else {
		if ( rank[a] == rank[b] )
			rank[a] ++;
		sets[b]  = a;
		sums[a] += sums[b];
	}
}
//union_set end

int main()
{
	int n;
	while ( ~scanf("%d",&n) && n >= 0 ) {
		for ( int i = 0 ; i < n ; ++ i ) {
			scanf("%lf%lf%lf",&R[i].x,&R[i].y,&R[i].r);
			rank[i] = 1;sets[i] = i;sums[i] = 1;
		}
		
		for ( int i =  0  ; i < n ; ++ i )
		for ( int j = i+1 ; j < n ; ++ j ) {
			if ( dist( R[i], R[j] )-1e-6 < fabs( R[i].r+R[j].r ) &&
				 dist( R[i], R[j] )+1e-6 > fabs( R[i].r-R[j].r ) )
			if ( Find(i) != Find(j) )
				Union( Find( i ), Find( j ) );
		}
		
		int max = 0;
		for ( int i = 0 ; i < n ; ++ i )
			if ( max < sums[i] )
				max = sums[i];
		
		//万恶的输出啊,╮(╯▽╰)╭ 
		if ( max > 1 || !max )
			printf("The largest component contains %d rings.\n",max);
		else printf("The largest component contains 1 ring.\n");
	}
	return 0;
}

  • 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
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