UOJ 34: 多项式乘法(FFT模板题)

关于FFT

这个博客的讲解超级棒

http://blog.miskcoo.com/2015/04/polynomial-multiplication-and-fast-fourier-transform

算法导论上的讲解也不错

模板就是抄一抄别人的啦

首先是递归版本

 1 #include <cstdio>
 2 #include <complex>
 3 #include <cmath>
 4 using namespace std;
 5 
 6 const double pi = acos(-1);
 7 const int N = (2 << 17) + 10;
 8 typedef complex<double> cp;
 9 cp A[N], B[N];
10 int n, m;
11 
12 void FFT(cp *y, int n, int o) {
13     if (n == 1)    return ;
14     cp l[n >> 1], r[n >> 1];
15     for (int i = 0; i <= n; i++)
16         if (i & 1)    r[i >> 1] = y[i]; 
17         else    l[i >> 1] = y[i];
18     FFT(l, n >> 1, o); FFT(r, n >> 1, o);
19     cp omegan(cos(2 * pi / n), sin(2 * pi * o / n)), omega(1, 0);
20     for (int i = 0; i < n >> 1; i++) {
21         y[i] = l[i] + omega * r[i];
22         y[i + (n >> 1)] = l[i] - omega * r[i];
23         omega *= omegan;
24     }
25 }
26 
27 int main() {
28     scanf("%d %d", &n, &m);
29     for (int i = 0; i <= n; i++)
30         scanf("%lf", &A[i].real());
31     for (int i = 0; i <= m; i++)
32         scanf("%lf", &B[i].real());
33     m += n;
34     for (n = 1; n <= m; n <<= 1);
35     FFT(A, n, 1); FFT(B, n, 1);
36     for (int i = 0; i <= n; i++)
37         A[i] *= B[i];
38     FFT(A, n, -1);
39     for (int i = 0; i <= m; i++)
40         printf("%d ", (int)(A[i].real() / n + 0.5));
41     return 0;
42 }

迭代版本

 1 #include <cstdio>
 2 #include <cmath>
 3 #include <complex>
 4 #include <iostream>
 5 using namespace std;
 6 
 7 const int N = 1 << 18;
 8 typedef complex<double> cp;
 9 const double pi = acos(-1.0);
10 cp A[N], B[N];
11 bool flag;
12 int a[N], b[N], n, m, tar[N], bit;
13 
14 inline void read(int &ans) {
15     static char buf = getchar();
16     ans = 0;
17     for (; !isdigit(buf); buf = getchar());
18     for (; isdigit(buf); buf = getchar())
19         ans = ans * 10 + buf - '0';
20 }
21 
22 inline int rev(int val) {
23     int rst = 0;
24     for (int i = 0; i < bit; i++) {
25         rst <<= 1; rst |= val & 1; val >>= 1; 
26     } return rst;        
27 }
28 
29 inline void FFT(cp *y) {
30     for (int i = 1; i <= bit; i++) {
31         int fac = 1 << i;
32         cp omegan(cos(2 * pi / fac), sin(2 * pi / fac));
33         if (flag)    omegan.imag() *= -1;
34         for (int j = 0; j < n; j += fac) {
35             cp omega(1, 0);
36             for (int k = 0; k < fac >> 1; k++) {
37                 cp t = omega * y[j + k + (fac >> 1)];
38                 cp u = y[j + k]; y[j + k] = u + t;
39                 y[j + k + (fac >> 1)] = u - t;
40                 omega *= omegan;
41             }
42         }
43     }
44 }
45 int main() {
46     read(n); read(m); n++; m++;
47     for (int i = 0; i < n; i++)    read(a[i]);
48     for (int i = 0; i < m; i++)    read(b[i]);
49     m += n; for (n = 1; n < m; n <<= 1)    bit++;
50     for (int i = 0; i < n; i++)    tar[i] = rev(i);
51     for (int i = 0; i < n; i++)    A[i].real() = a[tar[i]];
52     for (int i = 0; i < n; i++)    B[i].real() = b[tar[i]];
53     FFT(A); FFT(B);
54     for (int i = 0; i < n; i++)    A[i] *= B[i];
55     for (int i = 0; i < n; i++)    if (i < tar[i])    swap(A[i], A[tar[i]]);
56     flag = true; FFT(A);
57     for (int i = 0; i < m - 1; i++) 
58         printf("%.0lf ", 0.0001 + A[i].real() / n);
59        puts("");
60     return 0;
61 }

 

转载于:https://www.cnblogs.com/cminus/p/7278928.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,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,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 目标检测涉及以下几个核心问: 分类问:判断图像中的目标属于哪个类别。 定位问:确定目标在图像中的具体位置。 大小问:目标可能具有不同的大小。 形状问: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,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