PAT (Advanced Level) Practice_1020 Tree Traversals (25 分)_1043 Is It a Binary Search Tree (25 分)

  1. 这两道题目都可以对其给出的数字,根据树的特性进行划分左右子树,利用递归思路进行解题。值得进行学习,以便深入理解树的某些特性;过程当中有个需要认真思考的地方,在于递归的结束结点的处理。
  2. 就题目1020而言,根据后序中序找层序遍历的解题思路是,后序的末尾是妈妈树,然后在中序根据妈妈树划分左右子树,再递归执行这个过程。其中,我们一层一层的深入下去,其实产生了一个先序遍历,我利用数组二维数组cc保留了每个值所在的层数,以便进行层序输出,当然这里是因为数据较少,才利用这个办法来回避了建立整棵树以及完整的层序遍历。
  3. 题目1043,根据二叉搜索树(或其镜像)的先序遍历找后序遍历。这里需要充分利用二叉搜索树的左右子树特性来解决问题,根据特性建树的思路实际是比较复杂的,需要注意很多细节;我这里采取了柳婼的思路来处理了这个问题,即是根据特性划分左右子树进行不停迭代的过程产生的后序遍历,其中mirror变量利用的很巧妙。
  4. 题目1043,我还有一种思路,哪天可以试一下,即根据二叉搜索树的中序输出为一个顺序序列的特性,sort一下给出的先序得到中序,再根据先序中序迭代找后序。(待填坑)
  5. <注意>:1020题目的解法使用的记录层数避免层序遍历输出数据的方式,是仅局限于输出的内容是具有树的位置序的。不然在例如1099题目解答时,其中的树的编号关系是任意给出的,不具有树的位置序关系,就将在每层的输出时乱序输出该层的data。
  • 我的代码:

1020

#include<stdio.h>

int n, aa[30], bb[30], cc[30][2], ci = -1;	

void traTree(int left, int right, int ileft, int iright,int level);
int  found(int val)
{
	for (int i = 0; i < n; i++)
		if (val==bb[i])
			return i;
}

int main()
{
	scanf("%d", &n);
	for (int i = 0; i < n; i++)
		scanf("%d", &aa[i]);
	for (int i = 0; i < n; i++)
		scanf("%d", &bb[i]);
	traTree(0, n - 1, 0, n - 1,0);

	printf("%d", cc[0][0]);
	for (int i = 0; i < n; i++)
		for (int j = 1; j < n; j++)
			if (i==cc[j][1])
				printf(" %d", cc[j][0]);

	return 0;
}
void traTree(int left, int right, int ileft, int iright,int level)
{
	int val = aa[right];
	cc[++ci][0] = val, cc[ci][1] = level;
	int vposition = found(val);

	int leftcnt = vposition - ileft;
	if (leftcnt >0)	
		traTree(left, left + leftcnt - 1, ileft, vposition - 1, level + 1);

	int rightcnt = iright - vposition;
	if (rightcnt > 0)
		traTree(right - rightcnt, right - 1, vposition + 1, iright, level + 1);

	return;
}

1043

#include<cstdio>
#include<vector>
using namespace std;

bool mirror = false;
vector<int>vv, temp;

void post(int root, int last);

int main()
{
	int n;
	scanf("%d", &n);
	vv.resize(n);
	for (int i = 0; i < n; i++)
		scanf("%d", &vv[i]);
	post(0, n - 1);

	if (temp.size() != n)
	{
		mirror = true;
		temp.clear();
		post(0, n - 1);
	}
	if (temp.size() == n)
		for (int i = 0; i < n; i++)
			printf("%s%d", i == 0 ? "YES\n" : " ", temp[i]);
	else	printf("%s", "NO");

	return 0;
}
void post(int root, int last)
{
	if (last - root < 0) return;

	int left = root + 1, right = last;
	if (!mirror)//notice ‘=’ among this left <= last right >= root + 1 
	{
		while (left <= last && vv[left] < vv[root])left++;//get rightSub root
		while (right >= root + 1 && vv[right] >= vv[root])right--;//get rightSub root
	}
	else
	{
		while (left <= last && vv[left] >= vv[root])left++;//get rightSub root
		while (right >= root + 1 && vv[right] < vv[root])right--;//get rightSub root
	}

	if (left - right == 1)
	{
		post(root + 1, right);
		post(left, last);
		temp.push_back(vv[root]);
	}

	return;
}

 

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
图像识别技术在病虫害检测中的应用是一个快速发展的领域,它结合了计算机视觉和机器学习算法来自动识别和类植物上的病虫害。以下是这一技术的一些关键步骤和组成部: 1. **数据收集**:首先需要收集大量的植物图像数据,这些数据包括健康植物的图像以及受不同病虫害影响的植物图像。 2. **图像预处理**:对收集到的图像进行处理,以提高后续析的准确性。这可能包括调整亮度、对比度、去噪、裁剪、缩放等。 3. **特征提取**:从图像中提取有助于识别病虫害的特征。这些特征可能包括颜色、纹理、形状、边缘等。 4. **模型训练**:使用机器学习算法(如支持向量机、随机森林、卷积神经网络等)来训练模型。训练过程中,算法会学习如何根据提取的特征来识别不同的病虫害。 5. **模型验证和测试**:在独立的测试集上验证模型的性能,以确保其准确性和泛化能力。 6. **部署和应用**:将训练好的模型部署到实际的病虫害检测系统中,可以是移动应用、网页服务或集成到智能农业设备中。 7. **实时监测**:在实际应用中,系统可以实时接收植物图像,并快速给出病虫害的检测结果。 8. **持续学习**:随着时间的推移,系统可以不断学习新的病虫害样本,以提高其识别能力。 9. **用户界面**:为了方便用户使用,通常会有一个用户友好的界面,显示检测结果,并提供进一步的指导或建议。 这项技术的优势在于它可以快速、准确地识别出病虫害,甚至在早期阶段就能发现问题,从而及时采取措施。此外,它还可以减少对化学农药的依赖,支持可持续农业发展。随着技术的不断进步,图像识别在病虫害检测中的应用将越来越广泛。
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