LeetCode刷题笔记-49

LeetCode-49. Group Anagrams(Medium):

Given an array of strings, group anagrams together.

Example:

Input: ["eat", "tea", "tan", "ate", "nat", "bat"],
Output:
[
  ["ate","eat","tea"],
  ["nat","tan"],
  ["bat"]
]

Note:

  • All inputs will be in lowercase.
  • The order of your output does not matter.

我的解法:

我用正常做法发现最后一组数据过不了,超时,说明这道题有一些技巧,这是我的做法和结果:

class Solution {
    List<List<String>> ans = new ArrayList<List<String>>();
	List<String> map = new ArrayList<String>();
			
    public List<List<String>> groupAnagrams(String[] strs) {
        for(int i=0; i<strs.length; i++) {
        	int j;
        	for(j=0; j<ans.size(); j++) {
        		if(map.get(j).equals(sortString(strs[i]))) {
        			ans.get(j).add(strs[i]);
        			break;
        		}
        	}
        	if(j == ans.size()) {
        		List<String> tmp = new ArrayList<>();
        		tmp.add(strs[i]);
        		ans.add(tmp);
        		map.add(sortString(tmp.get(0)));
        	}
        }
        return ans;
    }
    
    public String sortString(String t) {
		char[] tmp = t.toCharArray();
		Arrays.sort(tmp);
		String sortedT = new String(tmp);
		return sortedT;
	}
}

大神做法:

发现思路都是一样的,不同的是,我在比较一个字符串按照字母顺序排序后的序列是否在map数组中出现过时使用遍历map数组的方法,而人家使用Map(字典)来查找的,虽然不知道Map的查找实现机制是什么,总之比遍历快就对了。。。

public class Solution {
    public List<List<String>> groupAnagrams(String[] strs) {
        List<List<String>> list = new ArrayList<List<String>>();
        int len = strs.length;
        if(len<1) return list;
        Map<String,List<String>> map = new HashMap<String,List<String>>();
        String tmp = "";
        for(int i=0;i<len;i++){
        	tmp = strs[i];
        	char[] arrayOfString = tmp.toCharArray();
        	Arrays.sort(arrayOfString);
        	tmp = new String(arrayOfString);
        	if(map.containsKey(tmp)){
        		map.get(tmp).add(strs[i]);
        	}else{
        		List<String> item = new ArrayList<String>();
        		item.add(strs[i]);
        		map.put(tmp, item);
        	}
        }
        for (List<String> value : map.values()) {         	  
            list.add(value);           
        } 
        return list;
    }
}

 

  • 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