LeetCode - Easy - 290. Word Pattern

Topic

  • Hash Table

Description

https://leetcode.com/problems/word-pattern/

Given a pattern and a string s, find if s follows the same pattern.

Here follow means a full match, such that there is a bijection between a letter in pattern and a non-empty word in s.

Example 1:

Input: pattern = "abba", s = "dog cat cat dog"
Output: true

Example 2:

Input: pattern = "abba", s = "dog cat cat fish"
Output: false

Example 3:

Input: pattern = "aaaa", s = "dog cat cat dog"
Output: false

Example 4:

Input: pattern = "abba", s = "dog dog dog dog"
Output: false

Constraints:

  • 1 <= pattern.length <= 300
  • pattern contains only lower-case English letters.
  • 1 <= s.length <= 3000
  • s contains only lower-case English letters and spaces ' '.
  • s does not contain any leading or trailing spaces.
  • All the words in s are separated by a single space.

Analysis

双向映射。

注意,Java包装整型的比较问题。

Submission

import java.util.HashMap;
import java.util.Objects;

public class WordPattern {
	// 方法一:我写的,双向映射
	public boolean wordPattern1(String pattern, String s) {
		// 双向映射
		HashMap<Character, Integer> aMap = new HashMap<>();
		HashMap<String, Integer> bMap = new HashMap<>();

		String[] words = s.split(" ");

		if (pattern.length() != words.length)
			return false;

		int count = 0;// 这可省略,改用下面循环体的i变量

		for (int i = 0; i < pattern.length(); i++) {
			Character cr = pattern.charAt(i);
			Integer id1 = aMap.get(cr);
			Integer id2 = bMap.get(words[i]);
			if (id1 == null && id2 == null) {
				aMap.put(cr, count);
				bMap.put(words[i], count++);
			} else {
				if (id1 != id2)// 这要改成Objects.equals()
					return false;
			}
		}

		return true;
	}

	// 方法二:双向映射,比方法一更简洁
	public boolean wordPattern2(String pattern, String s) {
		String[] words = s.split(" ");
		if (words.length != pattern.length())
			return false;
		HashMap<Object, Object> index = new HashMap<>();//Object类型key即可放Character,亦可放String,我没想到
		for (Integer i = 0; i < words.length; ++i)
			if (!Objects.equals(index.put(pattern.charAt(i), i), //
					index.put(words[i], i)))
				return false;
		return true;
	}

}

Test

import static org.junit.Assert.*;

import java.util.Objects;

import org.junit.Test;

public class WordPatternTest {

	@Test
	public void test() {
		WordPattern obj = new WordPattern();

		assertTrue(obj.wordPattern1("abba", "dog cat cat dog"));
		assertFalse(obj.wordPattern1("abba", "dog cat cat fish"));
		assertFalse(obj.wordPattern1("aaaa", "dog cat cat dog"));
		assertFalse(obj.wordPattern1("abba", "dog dog dog dog"));
		
		assertTrue(obj.wordPattern2("abba", "dog cat cat dog"));
		assertFalse(obj.wordPattern2("abba", "dog cat cat fish"));
		assertFalse(obj.wordPattern2("aaaa", "dog cat cat dog"));
		assertFalse(obj.wordPattern2("abba", "dog dog dog dog"));
	}
	
	@Test
	public void testEquals() {
		//== 与 !=运用在Integer包装类的比较的局限性
		//包装类最好用Objects.equals()
		int i = 127;
		Integer a = i;
		Integer b = i;
		assertTrue(a == b);
		assertTrue(Objects.equals(a, b));
		
		i = 128;
		a = i;
		b = i;
		assertFalse(a == b);
		assertTrue(Objects.equals(a, b));
	}
	
}
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 1
    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 1
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