一道寻找第K大数字的面试题

前言

前几天看到一道这样一道面试题,在数组中,寻找第k大的值,我们看到这一道题,我们最先想到的就说直接排序,我们可以采用快速排序,时间复杂度能达到O(nlogn),空间复杂度能达到O(1)。但是我们并不需要把所有的数组排好序,所以我们可以在快速排序的基础上做一点调整。

思路

实现的原理是这样子的:首先我们找一个基准数,就和快速排序一样,接着把小于基准数的元素移动到数组左边,接着把大于基准数的元素移动到数组右边,这时候,基准数的下标肯定在对应的位置上,也就是第i+1大的数,所以只需要判断当前位置的数与k的大小就可以了。如果i+1等于k,说明找到了;如果i+1小于k,则说明我们要找的k正在数组的左部分;如果i+1大于k,则说明我们要找的k正在数组的右部分。
直接上代码!!!

package interview;

/**
 * @author xing xing
 */
public class KNumber {
   
    public static void main(String[] args) {
   

		//定义数组
        int [] array = {
   2,7,100,51,-1,20,21
  • 0
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
数字图像处理面试题通常涉及以下几个方面的内容: 1. 图像处理基础知识:包括灰度图像、彩色图像、二值图像和索引图像的区别,常用的图像处理方法和算子,如均值滤波、中值滤波、高斯滤波、Sobel算子、拉普拉斯算子等等。 2. 特征提取与目标检测:常用的特征提取方法和目标检测算法,如SIFT、HOG、Haar特征、卷积神经网络等,以及它们在目标检测中的应用。 3. 图像分割与边缘提取:常用的图像分割算法,如阈值分割、边缘检测、区域生长算法等,以及如何提取图像的边缘信息。 4. 插值方法与图像缩放:常用的插值方法,如最近邻插值、双线性插值、双三次插值等,以及如何实现图像的放大和缩小。 5. 数字图像识别与深度学习:数字图像识别的流程,包括特征提取、分类器的选择和训练等。深度学习中常用的目标检测方法,如RCNN、YOLO、SSD等,以及深度学习与传统机器学习算法的区别。 6. C语言编程:与图像处理相关的C语言编程目,如图像的读取与存储、图像的预处理、算法的实现等。 7. 其他问:深入了解各种算法的细节,如神经网络、SVM、AdaBoost、kNN等,以及过拟合和欠拟合的定义和改善方法。 以上是数字图像处理面试题中常见的一些问。建议准备这些知识点,并根据实际情况进行深入学习和准备。<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* *2* [图像处理笔试面试题](https://blog.csdn.net/xingchenbingbuyu/article/details/78784654)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"] - *3* [图像处理-最常见面试题(必问)](https://blog.csdn.net/cc13186851239/article/details/114290940)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"] [ .reference_list ]

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 2
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