JFRZ争霸赛T6题解

这道题史上最水,不知道为什么只有两个人A了,好了,废话少说,直接分析。
这道题很明显要用字符串
这道题其实很简单,就是判断+计数,比较大小,输出。思路就是这么简单!(是不是输入有些毒瘤。。。)
直接上代码!

#include<bits/stdc++.h>
using namespace std;
map<string,int>h;
int score[100];
string name[100];
int n,m;
int id(string a)
{
	int t=0;
	for(int i=0;i<a.size();i++) 
	{
		t+=int(a[i]) ;
	}
	return t;
}
bool cmp(const string &a,const string &b)//此处个人建议放上指针,不然会卡评测,这道题就随便拉。 
{
	return id(a)<id(b) ;
}
string sub(string a,int l,int r)//取子串,找人名 
{
	string ans="";
	for(int i=l;i<=r;i++) 
	{
		ans+=a[i];
	}
	return ans;
}
int main() 
{
	cin>>n;
	for(int i=1;i<=n;i++) 
	{
		cin>>name[i];
	}
	sort(name+1,name+n+1,cmp);//排序。 
	for(int i=1;i<=n;i++) 
	{
		h[name[i]]=i;//将其序号放入容器中。 
		score[i]=0;//第i个人输入时嫌疑度为零。 
	}
	cin>>m;
	getchar();
	for(int i=1;i<=m;i++) 
	{
		string s;
		getline(cin,s);
		int w=s.find(' ');//判定空格 
		string w1=sub(s,0,w-1) ;
		int _w=s.find(' ',w+1);
		string w2=sub(s,w+1,_w-1) ;
		if(w2=="I") 
		{

			score[h[w1]]++;//判断是“I ”是谁后其嫌疑度++; 
		}

		else
		{
			score[h[w2]]++;//如果不是I,则输入的名字嫌疑度++; 

		}
	}
	
	string ans="";
	int maxl=INT_MIN;
	for(int i=1;i<=n;i++) 
	{
		if(score[i]>maxl) 
		{
			maxl=score[i];
			ans=name[i];
		}//判定谁的嫌疑度最大。 
	}
	cout<<ans<<endl;//最后输出。 
	return 0; 

}

不用多讲了,就这样,暴力出奇迹!

  • 2
    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