【重点】【回溯】17.电话号码的组合

文章描述了一个使用深度优先搜索(DFS)算法解决的问题,将给定的数字字符串转换为其可能的字母组合。方法中定义了`letterCombinations`函数,通过递归调用`dfs`函数实现组合生成。

题目

Python

class Solution:
    def letterCombinations(self, digits: str) -> List[str]:
        if len(digits) == 0:
            return []
        num_dict = {
            '2': ['a', 'b', 'c'],
            '3': ['d', 'e', 'f'],
            '4': ['g', 'h', 'i'],
            '5': ['j', 'k', 'l'],
            '6': ['m', 'n', 'o'],
            '7': ['p', 'q', 'r', 's'],
            '8': ['t', 'u', 'v'],
            '9': ['w', 'x', 'y', 'z'],
        }
        
        res, tmp = [], []
        self.dfs(digits, tmp, num_dict, res)
        return res
    
    def dfs(self, digits, tmp, num_dict, res):
        if len(tmp) == len(digits):
            res.append(''.join(tmp))
            return
        
        start_idx = len(tmp)
        cur_digit = digits[start_idx]
        for i in range(len(num_dict[cur_digit])):
            tmp.append(num_dict[cur_digit][i])
            self.dfs(digits, tmp, num_dict, res)
            tmp.pop()  # list删除最后1个元素用pop方法

Java

法1:DFS

class Solution {
    public List<String> letterCombinations(String digits) {
        List<String> res = new ArrayList<>();
        if (digits.length() == 0) {
            return res;
        }
        List<Integer> digitList = new ArrayList<>();
        for (int i = 0; i < digits.length(); ++i) {
            digitList.add(digits.charAt(i) - '0');
        }
        Map<Integer, char[]> map = new HashMap<>();
        map.put(2, new char[]{'a', 'b', 'c'});
        map.put(3, new char[]{'d', 'e', 'f'});
        map.put(4, new char[]{'g', 'h', 'i'});
        map.put(5, new char[]{'j', 'k', 'l'});
        map.put(6, new char[]{'m', 'n', 'o'});
        map.put(7, new char[]{'p', 'q', 'r', 's'});
        map.put(8, new char[]{'t', 'u', 'v'});
        map.put(9, new char[]{'w', 'x', 'y', 'z'});
        char[] tmp = new char[digitList.size()];
        dfs(map, digitList, 0, tmp, res);

        return res;
    }

    public void dfs(Map<Integer, char[]> map, List<Integer> digitList, 
                    int index, char[] tmp, List<String> res) {
        if (index == digitList.size()) {
            res.add(String.valueOf(tmp));
            return;
        }
        char[] charArray = map.get(digitList.get(index));
        int curSize = charArray.length;
        for (int i = 0; i < curSize; ++i) {
            tmp[index] = charArray[i];
            dfs(map, digitList, index + 1, tmp, res);
        }
    }
}
【电能质量扰动】基于ML和DWT的电能质量扰动分类方法研究(Matlab实现)内容概要:本文研究了一种基于机器学习(ML)和离散小波变换(DWT)的电能质量扰动分类方法,并提供了Matlab实现方案。首先利用DWT对电能质量信号进行多尺度分解,提取信号的时频域特征,有效捕捉电压暂降、暂升、中断、谐波、闪变等常见扰动的关键信息;随后结合机器学习分类器(如SVM、BP神经网络等)对提取的特征进行训练与分类,实现对不同类型扰动的自动识别与准确区分。该方法充分发挥DWT在信号去噪与特征提取方面的优势,结合ML强大的模式识别能力,提升了分类精度与鲁棒性,具有较强的实用价值。; 适合人群:电气工程、自动化、电力系统及其自动化等相关专业的研究生、科研人员及从事电能质量监测与分析的工程技术人员;具备一定的信号处理基础和Matlab编程能力者更佳。; 使用场景及目标:①应用于智能电网中的电能质量在线监测系统,实现扰动类型的自动识别;②作为高校或科研机构在信号处理、模式识别、电力系统分析等课程的教学案例或科研实验平台;③目标是提高电能质量扰动分类的准确性与效率,为后续的电能治理与设备保护提供决策依据。; 阅读建议:建议读者结合Matlab代码深入理解DWT的实现过程与特征提取步骤,重点关注小波基选择、分解层数设定及特征向量构造对分类性能的影响,并尝试对比不同机器学习模型的分类效果,以全面掌握该方法的核心技术要点。
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