148. 排序链表

根据算法题目要求,看出主要考察排序算法中的归并排序,那归并排序的思想类似于分治。

简单描述为

第一步 递归,找中点,切割链表

第二步 对每个子链表操作

第三步 把排序好的子链表一步步合并

 

 

class Solution {
public:
    ListNode* sortList(ListNode* head) {
        return mergeSort(head); // 归并排序
    }
    // 递归地切割表 直达最后表只有一个或者没有一个节点 再进行合并
    ListNode* mergeSort(ListNode *head)
    {
        if(!head||!head -> next)return head;
        // 这里用快慢指针找到链表中点  快指针比慢指针每次都快一步 
        //当快指针到达链表尾部 慢指针到达中点
        // 还可以用其他方法找到中点 比如遍历这个链表并且计数
        ListNode* fast = head;
        ListNode* slow = head;
        ListNode* cut = head; //找到中点后 用这个指针切断链表
        
        while(fast && fast -> next)
        {
            fast = fast -> next -> next;
            cut = slow;
            slow = slow -> next;
        }
        cut -> next = NULL; //此时切成俩个链表 第一表头是head  第二个表头是slow
        //  分别对俩个子表进行归并排序
        ListNode* l1 = mergeSort(head);
        ListNode* l2 = mergeSort(slow);
        return merge(l1,l2); // 把排序好的子表合并 
    }
    // 把俩个表进行合并
    ListNode* merge(ListNode* l1 , ListNode* l2)
    {
        // 递归到最后有空表的可能 
        if(l1 == NULL) return l2;
        if(l2 == NULL) return l1;
        // 合并 从表头开始比较 值小的作为新表头
        if(l1 -> val <= l2 -> val)
        {
            l1 -> next = merge(l1 -> next, l2); 
            return l1;
        }
        else
        {
            l2 -> next = merge(l2 -> next, l1);
            return l2;
        }
        
        
    }
    
};

 

  • 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