二叉查找树

二叉查找树@TOC

题目:输入一棵二元查找树,将该二元查找树转换成一个排序的双向链表。
要求:不能创建任何新的结点,只调整指针的指向。
10
/
6 14
/ \ /
4 8 12 16
转换成双向链表 4=6=8=10=12=14=16

前提:整数数组中没有重复的数字

原理
1.任意数组,创建二叉查找树
2.中序遍历二叉查找树
3.递归调整节点左右指针

实现

package main

import(
	"fmt"
	"strconv"
)

// 定义二叉树的节点结构
type BSTreeNode struct {
	Value int
	Left *BSTreeNode
	Right *BSTreeNode
}

// 创建一个二叉树的节点
func create_new_node(data int) *BSTreeNode {
	new_node := new(BSTreeNode)
	new_node.Value = data
	new_node.Left = nil
	new_node.Right = nil

	return new_node
}

// 创建二叉树,或者向二叉树中插入节点
func buildBinarySearchTree(root **BSTreeNode, data int) {
	tmp_node := *root
	pre_node := new(BSTreeNode)
	pre_node = nil
	if *root == nil {
		*root = create_new_node(data)
	} else {
		for tmp_node != nil {
			pre_node = tmp_node
			if tmp_node.Value > data {// 创建左子树
				tmp_node = tmp_node.Left
				if tmp_node == nil {
					pre_node.Left = create_new_node(data)
				}
			} else {// 创建右子树
				tmp_node = tmp_node.Right
				if tmp_node == nil {
					pre_node.Right = create_new_node(data)
				}
			}
		}
	}
}

// 中序遍历有序二叉树
func SearchBinaryTree(root *BSTreeNode) {
	if root == nil {
		return
	}
	SearchBinaryTree(root.Left)
	fmt.Printf(strconv.Itoa(root.Value) + " ")
	SearchBinaryTree(root.Right)
}

// 创建二叉查找树
func BuildBSTree(data_list []int) **BSTreeNode{
	if data_list == nil {
		return nil
	}
	root := new(BSTreeNode)
	for i := 0; i < len(data_list); i++ {
		buildBinarySearchTree(&root, data_list[i])
	}
	return &root
}

func TreeToLinkedList(root *BSTreeNode) *BSTreeNode {
	var head, tail *BSTreeNode
	helper(&head, &tail, root)
	return head
}

func helper(head, tail **BSTreeNode, root *BSTreeNode) {
	var lt, rh *BSTreeNode
	if root == nil {
		*head, *tail = nil, nil
		return
	}
	helper(head, &lt, root.Left)
	helper(&rh, tail, root.Right)
	if lt != nil {
		lt.Right = root
		root.Left = lt
	} else {
		*head = root
	}
	if rh != nil{
		root.Right = rh
		rh.Left = root
	} else {
		*tail = root
	}
}

func RunTest(root **BSTreeNode) {
	if root == nil {
		return
	}

	head := TreeToLinkedList(*root)
	for p := head; p != nil; p = p.Right {
		fmt.Printf("%d ", p.Value)
	}
}

func main() {
	val := []int{100,5,6,1,3,4}
	root := BuildBSTree(val)
	SearchBinaryTree(*root)
	fmt.Println("")

	RunTest(root)
	fmt.Println("")
}
  • 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