快速排序 Quick Sort

快速排序是基于分治策略.
 
步骤:
     1、分解:数组A[p..r]划分为两个子数组 A[p..q-1]和A[q+1.. r]。使得A[p..q-1]中元素都小于A[q],A[q+1.. r]中元素都大于A[q]。
     2、解决:递归调用快速排序,对数组 A[p..q-1]和A[q+1.. r]排序。
     3、合并:因为都是原地排序,所以不需要合并。整个数组A[p..r]已排序。
 
 
QuickSort(A, p, r)
 1    if p<r
 2         q=Partition(A, p, r)
 3         QuickSort(A, p, q-1)
 4         QuickSort(A, q+1, r)
 
快速排序的关键是Partition过程,它对数组A[p..r]进行原地重排。
 
Partition(A, p, r)
1     x=A[r]      //确定主元 pivot element 
2     i=p-1
3     for  j=p to r-1
4          if A[j]<=x
5               i=i+1
6               exchange A[i] with A[j]      // A[p..i]都是小于等于A[r]的元素
7     i=i+1
8     exchange A[i] with A[r]
9     return i
 
分析:for循环过程中的四个区域:小于等于主元区域、大于主元区域、待扫描区域、主元

  

 

随机化的版本:随机选择主元,使对数组的划分比较对称,以获得较好的平均性能。
RandomizedPartition(A, p, r)
1     i=Random(p,r)
2     exchange A[i] with A[r]
3     return Partition(A, p, r)
 
 
运行时间
     对包含n个元素的数组,最坏情况运行时间为Θ(n 2
     平均性能相当好:期望的运行时间为 Θ(n lg n),且Θ(n lg n)记号中隐藏的常数因子很小。所以快速排序通常是用于排序的最佳选择。
 
 
 

转载于:https://www.cnblogs.com/windlaughing/archive/2013/05/22/3092777.html

  • 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