Count the Colors(线段树+状态合并)

Count the Colors(线段树+状态合并)

Time limit:2000 ms
Memory limit:65536 kB
OS:Linux
judge:https://vjudge.net/contest/295911#problem/F

描述

Painting some colored segments on a line, some previously painted segments may be covered by some the subsequent ones.
Your task is counting the segments of different colors you can see at last.

Input

The first line of each data set contains exactly one integer n, 1 <= n <= 8000, equal to the number of colored segments.
Each of the following n lines consists of exactly 3 nonnegative integers separated by single spaces:

x1 x2 c

x1 and x2 indicate the left endpoint and right endpoint of the segment, c indicates the color of the segment.

All the numbers are in the range [0, 8000], and they are all integers.

Input may contain several data set, process to the end of file.

Output

Each line of the output should contain a color index that can be seen from the top, following the count of the segments of this color, they should be printed according to the color index.
If some color can’t be seen, you shouldn’t print it.

Print a blank line after every dataset.

Sample Input

5
0 4 4
0 3 1
3 4 2
0 2 2
0 2 3
4
0 1 1
3 4 1
1 3 2
1 3 1
6
0 1 0
1 2 1
2 3 1
1 2 0
2 3 0
1 2 1

Sample Output

1 1
2 1
3 1
1 1

0 2
1 1

题意

在一条线上画一些彩色的部分,一些先前画的部分可能会被后面的部分覆盖。

你的任务是计算你最后能看到的不同颜色的片段。

输入

每个数据集的第一行只包含一个整数n,1<=n<=8000,等于有色段的数目。

以下n行中的每一行由3个由单个空格分隔的非负整数组成:

X1 x2 C

x1和x2表示段的左端点和右端点,c表示段的颜色。

所有的数字都在[0,8000]范围内,它们都是整数。

输入可以包含多个数据集,处理到文件结尾。

输出

输出的每一行都应该包含一个可以从顶部看到的颜色索引,在该颜色段的计数之后,应该根据颜色索引打印它们。

如果看不到某种颜色,就不应该打印出来。

在每个数据集后打印空行。

思路

刚开始想的就是简单线段树,最后查询一遍,若找到区间内所有元素有统一的颜色值,就把对应的的数目增加1,最后依次输出所有数目不为0的颜色值和对应的数目
可是忽略了第二个样例那种情况,就是相邻的元素但在不同区间有一样的颜色值,此时应当算作一个颜色带,但是程序时按作两个来判断的,如图:在这里插入图片描述
在这里插入图片描述

按照一般写法得出的答案是4,所以就要加入一个判断,来检测此区间的右边(也可以是左边,但注意边界)一个元素的颜色值是否和当前区间的颜色值相同,若相同,就说明继续算下去将会多算一个颜色带,提前减去1就完事了

代码

#include <iostream>
#include <algorithm>
#include <cstdio>
#include <cstring>
#define maxn 8005
#define _for(i, a) for(int i = 0; i < (a); i++)
#define _rep(i, a, b) for(int i = (a); i <= (b); i++)
using namespace std;
int a[maxn * 4], sum[maxn];
void build(int node, int beg, int end) {
	a[node] = 1;
}
int fin(int node, int beg, int end, int x) {
	if (a[node]) return a[node];
	else {
		if (beg == end) return -1;
		int mid = (beg + end) / 2;
		if (mid >= x) return fin(node * 2, beg, mid, x);
		else return fin(node * 2 + 1, mid + 1, end, x);
	}
}
void upd(int node, int beg, int end, int l, int r, int val) {
	if (beg == l && end == r) {
		a[node] = val;
		return;
	}
	if (a[node]) {
		a[node * 2] = a[node * 2 + 1] = a[node];
		a[node] = 0;
	}
	int mid = (beg + end) / 2;
	if (mid >= r) upd(node * 2, beg, mid, l, r, val);
	else if (mid < l) upd(node * 2 + 1, mid + 1, end, l, r, val);
	else {
		upd(node * 2, beg, mid, l, mid, val);
		upd(node * 2 + 1, mid + 1, end, mid + 1, r, val);
	}
}
void query(int node, int beg, int end) {
	if (a[node]) {
		sum[a[node]]++;
		if (a[node] == fin(1, 0, maxn - 1, end + 1)) sum[a[node]]--;
		return;
	}
	if (beg == end) return;
	int mid = (beg + end) / 2;
	query(node * 2, beg, mid);
	query(node * 2 + 1, mid + 1, end);
}

int main() {
	//freopen("in.txt", "r", stdin);
	int n;
	while (scanf("%d", &n) != EOF) {
		memset(a, 0, sizeof(a));
		memset(sum, 0, sizeof(sum));
		int x, y, z;
		_for(i, n) {
			scanf("%d%d%d", &x, &y, &z);
			upd(1, 0, maxn - 1, x, y - 1, z + 1);
		}
		query(1, 0, maxn - 1);
		_for(i, maxn) {
			if (sum[i]) printf("%d %d\n", i - 1, sum[i]);
		}
		printf("\n");
	}
	return 0;
}

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
在信号处理领域,DOA(Direction of Arrival)估计是一项关键技术,主要用于确定多个信号源到达接收阵列的方向。本文将详细探讨三种ESPRIT(Estimation of Signal Parameters via Rotational Invariance Techniques)算法在DOA估计中的实现,以及它们在MATLAB环境中的具体应用。 ESPRIT算法是由Paul Kailath等人于1986年提出的,其核心思想是利用阵列数据的旋转不变性来估计信号源的角度。这种算法相比传统的 MUSIC(Multiple Signal Classification)算法具有较低的计算复杂度,且无需进行特征值分解,因此在实际应用中颇具优势。 1. 普通ESPRIT算法 普通ESPRIT算法分为两个主要步骤:构造等效旋转不变系统和估计角度。通过空间平移(如延时)构建两个子阵列,使得它们之间的关系具有旋转不变性。然后,通过对子阵列数据进行最小二乘拟合,可以得到信号源的角频率估计,进一步转换为DOA估计。 2. 常规ESPRIT算法实现 在描述中提到的`common_esprit_method1.m`和`common_esprit_method2.m`是两种不同的普通ESPRIT算法实现。它们可能在实现细节上略有差异,比如选择子阵列的方式、参数估计的策略等。MATLAB代码通常会包含预处理步骤(如数据归一化)、子阵列构造、旋转不变性矩阵的建立、最小二乘估计等部分。通过运行这两个文件,可以比较它们在估计精度和计算效率上的异同。 3. TLS_ESPRIT算法 TLS(Total Least Squares)ESPRIT是对普通ESPRIT的优化,它考虑了数据噪声的影响,提高了估计的稳健性。在TLS_ESPRIT算法中,不假设数据噪声是高斯白噪声,而是采用总最小二乘准则来拟合数据。这使得算法在噪声环境下表现更优。`TLS_esprit.m`文件应该包含了TLS_ESPRIT算法的完整实现,包括TLS估计的步骤和旋转不变性矩阵的改进处理。 在实际应用中,选择合适的ESPRIT变体取决于系统条件,例如噪声水平、信号质量以及计算资源。通过MATLAB实现,研究者和工程师可以方便地比较不同算法的效果,并根据需要进行调整和优化。同时,这些代码也为教学和学习DOA估计提供了一个直观的平台,有助于深入理解ESPRIT算法的工作原理。
评论 1
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