leetcode剑指 Offer 40. 最小的k个数

题目要求

输入整数数组 arr ,找出其中最小的 k 个数。例如,输入4、5、1、6、2、7、3、8这8个数字,则最小的4个数字是1、2、3、4。

解题思路

方法一

排序后,返回最小的k个数。

class Solution(object):
    def getLeastNumbers(self, arr, k):
        """
        :type arr: List[int]
        :type k: int
        :rtype: List[int]
        """
        arr.sort()
        return arr[:k]

方法二

  1. 使用堆排序。
  2. python中heapq库实现堆,但只能实现小顶堆。需要对原数组进行取负号操作。
class Solution(object):
    def getLeastNumbers(self, arr, k):
        """
        :type arr: List[int]
        :type k: int
        :rtype: List[int]
        """
        # k为0时,特殊处理。
        if not k:
            return []
        # 导入heapq库
        import heapq
        # 由于需要heapq只能实现小顶堆,需取负号。
        for i in range(len(arr)):
            arr[i] = -arr[i]
        res = arr[:k]
        # 先将前k个数,建立堆。
        heapq.heapify(res)
        # 在小顶堆中,始终保存最大的k个数字。
        for i in range(k, len(arr)):
            if arr[i] > res[0]:
                heapq.heappop(res)
                heapq.heappush(res, arr[i])
        out = []
        # 最后输出堆中数字的相反数,为最小的k个数。
        for x in res:
            out.append(-x)
        return out

方法三

利用快速排序的变形方法

class Solution(object):
    def getLeastNumbers(self, arr, k):
        """
        :type arr: List[int]
        :type k: int
        :rtype: List[int]
        """
        # 排序
        self.random_select_sort(arr, 0, len(arr)-1, k)
        # 返回前k项
        return arr[:k]
    
    def random_select_sort(self, nums, l, r, k):
        # 一定要考虑下标问题
        if l >= r:
            return
        # 分治处理,并获取中间元素,其左边的元素小,右边的元素大于等于中间元素。
        mid = self.recursive_sort(nums, l, r)
        # 注意次数mid-l的处理,左侧k个以上,则缩小排序范围。
        if mid-l > k-1:
            self.random_select_sort(nums, l, mid-1, k)
        # 左侧不足k个元素,则左侧的无需再排序,只需在右侧排序。寻找k-(mid-l+1)。
        elif mid-l < k-1:
            self.random_select_sort(nums, mid+1, r, k-(mid-l+1))

    def recursive_sort(self, nums, l, r):
        # 指针i初始赋值l-1。
        i = l - 1 
        # 遍历所有元素。
        for j in range(l, r):
            if nums[j] < nums[r]:
                i += 1
                # 交换元素位置。
                nums[j], nums[i] = nums[i], nums[j]
        # 最后将最后的值,即默认为pivot值的元素放到正确位置,使得其左边小于,右边不小于。
        i += 1
        nums[i], nums[r] = nums[r], nums[i]
        return i
  • 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