最长回文字串 leetcode 5 Longest Palindromic Substring

方法一:动态规划

回文字符串去掉收尾字符后依然是回文串,即p[i][j]是回文穿,则p[i+1][j-1]也是回文串;

状态方程和转移方程如下:

p[i][j]=p[i+1][j-1] if(s[i]==s[j])

p[i][j]=false if(s[i]!=s[j])

此处,p[i][j]=true 表示字串[i,j]是回文串,p[i,j]=false表示p[i,j]不是回文,复杂度O(N^2)

考虑到i+1,j-1,所以程序主体处理的是回文字串长度大于等于3的情况,对于长度为1,2提前做处理,C++代码(头文件此处未添加,只是程序主体部分)如下:

		int size = s.size();
		if (size == 0)
		{
			return "";
		}
		vector<vector<bool>>dp;
		vector<bool>temp(size, false);
		dp.resize(size, temp);
		int start, max_len = 1;
		for (int i = 0; i < size; i++)
		{
			dp[i][i] = true;                                                          //length =1
			if (i < size - 1 && s[i] == s[i + 1])
			{
				dp[i][i + 1] = true;
				start = i;
				max_len = 2;                                                   //length=2
			}
		}
		for (int len = 3; len <=size; len++ )                          //len----the length of substr
		{ 
			for (int i = 0; i <= size - len; i++)                     //i---the begin address of substr
			{
				int j = i + len - 1;                                  //j---the end address of substr
				if (dp[i + 1][j - 1] && s[i] == s[j])
				{
					dp[i][j] = true;
					start = i;
					max_len = len;
				}
			}
		}
		if (max_len >= 2)
		{
			return s.substr(start, max_len);
		}
		else
			return s.substr(0,1);          

方法二 :从中心向两边扩展

考虑到最长回文字串的长度可能是奇数和偶数两种情况,可以先对字符串进行填充某一不出现在字符串中的字符,例如‘#’,这样得到的最长回文字串一定是奇数。将填充后的字符串中每一个字符当做中间字符,向两边扩展,得到最长回文字串,在再删除插入的字符即可。复杂度O(N^2),C++代码如下:

                int size = s.size();
		if (size == 0)
		{
			return "";
		}
		int j = 1;
		for (int i = 0; i < size - 1; i++)
		{
		
			s.insert(j, "#");
			j += 2;
		}
		s.insert(0, "#");
		s.push_back('#');                           //insert length(s)+1 '#',example: abc becomes #a#b#c#   abcd becomes #a#b#c#d#
		int start, max_len = 1;
		for (int i = 1; i < s.size() - 1; i++)
		{
			int j = i - 1, k = i + 1;             // j represent left extention,k represent right extention
			while (j >= 0 && k < s.size() && s[j] == s[k])
			{
				if (k - j + 1>max_len)
				{
					max_len = k - j + 1;
					start = j;
				}
				j--;
				k++;
			}
		}
		s = s.substr(start, max_len);
		string res;
		for (int i = 0; i < s.size(); i++)                //delete the '#'
		{
			if (s[i] != '#')
			{
				res.push_back(s[i]);
			}
		}
		return res;
	}

还有Manacher算法,复杂度O(N);

对字符串反转,找两个字符串的公共最长字串(动态规划);

先到这,后续代码写好再补充

深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
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