3-- 眼红的Medusa

4.28

洛谷P1571 眼红的Medusa

 双重循环过不了,但题目是要查找,可以用二分:枚举获科技奖的,在获特殊奖的里面二分查找即可。

#include<iostream>
#include<cstring>
#include<algorithm>
using namespace std;

const int N=100010;
int n,m,a[N],b[N];

int main()
{
	cin>>n>>m;
	for(int i=0;i<n;i++)
		cin>>a[i];
	for(int j=0;j<m;j++)
		cin>>b[j];
	sort(b,b+m);
	
	for(int i=0;i<n;i++){
		int l=-1,r=m;
		while(l+1<r){
			int mid=(l+r)/2;
			if(b[mid]<a[i])
				l=mid;
			else
				r=mid;
		}
		if(b[r]==a[i])	
			cout<<a[i]<<" ";
	}	
	return 0;
}

  • 1
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
x-medusa算法是一种基于数据挖掘技术的算法,主要用于解决关联规则挖掘问题。该算法是对经典的Apriori算法的改进和优化,旨在提升挖掘过程的效率和准确性。 x-medusa算法的核心思想是将候选项集的生成和频繁项集的计数过程合并,减少了候选项集的生成次数,降低了算法的时间复杂度。具体而言,该算法在计算频繁项集时,利用了多个候选项集来代表同一个频繁项集,通过这种方式减少了候选项集的生成次数。此外,x-medusa算法还引入了树结构来存储候选项集的信息,利用树的高效查找和插入操作,进一步提升了算法的运行效率。 x-medusa算法的优点是能够快速准确地挖掘关联规则,对于大规模数据集具有较高的效率。与传统的Apriori算法相比,x-medusa算法通过有效地合并候选项集,减少了不必要的计算,缩短了算法的运行时间。 需要注意的是,x-medusa算法对数据集的要求较高,对于含有大量重复项的数据,效果更好。同时,该算法在挖掘关联规则时,可能会产生更多的频繁项集,因此需要后续的筛选和整合工作。 综上所述,x-medusa算法是一种优化的关联规则挖掘算法,通过减少候选项集的生成次数和引入树结构来提升算法的效率和准确性。该算法在大规模数据集上具有很好的应用前景,并且可以通过进一步的筛选和整合工作得到所需的关联规则。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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