完美网络

完美网络
Time Limit: 1000 ms Memory Limit: 65536 KiB
Submit Statistic Discuss
Problem Description

完美网络是连通网络的基础上要求去掉网络上任意一条线路,网络仍然是连通网络。求一个连通网络要至少增加多少条边可以成为完美网络。
Input

第一行输入一个数T代表测试数据个数(T<=20)。每个测试数据第一行2个数n,m 分别代表网络基站数和基站间线路数。基站的序号为从1到n。接下来m行两个数代表x,y 代表基站x,y间有一条线路。
(0 < n < m < 10000)
Output

对于每个样例输出最少增加多少线路可以成为完美网络。每行输出一个结果。
Sample Input

2
3 1
1 2
3 2
1 2
2 3
Sample Output

2
1
Hint

Source

要成为完美网络,每个点的度数都至少是2,(减掉任意一条边的情况下依然满足联通);
把度数小于2的放进队列里,每次挑两个度数加一(相当于把这两点间连一条线),sum(增加的路线)++,
如果这两个点的度数已经>=2,跳出队列,否则继续在队列里操作;
当队列里的元素小于2时,不能再继续操作,判断队列里的元素是一个还是零个,一个sum++,零个说明都满足条件。

中国海洋大学第三届“朗讯杯”编程比赛高级组试题添加链接描述

/**/
#include<bits/stdc++.h>
using namespace std;
queue<int>q;
int du[10010];
int main()
{
    int i,t,x,y,n,m,len,sum;
    scanf("%d",&t);
    while(t--)
    {
        len=0;
        sum=0;
        scanf("%d %d",&n,&m);
        while(!q.empty())
        {
            q.pop();
        }
        memset(du,0,sizeof(du));
        for(i=1;i<=m;i++)
        {
            scanf("%d %d",&x,&y);
            du[x]++;
            du[y]++;
        }
        for(i=1;i<=n;i++)
        {
            if(du[i]>=2)
                continue;
            else
            {
                len++;
                q.push(i);
            }
        }
        while(len>=2)
        {
            x=q.front();
            q.pop();
            y=q.front();
            q.pop();
            len-=2;
            du[x]++;
            du[y]++;
            sum++;
            if(du[x]<2)
            {
                len++;
                q.push(x);
            }
            if(du[y]<2)
            {
                len++;
                q.push(y);
            }
        }
        if(len==1)//其他节点都凑对走了,如果还剩下一个,说明这个节点本来是孤立的节点,需要sum+1(可以自己画画试试)
        {
            sum++;
        }
        printf("%d\n",sum);
    }
    return 0;
}
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
图像识别技术在病虫害检测中的应用是一个快速发展的领域,它结合了计算机视觉和机器学习算法来自动识别和分类植物上的病虫害。以下是这一技术的一些关键步骤和组成部分: 1. **数据收集**:首先需要收集大量的植物图像数据,这些数据包括健康植物的图像以及受不同病虫害影响的植物图像。 2. **图像预处理**:对收集到的图像进行处理,以提高后续分析的准确性。这可能包括调整亮度、对比度、去噪、裁剪、缩放等。 3. **特征提取**:从图像中提取有助于识别病虫害的特征。这些特征可能包括颜色、纹理、形状、边缘等。 4. **模型训练**:使用机器学习算法(如支持向量机、随机森林、卷积神经网络等)来训练模型。训练过程中,算法会学习如何根据提取的特征来识别不同的病虫害。 5. **模型验证和测试**:在独立的测试集上验证模型的性能,以确保其准确性和泛化能力。 6. **部署和应用**:将训练好的模型部署到实际的病虫害检测系统中,可以是移动应用、网页服务或集成到智能农业设备中。 7. **实时监测**:在实际应用中,系统可以实时接收植物图像,并快速给出病虫害的检测结果。 8. **持续学习**:随着时间的推移,系统可以不断学习新的病虫害样本,以提高其识别能力。 9. **用户界面**:为了方便用户使用,通常会有一个用户友好的界面,显示检测结果,并提供进一步的指导或建议。 这项技术的优势在于它可以快速、准确地识别出病虫害,甚至在早期阶段就能发现问题,从而及时采取措施。此外,它还可以减少对化学农药的依赖,支持可持续农业发展。随着技术的不断进步,图像识别在病虫害检测中的应用将越来越广泛。
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