[Codeforces Round #309 (Div. 2)] #ABC题解

鉴于本人水平有限,两小时只A了三道,剩下的又不想看了,无聊写写前三题题解。

题目链接:Codeforces Round #309 (Div. 2)

A. Kyoya and Photobooks

[Description]
给定一个只有小写字母的字符串,可以在任意位置插入任意一个小写字母,求得到的字符串种数。
[Solution]
枚举+哈希水题
[Code]

#include<map>
#include<string>
#include<iostream>
using namespace std;

map<string,bool> M;

int main(){
 int ans=0;
 string s,s1;
 cin>>s;
 for(int i=0;i<=s.size();i++)
  for(char j='a';j<='z';j++){
   s1.resize(0);
   s1+=s.substr(0,i);
   s1+=j;
   s1+=s.substr(i,s.size()-i);
   if(!M[s1]) M[s1]=true,ans++;
  }
 cout<<ans;
 return 0;

}

B. Ohana Cleans up

[Description]
给定一个01矩阵,每次可以改变一列,使0变成1,1变成0,问最多可以把几行变成全1。
[Solution]
我们发现,初始相同的行经过操作之后仍然相同,答案即为相同行数的最大值。
[Code]

#include<map>
#include<string>
#include<iostream>
#include<algorithm>
using namespace std;

map<string,int> M;

int main(){
 int n,ans=0; cin>>n;
 for(int i=0;i<n;i++){
  string s; cin>>s;
  ans=max(ans,++M[s]);
 }
 cout<<ans;
 return 0;
}

C. Kyoya and Colored Balls

[Description]
有k个颜色的求分别c1…ck个,把他们放在袋子中,依次取出。当第一种一色没取完时不能去玩后面的颜色,问总共有多少种取法(排列方式)。
[Solution]
要保证去i种颜色最后一个球时之前1~i种球都要取完,可以这样看,先把第一种球排好,把第二种球拿一个出来,其余任意插到第一种中,把拿出的那个放在最后,得到满足条件的序列,再将第三种球拿一个出来,其余任意任意插到之前的序列中,把拿出的放在最后…依此类推,可得到这个序列,方案即为没步插球的组合数之积。
插入第i中球的方案数即为在cnt(前i-1个球的总和)+1个缝里插入ci-1个球,两个球可以在同一个缝里,等价于在cnt+1+(x-1)-1个缝里插入ci-1个球,每个球必须单独占一个空,方案数为这里写图片描述,注意cnt不会超过1000.
[Ans]
这里写图片描述
[Code]

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

typedef long long LL;
const int p=1000000007;

const int maxn=1001;
int c[maxn][maxn];
int C(int m,int n){
 if(m<n || m<0 || n<0) return 0;
 if(m==0)
  if(n==0) return 1;
  else return 0;
 return c[m][n]?c[m][n]:c[m][n]=(C(m-1,n)+C(m-1,n-1))%p;
}

int main(){
 LL ans=1;
 int n,cnt,x;scanf("%d%d",&n,&cnt);
 for(int i=2;i<=n;i++){
  scanf("%d",&x);
  LL t=C(cnt+x-1,x-1)%p;
  ans=ans*t%p;
  cnt+=x;
 }
 printf("%d",ans);
 return 0;
}

–By Foggy
2015.6.25

  • 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分类植物上的病虫害。以下是这一技术的一些关键步骤和组成部分: 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,以提高后续分析的准确性。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。
软件测试面试题软件测试面试题软件测试面试题软件测试面试题软件测试面试题软件测试面试题软件测试面试题软件测试面试题软件测试面试题软件测试面试题软件测试面试题软件测试面试题软件测试面试题软件测试面试题软件测试面试题软件测试面试题软件测试面试题软件测试面试题软件测试面试题软件测试面试题软件测试面试题软件测试面试题软件测试面试题软件测试面试题软件测试面试题软件测试面试题软件测试面试题软件测试面试题软件测试面试题软件测试面试题软件测试面试题软件测试面试题软件测试面试题软件测试面试题软件测试面试题软件测试面试题软件测试面试题软件测试面试题软件测试面试题软件测试面试题软件测试面试题软件测试面试题软件测试面试题软件测试面试题软件测试面试题软件测试面试题软件测试面试题软件测试面试题软件测试面试题软件测试面试题软件测试面试题软件测试面试题软件测试面试题软件测试面试题软件测试面试题软件测试面试题软件测试面试题软件测试面试题软件测试面试题软件测试面试题软件测试面试题软件测试面试题软件测试面试题软件测试面试题软件测试面试题软件测试面试题软件测试面试题软件测试面试题软件测试面试题软件测试面试题软件测试面试题软件测
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