Leecode Week10: 4Sum

Week10: 4Sum

Difficulty:Medium

1.Problem

Given an array S of n integers, are there elements a, b, c, and d in S such that a + b + c + d = target? Find all unique quadruplets in the array which gives the sum of target.

Note: The solution set must not contain duplicate quadruplets.

For example, given array S = [1, 0, -1, 0, -2, 2], and target = 0.

A solution set is:
[
 [-1, 0, 0, 1],
 [-2, -1, 1, 2],
 [-2, 0, 0, 2]
]

2.Algorithm

1.首先将input数组进行排序,记max为input数组最大值,min为input数组最小值,
若4*max小于target或者4*min大于target,则立刻返回空数组

2.若1中两个条件都不符合,则从数组开头遍历整个数组,在每一次循环调用Leecode week7中的3Sum函数;同时在每一次循环中去掉一些重复数字。

3.Solution

class Solution {
public:
    vector<vector<int> > fourSum(vector<int>& nums, int target) {
        int size = nums.size();
        vector<vector<int> > ans;
        sort(nums.begin(),nums.begin()+size);
        if(size < 4) return ans;

        int max = nums[size-1];
        if(4 * max < target || 4 * nums[0] > target) return ans;

        for(int i = 0; i < size - 1; i++) {
            if(i > 0 && nums[i] == nums[i-1]) continue;
            int z = nums[i];
            if(z + 3 * max < target) continue;
            if(4 * z > target) break;
            if(4 * z == target && i + 3 < size - 1 && nums[i+3] == z) {
                vector<int> temp;
                temp.push_back(z);
                temp.push_back(z);
                temp.push_back(z);
                temp.push_back(z);
                ans.push_back(temp);
                break;
            }

            vector<vector<int> > temp = threeSum(nums, target - z, i + 1, size - 1, z);
            ans.insert(ans.end(), temp.begin(), temp.end());
        }
        return ans;
    }
    vector<vector<int> > threeSum(vector<int>& nums, int target, int start, int end, int origin) {
        vector<vector<int> > ans;
        for(int i = start; i < end; i++) {
            if(i > start && nums[i] == nums[i-1]) {
                continue;
            }
            int k = i + 1, n = end;
            while(k < n) {
                int sum = nums[i]+nums[k]+nums[n];
                if(sum == target) {
                    vector<int> temp;
                    temp.push_back(origin);
                    temp.push_back(nums[i]);
                    temp.push_back(nums[k]);
                    temp.push_back(nums[n]);
                    ans.push_back(temp);
                    while(k < n && nums[k] == nums[k+1]) k++;
                    while(k < n && nums[n] == nums[n-1]) n--;
                    k++;
                    n--;
                }
                else if(sum < target) k++;
                else n--;
            }
        }
        return ans;
    }
};
  • 0
    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