4.交换排序

https://zhuanlan.zhihu.com/p/40695917?utm_source=weibo&utm_medium=social&utm_oi=995977013987065856&utm_content=snapshot

1.冒泡排序

两两比较,如果左边的大于右边的,交换位置。把最大的移动到最右边。

    def sortArray(self, nums):
        """
        :type nums: List[int]
        :rtype: List[int]
        """
        n=len(nums)
        for i in range(1,n):
            for j in range(n-i):
                if nums[j]>nums[j+1]:
                    nums[j],nums[j+1]=nums[j+1],nums[j]
        return nums

 

2.快速排序

看图可能看不懂,解释一下就是

选取列表第一个元素作为比较元素,小于或等于这个元素的在这个元素的左边,大于他的在右边。这样一个列表就可以确定第一个元素的位置了。然后把左边和右边的分别做相同的操作。

大白话就是,一个列表找到中间元素,然后分割,继续寻找中间元素。

在代码里,就是标记第一个元素为比较元素。然后把第一个元素的坐标标记为待返回的中间元素的下标。然后依次比较后面的元素,如果比第一个元素小,那么和第二个元素交换位置。并且把中间元素的下标改为第二个。

    def QuickSort(self,nums):
        n=len(nums)-1
        self._QuickSort(nums,0,n)
        return nums

    def _QuickSort(self, nums, l, r):#递归
        if l>=r:
            return
        p=self.partiton(nums,l,r)
        self._QuickSort(nums,l,p-1)
        self._QuickSort(nums,p+1,r)

    def partiton(self,nums,l,r):#找到中间元素,并且把该元素放在正确的位置

        temp=nums[l]
        j,i=l,l+1
        while i<=r:
            if nums[i]<=temp:
                nums[j+1],nums[i]=nums[i],nums[j+1]
                j+=1
            i+=1
        nums[l],nums[j]=nums[j],nums[l]
        return j

当数列近乎有序的时,由于每次选取的都是第一个数,所以造成数列分割的极其不等, 此时只要随机选取基准点即可

    def partiton(self,nums,l,r):
        #随机选取中间位置
        pos = random.randint(l, r)
        nums[pos], nums[l] = nums[l], nums[pos]
        temp=nums[l]
        j,i=l,l+1
        while i<=r:
            if nums[i]<=temp:
                nums[j+1],nums[i]=nums[i],nums[j+1]
                j+=1
            i+=1
        nums[l],nums[j]=nums[j],nums[l]
        return j

 

  • 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