hdu 4082 计算几何 相似三角形

题意 给出n个点,判断组成的三角形中最多的一组相似三角形的个数。
比较菜,没写过这种题,不过不难。由于没写过,不知道会不会有精度问题,于是决定不开根号。
首先这题的坑 有可能给重复的点,重复的点要先去掉,然后枚举,判断三点共线,将能组成三角形的存到一个三角形结构体中。
然后对于每个三角形保存三个角的cos值,但由于担心精度问题 因为 cos = ( a^ 2 +b ^ 2 - c ^ 2 ) / ( 2 * a * b )
将 2 * a * b 乘到等式左边 再两边平方 得到 4 * a ^ 2 * b ^ 2 * cos ^ 2 = ( a ^ 2 + b ^ 2 - c ^ 2 ) ^ 2 
将等式中cos的系数设为x , 等式右边设为y  ,然后取g = gcd ( x , y ) , x /= g , y /= g, 将x,y 存在结构体Cos中
保存在三角形中的三个Cos先排序再存,方便比较。
最后枚举三角形寻找最多的相似三角形即可。
( 代码写的比较丑,训练时候也懒得改了。。。。 而且发现好像不会出现精度问题。。。 )



#include <bits/stdc++.h>
using namespace std;

struct Cos{
    long long x,y;
    bool operator < (Cos A)
    {
        double x1,x2,y1,y2;
        x1=x;
        x2=A.x;
        y1=y;
        y2=A.y;
        return y1/x1<y2/x2;
    }
    bool judge(Cos A)
    {
        if(x==A.x&&y==A.y)
            return true;
        else return false;
    }
};

struct Point{
    long long x,y;
    Point operator - (Point A)
    {
        Point p1;
        p1.x=x-A.x;
        p1.y=y-A.y;
        return p1;
    }
    bool operator < (Point A)
    {
        if(x<A.x)
            return true;
        else if(x==A.x&&y<A.y)
            return true;
        else return false;
    }
    bool judge(Point A)
    {
        if(x==A.x&&y==A.y)
            return true;
        else return false;
    }
};

struct Triangle{
    Point p1,p2,p3;
    Cos cos1,cos2,cos3;
    bool judge (Triangle A)
    {
        if(cos1.judge(A.cos1)&&cos2.judge(A.cos2)&&cos3.judge(A.cos3))
            return true;
        else return false;
    }
};

Point p_oint[25],point[25];
Triangle triangle[1005];

bool judge_seg(Point p1,Point p2,Point p3)
{
    Point t1,t2;
    t1=p1-p2;
    t2=p1-p3;
    if(t1.x*t2.y==t1.y*t2.x)
        return true;
    else return false;
}

long long seg_len(Point p1,Point p2)
{
    return ((p1.x-p2.x)*(p1.x-p2.x)+(p1.y-p2.y)*(p1.y-p2.y));
}

long long gcd(long long a,long long b)
{
    return b?gcd(b,a%b):a;
}

int main()
{
    int a,n,m,x,y,i,j,k;
    while(cin>>n)
    {
        if(n==0)
            break;
        for(i=0;i<n;i++)
            cin>>p_oint[i].x>>p_oint[i].y;
        int now=0;
        sort(p_oint,p_oint+n);
        for(i=0;i<n;i++)
        {
            if(i<n-1)
            {
                if(!p_oint[i].judge(p_oint[i+1]))
                {
                    point[now]=p_oint[i];
                    now++;
                }
            }
            else
            {
                point[now]=p_oint[i];
                now++;
            }
        }
        m=0;
        for(i=0;i<now;i++)
        {
            for(j=i+1;j<now;j++)
            {
                for(k=j+1;k<now;k++)
                {
                    if(!judge_seg(point[i],point[j],point[k]))
                    {
                        triangle[m].p1=point[i];
                        triangle[m].p2=point[j];
                        triangle[m++].p3=point[k];
                    }
                }
            }
        }
        long long ans=0;
        for(i=0;i<m;i++)
        {
            Cos test[3];
            test[0].x=4*(seg_len(triangle[i].p1,triangle[i].p2))*(seg_len(triangle[i].p1,triangle[i].p3));
            test[0].y=(seg_len(triangle[i].p1,triangle[i].p2)+seg_len(triangle[i].p1,triangle[i].p3)-seg_len(triangle[i].p2,triangle[i].p3))*(seg_len(triangle[i].p1,triangle[i].p2)+seg_len(triangle[i].p1,triangle[i].p3)-seg_len(triangle[i].p2,triangle[i].p3));
            test[1].x=4*(seg_len(triangle[i].p2,triangle[i].p1))*(seg_len(triangle[i].p2,triangle[i].p3));
            test[1].y=(seg_len(triangle[i].p2,triangle[i].p1)+seg_len(triangle[i].p2,triangle[i].p3)-seg_len(triangle[i].p1,triangle[i].p3))*(seg_len(triangle[i].p2,triangle[i].p1)+seg_len(triangle[i].p2,triangle[i].p3)-seg_len(triangle[i].p1,triangle[i].p3));
            test[2].x=4*(seg_len(triangle[i].p3,triangle[i].p1))*(seg_len(triangle[i].p3,triangle[i].p2));
            test[2].y=(seg_len(triangle[i].p3,triangle[i].p1)+seg_len(triangle[i].p3,triangle[i].p2)-seg_len(triangle[i].p1,triangle[i].p2))*(seg_len(triangle[i].p3,triangle[i].p1)+seg_len(triangle[i].p3,triangle[i].p2)-seg_len(triangle[i].p1,triangle[i].p2));
            long long g1,g2,g3;
            g1=gcd(test[0].x,test[0].y);
            g2=gcd(test[1].x,test[1].y);
            g3=gcd(test[2].x,test[2].y);
            test[0].x/=g1;
            test[0].y/=g1;
            test[1].x/=g2;
            test[1].y/=g2;
            test[2].x/=g3;
            test[2].y/=g3;
            sort(test,test+3);
            triangle[i].cos1=test[0];
            triangle[i].cos2=test[1];
            triangle[i].cos3=test[2];
        }
        for(i=0;i<m;i++)
        {
            long long sum=1;
            for(j=i+1;j<m;j++)
            {
                if(triangle[i].judge(triangle[j]))
                {
                    sum++;
                }
            }
            ans=max(sum,ans);
        }
        cout<<ans<<endl;
    }
    return 0;
}




                
深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
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