选择排序和冒泡排序

package lifubo.sort;

import java.util.Arrays;

public class SelectiveSort {

 /**
  * 选择排序
  * 选择排序的特点:每轮比较都把最小的数放到前面
  * 比较的轮次:length-1
  * i:代表每轮比较第一个元素的位置(下标)
  * j:代表每轮比较后面的每个元素的位置(下标)
  */
 public static void main(String[] args) {
      int[] array = {54,23,58,41,52,12,43,24,89,35};
      System.out.println("排序之前:"+Arrays.toString(array));
      System.out.println("排序之后:"+Arrays.toString(selectSort(array)));
 }
 
 public static int[] selectSort(int[] array){
      for(int i=0;i<array.length-1;i++){
          for(int j=i+1;j<array.length;j++){
               if(array[i]>array[j]){
                   int temp = array[i];
                   array[i] = array[j];
                   array[j] = temp;
                }
           }
      }
     return array;
   }

}

 

运行结果:


排序之前:[54, 23, 58, 41, 52, 12, 43, 24, 89, 35]
排序之后:[12, 23, 24, 35, 41, 43, 52, 54, 58, 89]

 

package lifubo.sort;

import java.util.Arrays;

public class BubblingSort {

 /**
  * 冒泡排序
  * 冒泡排序的特点:把大的值放在后面,而且永远都是两两相邻的元素比较
  * i:代表比较的轮次
  * j:代表比较元素的下标
  * 内层循环:0~~~length-i-1
  */
 public static void main(String[] args) {
       int[] array = {54,23,58,41,52,12,43,24,89,35};
       System.out.println("排序之前:"+Arrays.toString(array));
       System.out.println("排序之后:"+Arrays.toString(buddleSort(array)));
 }
 
 public static int[] buddleSort(int[] array){
       for(int i=0;i<array.length-1;i++){
            for(int j=0;j<array.length-i-1;j++){
                 if(array[j]>array[j+1]){
                     int temp = array[j];
                     array[j] = array[j+1];
                     array[j+1] = temp;
                  }
              }
         }
        return array;
     }

}

 

运行结果:

排序之前:[54, 23, 58, 41, 52, 12, 43, 24, 89, 35]
排序之后:[12, 23, 24, 35, 41, 43, 52, 54, 58, 89]

  • 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