1013. Battle Over Cities (25)

#include<iostream>
#include<cstring>
using namespace std;
const int MaxE = 1001;
int edge[MaxE][MaxE];
int visited[MaxE];
int N, M, K;
void dfs(int i)
{
	visited[i] = 1;
	for (int j = 1; j <= N; j++)
	{
		if (!visited[j] && edge[i][j] == 1)dfs(j);
	}
}
int main()
{
	cin >> N >> M >> K;
	int i, j;
	for (i = 0; i <= N; i++)
		for (j = 0; j <= N; j++)
			edge[j][i]=edge[i][j] = -1;
	int C1, C2;
	while (M--)
	{
		cin >> C1 >> C2;
		edge[C1][C2] = edge[C2][C1] = 1;
	}
	while (K--)
	{
		int countarea = 0;
		memset(visited, 0, sizeof(visited));	//每次输入一个新的去除点时,visited都应为0,memset初始化为同一元素,需要头文件include<cstring>
		int C;
		cin >> C;
		visited[C] = 1;
		for (int i = 1; i <=N; i++)
		{
			if (!visited[i])
			{
				dfs(i);
				countarea++;
			}
		}
		cout << countarea-1 << endl;
	}
	return 0;
}
/*3 2 3 1 2 1 3 1 2 3*/

关键在于去掉某个点之后看剩下几个集合,N个集合用N-1条边可以联系起来

此处用的dfs,去掉某个点可用访问过这一方式(因为访问过的点之后不再访问)

每次dfs一次,就能出现一个连通集,当所有的都visited之后就数完了所有的连通集


  • 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