Freckles (最小生成树)

 

 

 1 #include<iostream>
 2 #include<cstring>
 3 #include<stdio.h>
 4 #include<queue>
 5 #include<cmath>
 6 #include<algorithm>
 7 #include<string>
 8 
 9 using namespace std;
10 
11 int Tree[101];
12 
13 int findRoot(int x)    // 查找节点x所在树的根节点 
14 {
15     if(Tree[x] == -1)
16         return x;
17     else    
18     {    // 路径优化 
19         int tmp = findRoot(Tree[x]);
20         Tree[x] = tmp;
21         return tmp;
22     }
23 }
24 
25 struct Edge     
26 {
27     double a, b;
28     double cost;
29 }edge[5010];
30 
31 bool cmp(Edge e1, Edge e2)
32 {
33     return e1.cost < e2.cost;
34 }
35 
36 struct Cursor    // 坐标结构 
37 {
38     double x, y;    // 点的坐标(x, y) 
39 }cur[101];
40 
41 int main()
42 {
43     int n;
44     while(scanf("%d", &n) != EOF)
45     {
46         for(int i = 1; i <= n; ++i)
47         {
48             Tree[i] = -1;    // 初始时,所有点都是孤立的集合 
49             // 此处不能写为scanf("%f %f", &(cur[i].x), &(cur[i].y)); 否则将产生输入错误 
50             scanf("%lf %lf", &(cur[i].x), &(cur[i].y));
51         }
52         
53         int k = 1;    // 抽象出的边的总数 
54         // 遍历所有的点对 
55         for(int i = 1; i <= n; ++i)        // 将坐标抽象为图中的顶点 
56         {
57             for(int j = i+1; j <= n; ++j)    // 连接两点的线段抽象成边 
58             {
59                 edge[k].a = i;    // 该边的两个顶点编号 
60                 edge[k].b = j;
61                 edge[k].cost = sqrt((cur[j].x-cur[i].x)*(cur[j].x-cur[i].x)+(cur[j].y-cur[i].y)*(cur[j].y-cur[i].y));
62                 ++k;
63             }
64         }
65         sort(edge+1, edge+k, cmp);    // 对边按权值递增排序 
66             
67         // 最小生成树模板 
68         double ans = 0;
69         for(int i = 1; i < k; ++i)
70         {
71             int ra = findRoot(edge[i].a);
72             int rb = findRoot(edge[i].b);
73             if(ra != rb)
74             {
75                 Tree[ra] = rb;
76                 ans += edge[i].cost;
77             }
78         }
79         
80         printf("%.2lf\n", ans);
81     }
82     
83     
84     
85     return 0;
86 }

 

转载于:https://www.cnblogs.com/FengZeng666/p/11140439.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