Leetcode:NO.5 最长回文子串 中心扩散

题目

给定一个字符串 s,找到 s 中最长的回文子串。你可以假设 s 的最大长度为 1000。

示例 1:

输入: "babad"
输出: "bab"
注意: "aba" 也是一个有效答案。
示例 2:

输入: "cbbd"
输出: "bb"

链接

解题记录

  • 回文特性是左右两边都一样
  • 通过中心向两边进行比对
  • 因为回文个数可以是奇数也可以是偶数,所以要注意中心的点的选取
/**
 * @author ffzs
 * @describe 5. 最长回文子串
 * 给定一个字符串 s,找到 s 中最长的回文子串。你可以假设 s 的最大长度为 1000。
 *
 * 示例 1:
 *
 * 输入: "babad"
 * 输出: "bab"
 * 注意: "aba" 也是一个有效答案。
 * 示例 2:
 *
 * 输入: "cbbd"
 * 输出: "bb"
 *
 */
public class Solution {
    public static String longestPalindrome(String s) {
        char[] seq = s.toCharArray();
        int len = s.length();
        if (len<=1) return s;
        int[] res = new int[3];
        for (int i=0; i<len-1; ++i){
            int gap = Math.min(i, (len-1-i));
            for(int j=1; j<=gap; ++j) {
                if (seq[i-j]!=seq[i+j]) break;
                if (2*j+1>res[0]) {
                    res[0] = 2*j+1;
                    res[1] = i-j;
                    res[2] = i+j;
                }
            }
            gap = Math.min(i, (len-2-i));
            for(int j=0; j<=gap; ++j) {
                if (seq[i-j]!=seq[i+j+1]) break;
                if ((j+1)*2>res[0]) {
                    res[0] = (j+1)*2;
                    res[1] = i-j;
                    res[2] = i+j+1;
                }
            }
        }
        return s.substring(res[1], res[2]+1);
    }

    public static void main(String[] args) {
        String s= "bbb";
        System.out.println(longestPalindrome(s));
    }
}

在这里插入图片描述

进阶

  • 已知回文的字符串可以看做整体作为中心,不影响两边的判断,比如 abba作为中心的话可以看做一个整体x,只需判断cxc是否回文,便可判断cabbac是否回文
  • 回文中有一种特殊情况,就是相同字符串,不论单双都是回文
  • 如果遍历遇到所有字符都相同的情况,会浪费很多时间,一旦统计到这部分的长度后就可以跳过这部分
/**
 * @author ffzs
 * @describe 5. 最长回文子串
 * 给定一个字符串 s,找到 s 中最长的回文子串。你可以假设 s 的最大长度为 1000。
 *
 * 示例 1:
 *
 * 输入: "babad"
 * 输出: "bab"
 * 注意: "aba" 也是一个有效答案。
 * 示例 2:
 *
 * 输入: "cbbd"
 * 输出: "bb"
 *
 */
public class Solution {
    static int[] res;
    static char[] seq;
    public static String longestPalindrome(String s) {
        seq = s.toCharArray();
        int len = seq.length;
        if (len <= 1) return s;
        res = new int[3];
        int left = 0;
        while (left < len-1) {
            left = expandAroundCenter(left);
        }
        return s.substring(res[1], res[2]);
    }

    private static int expandAroundCenter(int left) {
        int right = left+1;
        // 解决偶数回文以及相同字符问题
        while (right<seq.length && seq[right]==seq[left]){
            right ++;
        }
        int tmp = right;
        // 以left为中心,或以相同字符串为中心
        while (left>0 && right<seq.length && seq[left-1]==seq[right]) {
            left--;
            right++;
        }
        if (right-left>res[0]) {
            res[0] = right-left;
            res[1] = left;
            res[2] = right;
        }
        return tmp;
    }

    public static void main(String[] args) {
        String s= "bbb";
        System.out.println(longestPalindrome(s));
    }
}

在这里插入图片描述

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