prim java_最小生成树-Prim算法 java代码实现

/*

*日期:2010-04-18 11:37

*开发者:heroyan

*联系方式:zndxysf@126.com

*功能:无向图最小生成树Prim算法实现案例

*/

import java.util.Scanner;

import java.util.Arrays;

import java.util.ArrayList;

public class SpanningTree{

private static int MAX = 100;

private double cost[][] = new double[MAX][MAX];

private ArrayList edge = new ArrayList();

private int[] near = new int[MAX];

private static double INFINITY = 99999999.99;//定义无穷大

private double mincost = 0.0;//最小成本

private int n;//结点个数

public SpanningTree(){}

public static void main(String args[]){

SpanningTree sp = new SpanningTree();

sp.init();

sp.prim();

sp.print();

}

//初始化

public void init(){

Scanner scan = new Scanner(System.in);

int p,q,w;

System.out.println("spanning tree begin!Input the node number:");

n = scan.nextInt();

//二维数组的填充要注意

for(int i = 0; i < MAX; ++i){

Arrays.fill(cost[i],INFINITY);

}

System.out.println("Input the graph(-1,-1,-1 to exit)");

while(true){

p = scan.nextInt();

q = scan.nextInt();

w = scan.nextInt();

if(p < 0 || q < 0 || w < 0){

break;

}

cost[p][q] = w;

cost[q][p] = w;

}

Edge tmp = getMinCostEdge();

edge.add(tmp);

p = tmp.start;

q = tmp.end;

mincost = cost[p][q];

for(int i = 1; i <= n; ++i){

if(cost[i][p] < cost[i][q]){

near[i] = p;

}else{

near[i] = q;

}

}

near[p] = near[q] = 0;

}

//寻找最小成本的边

public Edge getMinCostEdge(){

Edge tmp = new Edge();

double min = INFINITY;

for(int i = 1; i < n; ++i){

for(int j = i+1; j <= n; ++j){

if(cost[i][j] < min){

min = cost[i][j];

tmp.start = i;

tmp.end = j;

}

}

}

//System.out.println(min);

return tmp;

}

//prim算法主体

public void prim(){

//找剩下的n-2条边

for(int i = 2; i < n; ++i){

double min = INFINITY;

Edge tmp = new Edge();

for(int j = 1; j <= n; ++j){

if(near[j] != 0 && cost[j][near[j]] < min){

tmp.start = j;

tmp.end = near[j];

min = cost[j][near[j]];

}

}

mincost += cost[tmp.start][tmp.end];

edge.add(tmp);

near[tmp.start] = 0;

for(int k = 1; k <= n; ++k){

if(near[k] != 0 && cost[k][near[k]] > cost[k][tmp.start]){

near[k] = tmp.start;

}

}

}

if(mincost >= INFINITY){

System.out.println("no spanning tree");

}

}

//打印结果

public void print(){

for(int i = 0; i < edge.size(); ++i){

Edge e = edge.get(i);

System.out.println("the " + (i+1) + "th edge:" + e.start + "---" + e.end);

}

}

}

class Edge

{

public int start;//始边

public int end;//终边

}

  • 0
    点赞
  • 1
    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