Leetcode 14 最长公共前缀 Longest Common Prefix

编写一个函数来查找字符串数组中的最长公共前缀。

如果不存在公共前缀,返回空字符串 ""。

示例 1:

输入: ["flower","flow","flight"]
输出: "fl"
示例 2:

输入: ["dog","racecar","car"]
输出: ""
解释: 输入不存在公共前缀。

来源:力扣(LeetCode)
链接:https://leetcode-cn.com/problems/longest-common-prefix

 

方法一:水平扫描法

自己写的代码,思路是先找第一个和第二个的公共前缀,然后再找该公共前缀和第三个的公共前缀,一直到最后一个。中间如果有公共前缀长度为0的情况,则直接返回。

第一遍运行出现了一个stack overflow的问题,在加入j小于所有string最短长度之后就通过了。

class Solution {
public:
    string longestCommonPrefix(vector<string>& strs) {
        int size=strs.size();
        if(size==0) return "";
        string com=strs[0];
        int minlen=1000;
        for(int i=1;i<size;i++){
            if (strs[i].length()<minlen) minlen=strs[i].length();
        }
        for(int i=1;i<size;i++){
            int j=0;
            while(strs[i][j]==com[j]&&j<minlen) j++;
            if (j==0) return "";
            else com=com.substr(0,j);
        }
        return com;
    }
};

执行用时 :8 ms, 在所有 cpp 提交中击败了67.55%的用户

内存消耗 :8.7 MB, 在所有 cpp 提交中击败了87.76%的用户

 

时间复杂度:O(S),S 是所有字符串中字符数量的总和。

空间复杂度:O(1),我们只需要使用常数级别的额外空间。

 

方法二:垂直扫描法

 

class Solution {
public:
    string longestCommonPrefix(vector<string>& strs) {
        int size=strs.size();
        if(size==0) return "";
        if(size==1) return strs[0];
        int max=strs[0].size();
        for(int i=0;i<max;i++){
            for(int j=1;j<size;j++){
                if (i>=strs[j].size()||strs[j][i]!=strs[0][i]) return strs[0].substr(0,i);    
            }
        }
        return strs[0];
    }
};

执行用时 :4 ms, 在所有 cpp 提交中击败了95.36%的用户

内存消耗 :8.8 MB, 在所有 cpp 提交中击败了86.35%的用户

时间复杂度:O(s),所有字符串中字符数量的总和。

最坏情况下,输入数据为 n 个长度为 m 的相同字符串,算法会进行 S=m∗n 次比较。可以看到最坏情况下,本算法的效率与算法一相同,但是最好的情况下,算法只需要进行 n∗minLen 次比较,其中 minLen 是数组中最短字符串的长度。

空间复杂度:O(1),只需要使用常数级别的额外空间。

  • 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、算分类 基于深度学习的目标检测算主要分为两大类: Two-stage算: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算包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算: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算包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算原理 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