POJ 1007

求逆序数,数据很小可以暴力。但是用来练练线段树还不错,还有离散化。

线段树求逆序数:

从前往后插入数据,找比它大的数。或者从后往前插入数据,找比它小的数据。

离散化可以用如下代码:

bool cmp(int i,int j)
{
	return now[i] < now[j];
}

int calrank1()
{
	for(int i = 0 ; i < strlen(now); i++)
		myrank[i] = i;
	sort(myrank, myrank + strlen(now), cmp);

	int r = 1;
	hash[myrank[0]] = 1;
	for(int i = 1 ; i < strlen(now); i++)
	{
		if(now[myrank[i]] != now[myrank[i-1]])
		{
			r ++;
		}
		hash[myrank[i]] = r;
	}

	return r;
}

也可以用STL代码:

#include <cstdio>
#include <cstring>
#include <algorithm>

using namespace std;

const int MAX = 55;
#define lson l, m, rt<<1
#define rson m+1,r,rt<<1|1

int sum[MAX<<2];
int m,n;
char str[101][51];
char now[51];
int mycount[101];
int myrank[101]; //排第几的是谁
int hash[101]; //它排第几

void insert(int p,int l,int r,int rt)
{
	if(l == r)
	{
		sum[rt]++;
		return;
	}
	int m = (l+r)>>1;
	if(p <= m) insert(p, lson);
	else insert(p, rson);
	sum[rt] = sum[rt<<1] + sum[rt<<1|1];
}

int query(int L,int R,int l,int r,int rt)
{
	if(L <= l && r <= R)
	{
		return sum[rt];
	}
	int m = (l+r)>>1;
	int ans = 0 ;
	if(L <= m) ans += query(L, R, lson);
	if(m < R) ans += query(L, R, rson);
	return ans;
}

int calrank()
{
	for(int i = 0 ; i < strlen(now); i++)
	{
		myrank[i] = now[i];
	}
	sort(myrank, myrank+strlen(now));

	int size=unique(myrank, myrank+n)- myrank;
	for(int i = 0 ; i < strlen(now); i++)
	{
		hash[i]=lower_bound(myrank ,myrank+size,now[i]) - myrank + 1;
	}
	return size;
}

int main()
{
	while(scanf("%d%d", &n, &m)!=EOF)
	{
		for(int i = 0 ; i < m; i++)
		{
			scanf("%s", str[i]);
			strcpy(now, str[i]);
			int rn = calrank();

			memset(sum, 0, sizeof(sum));
			mycount[i] = 0;
			for(int j = strlen(now)-1; j >= 0; j--)
			{
				insert(hash[j], 1, rn, 1);
				if(hash[j] >= 2)
					mycount[i] += query(1, hash[j]-1, 1, rn, 1);
			}
		}

		for(int i = 0 ; i < m; i++)
		{
			int minindex = -1;
			int mincount = 100000;
			for(int j = 0; j < m; j++)
			{
				if(mycount[j] < mincount)
				{
					mincount = mycount[j];
					minindex = j;
				}
			}
			printf("%s\n", str[minindex]);
			mycount[minindex] = 100000;
		}
	}
}


  • 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