2020-10-05哈希表

哈希表

可以先学习下其他类似的数据结构
数组:查找O(1),增删O(n);线性链表:查找O(n),增删O(1)
二叉树:平均复杂度均为O(logn)。

牛逼的哈希表来了,没有冲突的情况下,复杂度只有O(1)。以Java中的HashMap为例,后面有时间详细写写它在处理冲突时选择的具体操作。
(学数据结构的时候学过好多操作,当时觉得很抽象,现在看来,还挺牛?)

HashMap

Map的key值如果是String类型的,那么可以存储的是它的值,而不是地址;而如果是数组类型的,存储的就是地址了

leetcode——two sum

首先自己的思路是,先排序,然后同时从最左边和最右边开始,不断使两边的索引向中间移动。

这让我想到了快速排序,快排中partition的思想是,左右开弓,小的数到左边,大的数到右边,最后找到中间值应该在的索引位置。

而我对于这个题的思路是,min + max,如果小于target,那么增大min(因为此时减小max永远不可能达到target),反之就减小max。如果不算排序过程,后面那一步应该是O(n)时间复杂度的吧?

lucifer azl397985856的解答

然后是看了大佬的思路link,感谢大佬分享(希望有天我也可以去分享优质内容)。

需要哈希表的知识。

思路:当然低时间复杂度的话,就不能用排序了。我们用一个map来记录前面搜索过的数值和索引。然后很重要的一点是,我是通过两数相加来寻找答案,但是两数相减更精妙,你可以通过计算target和当前值的差值,然后在前面遍历过的元素里面去寻找是否有对应的数值。关键点在于哈希表map

不明白的地方:对map结构进行查找,可以几乎没有时间复杂度吗??答案是确实,哈希表的key值查询可以认为是O(1)

  • 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