KMP

字符串匹配---KMP

暴力破解

t="abcabcd",p="bcd"

   i
t: a b c a b c d
s: b c d
   j
不匹配进行下一位
     i
t: a b c a b c d
s:   b c d
     j 
匹配再进行下一位
       i
t: a b c a b c d
s:   b c d
       j 
         i
t: a b c a b c d
s:   b c d
         j 
不匹配
       i
t: a b c a b c d
s:     b c d
       j 
直到
               i
t: a b c a b c d
s:         b c d
               j 
匹配成功,返回i-j
若没有,则返回-1
// t 主串 p 模式串
int matching(char *t, char *p) {
	int i, j;
	i = j = 0;
	//循环匹配结束条件是,i或j达到最大长度
	while (t[i] != '\0' && p[j] != '\0') {
		//相等,比较下一位,i++, j++
		if (t[i] == p[j]) {
			i++;
			j++;
			//不相等,回溯i和j
			//j为0,i为下一位
		} else {
			i = i - j + 1;
			j = 0;
		}
	}
	
	//如果匹配到,则返回位置,若没有,则返回-1
	if (p[j] == '\0') {
		return i - j;
	} else {
		return -1;
	}
}

KMP

KMP算法的核心是创建next数组
t="abcabcabe",p="abcabe"

   i
t: a b c a b c a b e
p: a b c a b e
   j
。。。
             i
t: a b c a b c a b e
p: a b c a b e
             j
             i
t: a b c a b c a b e
p:       a b c a b e
             j
前面有相同的,所以不需要比较前面的ab了             

所以我们创建的next数组就是存储每个j位置需要回溯的位置。

#define MAXSIZE 100
//获取next数组
int * getNext(char *p) {
	int i = 0;
	int k = -1
	int nex[MAXSIZE];
	//当位置为0时,不需要回溯,所以为-1
	nex[0] = k;
	while (p[i] != '\0') {
		if (k == -1 || p[i] == p[k]) {
			// 当两个字符相等时要跳过
			if (p[++i] == p[++k]) {
				nex[i] = nex[k];
			} else {
				nex[i] = k;
			}
		} else {
			k = nex[k];
		}
	}
	int *next = nex;
	return next;
}

// t 主串 p 模式串
int KMPMatching(char *t, char *p) {
	int i, j;
	i = j = 0;
	//获取next数组
	int *next = getNext(p);
	//循环匹配结束条件是,i或j达到最大长度
	while (t[i] != '\0' && p[j] != '\0') {
		//相等,比较下一位,i++, j++
		if (t[i] == p[j]) {
			i++;
			j++;
			//不相等,根据next数组回溯j
		} else {
			//i = i - j + 1;
			//j = 0;
			j = next[j];
		}
	}
	//如果匹配到,则返回位置,若没有,则返回-1
	if (p[j] != '\0') {
		return i - j;
	} else {
		return -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