nyoj 2-括号匹配

今天真是十分十分十分。。。。的不爽!made!烦死了,烦死了,烦死了。。。

感觉做到现在自己根本一点长进都没有,今天在食堂又差点跟人家起冲突,上课忘带作业,明明很简单的题就是怎么都做不出,网购的书店家竟然发错货,乱七八糟一大堆的破事,mademademademademade。。。!!!

哎,仔细想想,老师说过,一类的题要做一百道才能说有点感觉,我这才做了十几道,大概是有些急于求成了吧,加上今天心情很不正常,老妈总是说心情不好的时候不要学习,要出去走走玩玩改善心情,现在想想确实有道理,昨天竟然吧书包带背断了一条,真恶心,这回干脆买个好的,省得以后再纠结。。。

心情不好,可又实在不想闲着,干脆注册个小号把以前做过的题在做一次,温故知新呵。。。


话说这道题是我在南阳oj上的第一到题呵,当时连根本是个什么都不知道的小白,连数据结构、算法听都没听过,甚至连百度、讨论区都不知道,家里没网,去网吧看完题傻了吧唧的想了两天,竟然还真做出来了,呵呵,现在回想下还是挺有意思的哈~~

贴下当时的代码


 
#include<iostream>
#include<stdio.h>
using namespace std;
int main()
{
	char a,xian1,xian2,hou1,hou2;
	int num,i,x,h,jg(0);
	scanf("%d\n",&num);
	for(i=0;i<num;i++){
JX:		h=0;x=0;
		scanf("%c",&a);
		if(a=='['){
			xian1='[';
			xian2=']';
			hou1='(';
			hou2=')';
			x++;
		}
		else if(a=='('){
			xian1='(';
			xian2=')';
			hou1='[';
			hou2=']';
			x++;
		}
		else if(a=='\n'){
			goto JS;
		}
		else {
			jg=-1;
		}
		for(scanf("%c",&a);a!='\n';scanf("%c",&a)){
			if(a==xian1){
				x++;
			}
			else if(a==xian2){
				x--;
			}
			else if(a==hou1){
				h++;
			}
			else if(a==hou2){
				h--;
			};
			if(x<0||h<0||(x==0&&h!=0)){
				jg=-1;
			}
			else if(x==0&&h==0){
				goto JX;
			}
		}
JS:		if(jg==0&&(x==0&&h==0)){
			printf("Yes\n");
		}
		else {
			printf("No\n");
		}
		jg=0;
	}
	return 0;
}
        

晕。。。看起来很纠结啊!只记得当时是想了一种计数的方法,给不同的括号分别赋正负的权值,通过判断数值的变化来解决,具体的实在记不清了,仔细看看里面竟然还有N

久不用的goto。。。

(实在看不下去,还是上现在重写的代码吧

现在想的话思路就很简单清晰了,只要从前到后看,遇到前括号的话就入栈,遇到回括号的话就开始出栈,直到遇到与其匹配的前括号;如果在操作的过程中出现“栈已经空了,但还要出栈”的现象,就说明括号是不匹配的~~(对了,在前面我还加了一句判断字符串长度是否是偶数额。。。

 
#include<iostream>
#include<vector>
#include<string>
using namespace std;
int main()
{
	int n;
	vector<char> a;
	string s;
	cin>>n;
	while(n--)
	{
		cin>>s;
		if(s.size()%2!=0)
		{
			cout<<"No"<<endl;
			continue;
		}
		a.erase(a.begin(),a.end());
		bool yes=true;
		for(int i=0;i!=s.size();++i)
		{
			if(s[i]=='['||s[i]=='(')
				a.push_back(s[i]);
			else
			{
				while(true)
				{
					if(a.empty())
					{
						yes=false;
						break;
					}
					int tem=s[i]-(*(a.end()-1));
					a.erase(a.end()-1);
					if(tem<3&&tem>0) break;
				}				
			}
			if(!yes) break;
		}
		if(yes) cout<<"Yes"<<endl;
		else cout<<"No"<<endl;
	}
	return 0;
}        

虽然也说不上好,不过跟当时的比起来还是能看出有进步呵。。。可惜只是形式上有进步,会用栈了,可当时那种认真想问题的心态却早就不知道跑那去了。。。当时一个问题想不出来,就一个劲的想,吃饭也想,睡觉也想,而且觉得很有意思;可现在,一遇到点困难就是看讨论区、百度。。。自己思考的时候几乎没有了。。。唉~~为什么现在心情变得这么浮躁?本来我也不是计算机专业的学生,学编程,是因为我觉得它有意思才学的,acm,也不过是好玩才参加而已,老师说报着玩的心态来做acm是不行的,可为什么不行呢?唉~想想也有道理,这不,我就有些玩不动了,当时那种“好玩”的感觉越来越难找到了,支持自己继续下去的动力不过就是拿奖的诱惑和面子问题,还有的话,大概就是我的怪心态吧。

刚才跟同学扯了几句,感觉心情好多了,老妈说不管怎样都要保持好心情,心情好不容易得病~~哈哈,大概是以前病得太多了吧。

时不时回头做做以前的题,其实还是不错的,至少现在我心情好些了,知道自己这段时间其实也不是啥都没学到呵。。。

  • 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
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