二叉树的遍历

二叉树的遍历

二叉树的遍历主要分为三种:
  1、前序遍历(根–>左–>右)
  2、中序遍历(左–>根–>右)
  3、后序遍历(左–>右–>根)
  其中对于二叉排序树而言,中序遍历的结果是按序增大的
  以递归的方式来实现三种遍历非常简单,如果要以非递归的方式实现遍历,那么一般需要栈作为辅助结构

1、前序遍历(根–>左–>右)

1.1递归

void preOrder(TreeNode *root){
        if(root==NULL)  return; 

        cout<<root->val<<endl;
        preOrder(root->left);
        preOrder(root->right);
}

1.2非递归

void preOrder(TreeNode *root){
        if(root==NULL)  return;
        stack<TreeNode *> s;
        s.push(root);
        while(!s.empty()){
                TreeNode *t=s.top();
                s.pop();
                cout<<t->val<<endl;
                if(t->right)    s.push(t->right);
                if(t->left)     s.push(t->left);
        }
}

2、中序遍历(左–>根–>右)

2.1递归

void inOrder(TreeNode *root){
        if(root==NULL)  return;

        inOrder(root->left);
        cout<<root->val<<endl;
        inOrder(root->right);
}

2.2非递归

void inOrder(TreeNode *root){
        stack<TreeNode *> s;
        TreeNode *p=root;
        while(p||!s.empty()){
                while(p){
                    s.push(p);
                    p=p->left;
                }
                if(!s.empty()){
                    p=s.top();
                    s.pop();
                    cout<<p->val<<endl;
                    p=p->right;
        }
}

3、后序遍历(左–>右–>根)

3.1递归

void postOrder(TreeNode *root){
        if(root==NULL)  return;

        postOrder(root->left);
        cout<<root->val<<endl;
        postOrder(root->right);
}

3.2非递归

void postOrder(TreeNode *root){
        stack<TreeNode *> s;
        TreeNode *p=root;
        TreeNode *prev=NULL;
        while(p||!s.empty()){
            while(p){
                s.push(p);
                p=p->left;
            }
            p=s.top();
            if(p->right==NULL||p->right==prev){
                cout<<p->val<<endl;
                s.pop();
                prev=p;
                p=NULL;
            }else{
                p=p->right;
            }
        }
}


4、树的层次遍历

4.1层次遍历,每一层按序输出
以一个队列作为辅助结构,在每一层的末尾插入一个NULL指针来分隔每一层
这里写图片描述

vector<vector<int>> levelOrder(TreeNode* root) {
        queue<TreeNode*>    q;
        vector<vector<int> > ret;
        if(root==NULL)  return ret;
        q.push(root);
        q.push(NULL);
        TreeNode *p=NULL;
        vector<int> tmp;
        while(!q.empty()){
            p=q.front();
            q.pop();
            if(p==NULL&&q.empty()){
                if(!tmp.empty())    ret.push_back(tmp);
                return ret;
            }else if(p==NULL){
                ret.push_back(tmp);
                tmp.clear();
                q.push(NULL);
            }else{
                tmp.push_back(p->val);
                if(p->left) q.push(p->left);
                if(p->right)    q.push(p->right);
            } 
        }
        return ret;
    }

4.2层次遍历,以zig-zag的形式输出
以两个栈作为辅助结构
这里写图片描述

vector<vector<int>> zigzagLevelOrder(TreeNode* root) {
        vector<vector<int> > ret;
        if(root==NULL)  return ret;
        stack<TreeNode *> s[2];
        int i=0;
        s[i].push(root);
        vector<int> tmp;
        TreeNode *p=NULL;
        while(!s[i].empty()){
            while(!s[i].empty()){
                p=s[i].top();
                s[i].pop();
                tmp.push_back(p->val);
                if(!i){
                    if(p->left) s[!i].push(p->left);
                    if(p->right)    s[!i].push(p->right);
                }else{
                    if(p->right)    s[!i].push(p->right);
                    if(p->left) s[!i].push(p->left);
                }
            }
            if(tmp.size()){
                ret.push_back(tmp);
                tmp.clear();
            }
            i=!i;

        }
        return ret;
    }
1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。
应用背景为变电站电力巡检,基于YOLO v4算法模型对常见电力巡检目标进行检测,并充分利用Ascend310提供的DVPP等硬件支持能力来完成流媒体的传输、处理等任务,并对系统性能做出一定的优化。.zip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