最近在写的赫夫曼树、B树、二项堆等都会用到堆排序,所以把最大堆排序和最小堆排序一次性先给大家看看

小顶堆排序:

#include <iostream>

using namespace std;

inline int left(int i)
{
 return i<<1;
}

inline int right(int i)
{
 return i<<1|1;
}

int heap_size;
int array_size;

void heap_mini(int *heap, int i)
{
 int l = left(i);
 int r = right(i);
 int smallest;

 if(l <= heap_size && heap[l] < heap[i])
  smallest = l;
 else smallest = i;
 if(r <= heap_size && heap[r] < heap[smallest])
  smallest = r;
 if(smallest != i)
 {
  int t = heap[i];
  heap[i] = heap[smallest];
  heap[smallest] = t;
  heap_mini(heap, smallest);
 }
}

void build_heap(int *heap)
{
 heap_size = array_size;
 for(int i = array_size/2; i >= 1; i--)
  heap_mini(heap, i);
}

void heap_sort(int *heap)
{
 build_heap(heap);
 for(int i = array_size; i >= 2; i--)
 {
  int t = heap[1];
  heap[1] = heap[i];
  heap[i] = t;
  heap_size--;
  heap_mini(heap, 1);
 }
}

int main()
{
 int n;
 cout<<"please enter:"<<endl;
 while(cin >> n)
 {
  array_size = n;
  int heap[20] = { 0 }, i;
  for(i = 1; i <= n; i++)
   cin>>heap[i];
  heap_sort(heap);

  for(i = 1; i <= n; i++)
   cout<<heap[i]<<" ";
  cout<<endl;
  cout<<"please enter:"<<endl;
 }
 return 0;
}

大顶堆排序:


//大顶堆

#include <iostream>

using namespace std;

int A_size;//数组大小
int heap_size;//堆的大小

//左孩子坐标
inline int left(int i)
{
 return i<<1;
}

//右孩子坐标
inline int right(int i)
{
 return i<<1|1;
}

//堆最大化
void max_heapify(int *A, int i)
{
 int l = left(i);
 int r = right(i);
    int largest = 0;
   
   if(l <= heap_size && A[l] > A[i])
  largest = l;
 else largest = i;
 if(r <= heap_size && A[r] > A[largest])
  largest = r;
 
 if(largest != i)
 {
  int t = A[i];
  A[i] = A[largest];
  A[largest] = t;
  max_heapify(A, largest);
 }
}

//build heap
void build_heap(int *A)
{
 heap_size = A_size;
 for(int i = A_size/2; i >= 1; i--)
  max_heapify(A, i);
}

//堆排序
void heap_sort(int *A)
{
 build_heap(A);
 for(int i = A_size; i >= 2; i--)
 {
  int t = A[1];
      A[1] = A[i];
   A[i] = t;
   heap_size--;
   max_heapify(A, 1);
 }
}

int main()
{
 int n;
 cout<<"please enter n:"<<endl;
 while(cin >> n)
 {
  A_size = n;
  int A[100] = { 0 };
  int i;
  for(i = 1; i <= n; i++)
   cin>>A[i];

  heap_sort(A);

        for(i = 1; i <= n; i++)
   cout<<A[i]<<" ";
  cout<<endl;
  cout<<"please enter n:"<<endl;
 }
 return 0;
}

 

 

  • 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