bzoj1031: [JSOI2007]字符加密Cipher

Description

  喜欢钻研问题的JS同学,最近又迷上了对加密方法的思考。一天,他突然想出了一种他认为是终极的加密办法
:把需要加密的信息排成一圈,显然,它们有很多种不同的读法。例如下图,可以读作:

 

JSOI07 SOI07J OI07JS I07JSO 07JSOI 7JSOI0把它们按照字符串的大小排序:07JSOI 7JSOI0 I07JSO JSOI07
 OI07JS SOI07J读出最后一列字符:I0O7SJ,就是加密后的字符串(其实这个加密手段实在很容易破解,鉴于这是
突然想出来的,那就^^)。但是,如果想加密的字符串实在太长,你能写一个程序完成这个任务吗?

Input

  输入文件包含一行,欲加密的字符串。注意字符串的内容不一定是字母、数字,也可以是符号等。

Output

  输出一行,为加密后的字符串。

Sample Input

JSOI07

Sample Output

I0O7SJ

HINT

对于100%的数据字符串的长度不超过100000。

题解:
最小表示法
把字符串翻倍 再进行后缀排序 
对我们有用的只是长度>=n的后缀
去掉不符合的后缀就是把字符串所有的读法进行排序
因为根据字典序的性质 除非后缀的前n个字符都相同 才会对答案有影响 
但如果前n个字符全部相同 那么选哪个后缀都一样
所以不会有影响
#include <iostream>
#include <cstdio>
#include <cstring>
#include <algorithm>
using namespace std;
const int maxn=200000+10;
int sa[maxn],x[maxn],y[maxn];
int c[maxn];
char A[maxn];
int n;
inline void get_sa(){
    int *tp=x,*rnk=y;
    n=strlen(A+1);
    int m=300;
    for(int i=0;i<=m;i++)
        c[i]=0;
    for(int i=1;i<=n;i++)
        tp[i]=(int)A[i],rnk[i]=(int)A[i];
    for(int i=1;i<=n;i++)
        c[tp[i]]++;
    for(int i=1;i<=m;i++)
        c[i]+=c[i-1];
    for(int i=n;i>=1;i--)
        sa[c[tp[i]]--]=i;
    for(int j=1;j<=n;j<<=1){
        int p=0;
        for(int i=n-j+1;i<=n;i++)
            tp[++p]=i;
        for(int i=1;i<=n;i++)
            if(sa[i]>j)
                tp[++p]=sa[i]-j;
        for(int i=0;i<=m;i++)
            c[i]=0;
        for(int i=1;i<=n;i++)
            c[rnk[tp[i]]]++;
        for(int i=1;i<=m;i++)
            c[i]+=c[i-1];
        for(int i=n;i>=1;i--)
            sa[c[rnk[tp[i]]]--]=tp[i];
        swap(rnk,tp);
        p=1;
        rnk[sa[1]]=1;
        for(int i=2;i<=n;i++){
            int O1=sa[i]+j>n?-1:tp[sa[i]+j];
            int O2=sa[i-1]+j>n?-1:tp[sa[i-1]+j];
            rnk[sa[i]]=(O1==O2&&tp[sa[i]]==tp[sa[i-1]])?p:++p;
        }
        m=p;
        if(m>=n)
            break;
    }
}
int main(){
    //freopen("a.in","r",stdin);
    //freopen("a.out","w",stdout);
    scanf("%s",A+1);
    int N=strlen(A+1);
    for(int i=1;i<=N;i++)
        A[i+N]=A[i];
    get_sa();
    for(int i=1;i<=N*2;i++){
        if(sa[i]<=N)
            printf("%c",A[sa[i]+N-1]);
    }
return 0;
}





深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
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