poj 1088 滑雪

滑雪

Time Limit: 1000MS Memory Limit: 65536K
Total Submissions: 111634 Accepted: 42519
Description

Michael喜欢滑雪百这并不奇怪, 因为滑雪的确很刺激。可是为了获得速度,滑的区域必须向下倾斜,而且当你滑到坡底,你不得不再次走上坡或者等待升降机来载你。Michael想知道载一个区域中最长底滑坡。区域由一个二维数组给出。数组的每个数字代表点的高度。下面是一个例子
1 2 3 4 5

16 17 18 19 6

15 24 25 20 7

14 23 22 21 8

13 12 11 10 9

一个人可以从某个点滑向上下左右相邻四个点之一,当且仅当高度减小。在上面的例子中,一条可滑行的滑坡为24-17-16-1。当然25-24-23-…-3-2-1更长。事实上,这是最长的一条。
Input

输入的第一行表示区域的行数R和列数C(1 <= R,C <= 100)。下面是R行,每行有C个整数,代表高度h,0<=h<=10000。
Output

输出最长区域的长度。

Sample Input

5 5
1 2 3 4 5
16 17 18 19 6
15 24 25 20 7
14 23 22 21 8
13 12 11 10 9

Sample Output

25

自我感觉这是一个超经典的dfs,可以从一个点往四周搜索低于此处的点,搜到周围都比当前大时返回,而这里的点为1,然后回输上一个点为2,之后继续回输的起点,而每个点的值为上下左右四个位置的最大+1;这样就能搜索到所有的点,如果某一个点已经被搜到,再次搜索的时候就不用再往下搜了,直接返回当前的值便可,因为搜索之后得到的一定是所有可能的最大值,复杂度只需遍历整个图就行,java 代码

import java.io.BufferedInputStream;
import java.io.BufferedOutputStream;
import java.io.IOException;
import java.io.PrintWriter;
import java.io.StreamTokenizer;
import java.util.Arrays;
import java.util.Scanner;

public class Main {
	@SuppressWarnings("deprecation")
	static StreamTokenizer st = new StreamTokenizer(new BufferedInputStream(System.in));
	static PrintWriter p = new PrintWriter(new BufferedOutputStream(System.out));
	static int n, m, arr[][], ans[][];

	public static void main(String[] args) throws IOException {
		Scanner sc = new Scanner(new BufferedInputStream(System.in));

		n = sc.nextInt();
		m = sc.nextInt();
		arr = new int[n + 2][m + 2];
		for (int i = 0; i < n + 2; i++) {//防止越界
			arr[i][0] = Integer.MAX_VALUE;
			arr[i][m + 1] = Integer.MAX_VALUE;
		}
		for (int i = 0; i < m + 2; i++) {
			arr[0][i] = Integer.MAX_VALUE;
			arr[n + 1][i] = Integer.MAX_VALUE;
		}
		for (int i = 1; i <= n; i++) {
			for (int j = 1; j <= m; j++) {
				arr[i][j] = sc.nextInt();
			}
		}
		ans = new int[n + 2][m + 2];
		for (int i = 1; i <= n; i++) {//深搜每个点
			for (int j = 1; j <= m; j++) {
				ans[i][j] = dfs(i, j);
			}
		}
		int max = 0;
		for (int i = 1; i <= n; i++) {
			for (int j = 1; j <= m; j++) {
				max = Math.max(ans[i][j], max);
			}
		}
		System.out.println(max);
	}

	private static int dfs(int i, int j) {

		if (ans[i][j] != 0) {//已经搜索过,直接返回
			return ans[i][j];
		}
		int ar[] = new int[4];
		if (arr[i + 1][j] < arr[i][j]) {//往四个方向搜
			ar[0]=dfs(i + 1, j);
		}
		if (arr[i - 1][j] < arr[i][j]) {
			ar[1]=dfs(i - 1, j);
		}
		if (arr[i][j + 1] < arr[i][j]) {
			ar[2]=dfs(i, j + 1);
		}
		if (arr[i][j - 1] < arr[i][j]) {
			ar[3]=dfs(i, j - 1);
		}
		Arrays.sort(ar);
		return ans[i][j] = ar[3]+1;//去四个方向最大值+1,若四个方向没有小于的情况下,该点长度为1
	}
}

  • 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