java UTD对点发送信息_刷题upupup【Java中Queue、Stack、Heap用法总结】

【Queue】

先进先出(First-In-First-Out),LinkedList实现了Queue接口。它只允许在表的前端进行删除操作,而在表的后端进行插入操作。

add()       增加一个元索                     如果队列已满,则抛出一个IIIegaISlabEepeplian异常

remove()   移除并返回队列头部的元素    如果队列为空,则抛出一个NoSuchElementException异常

element()返回队列头部的元素             如果队列为空,则抛出一个NoSuchElementException异常

offer()       添加一个元素并返回true       如果队列已满,则返回false

poll()         移除并返问队列头部的元素    如果队列为空,则返回null

peek()       返回队列头部的元素             如果队列为空,则返回null

put()        添加一个元素                      如果队列满,则阻塞

take()        移除并返回队列头部的元素     如果队列为空,则阻塞

boolean isEmpty() 判断队列是否为空

size() 返回队列长度

时间复杂度分析:

O(1) Push / O(1) Pop / O(1) Top

PriorityQueue

默认为最小堆,可以用比较器构造最大堆

PriorityQueue maxHeap = new PriorityQueue<>(k, new Comparator() {

@Overridepublic intcompare(Integer o1, Integer o2) {return o2 -o1;

}

});

【Stack】

boolean empty() 测试堆栈是否为空。

Object peek() 查看堆栈顶部的对象,但不从堆栈中移除它。

Object push() 移除堆栈顶部的对象,并作为此函数的值返回该对象。

Object pop() 把项压入堆栈顶部。

时间复杂度:

O(1) Push / O(1) Pop / O(1) Top

【Heap】

Heap 是一种二叉树(binary tree), 说得再准确一点, 它是一种完全二叉树(complete binary tree)。

对于一个完全二叉树, 没有必要用常规的树结构(使用指针)来表示, 因为如果从上到下走过每层(每层内从左到右)给所有节点编号。(根节点的编号为0)的话, 完全二叉树有以下特征:father(i) = i/2其中father(i)表示编号为i的节点的父节点的下标;leftchild(i) = i*2+1, rightchild(i) = i*2+2。所以使用数组就可以进行存储。

最小堆:父结点的值小于两个左右结点的值;最大堆:父结点的值大于两个左右结点的值。

复杂度总结:

add - O(logN)

poll - O(logN)

top - O(1)

  • 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:判断图像的目标属于哪个类别。 定位问题:确定目标在图像的具体位置。 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