冒泡算法和简易桶排序算法实现

读书后的笔记和自己的实现,备忘

直接上代码

package com.joker.suanfa;

/**
 *
 * @author Administrator
 *         本质,将N个数排序,需要n-1趟,每一趟每两个元素进行比较,每一次比较,将小的数进行往后排,则最后一位为最小的数,下一趟则不需要再比较 如
 *         0,5,8,需走两趟,第一趟0 5 比较,变成5 0, 0和8比较,变成8,0,第一趟结束为 5,8,0 第二趟,5 8 比较,变成 8
 *         5 ,结果为 8 5 0
 */
public class MaoPaoPaiXu {
 public static void main(String[] args) {
  int[] a = new int[] { 6, 78, 98, 54 };
  int temp = 0;
  for (int i = 0; i < a.length; i++) {
   //-1保证j+1不越界,-i保证最后一位排好了的数字不再比较
   for (int j = 0; j < a.length-1-i; j++) {
    System.out.println(j);
    System.out.println(j+1);
    if (a[j] < a[j+1]) {
     temp = a[j];
     a[j] = a[j+1];
     a[j+1] = temp;
    }
   }
  }
  for(int i =0;i<a.length;i++){
   System.out.println(a[i]);
  }
 }
}

package com.joker.suanfa;
/**
 * 桶排序
 *
 * 随机录入5个0-10的数最快的排序
 * 原理:0-10,考虑到会出现0的情况,于是生成一个11位的数据,下标对应0-11,也就是实际输入的值。(将输入的值变成了桶中的下标)
 * 每一次输入一个值(shu中的一个元素),就直接改变桶中对应位置的个数,如:输入3,则将桶中的shu[3]变为1,
 * 再输入3,则shu[3]变成2
 * 真正排序,遍历桶中的每一个元素,当桶中该位置的数值大于0时,就打印该位置的下标(也就是实际输入的值),出现了几次,就打印几次
 * 桶排序 空间占用比较大
 * @author
 *
 */
public class TongPaixu {
 public static void main(String[] args) {
  int[] shu = new int[]{0,3,3,7,5};
  int[]tong = new int[11];
  for(int i=0;i<shu.length;i++){
   tong[shu[i]]++;
  }
  
  for(int i=0;i<tong.length;i++){
   for(int j=0;j<tong[i];j++){
    System.out.print(i);
   }
  }
 }
}



  • 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
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