LeetCode 36. Valid Sudoku

本文提供了一种简单直观的方法来验证数独的有效性。通过检查每一行、每一列以及每一个小九宫格内的数字是否重复,确保每个1-9的数字只出现一次。此方案易于理解且便于实现。

LeetCode 36. Valid Sudoku

Solution1:我的答案,比较笨。但是清晰易懂好上手啊~~~

class Solution {
public:
    bool isValidSudoku(vector<vector<char>>& board) {
        //先判断9行、9列是否满足要求
        for(int i = 0; i < 9; i++) { //i表示1-9行 && 1-9列
            vector<int> symbol_row(9, 0), symbol_col(9, 0);
            for(int j = 0; j < 9; j++) {
                if(board[i][j] == '.')
                    continue;
                else {
                    symbol_row[board[i][j] - '1']++;
                    if(symbol_row[board[i][j] - '1'] > 1)
                        return false;
                }
            }

            for(int j = 0; j < 9; j++) {
                if(board[j][i] == '.')
                    continue;
                else {
                    symbol_col[board[j][i] - '1']++;
                    if(symbol_col[board[j][i] - '1'] > 1)
                        return false;
                }
            }
        }
        for(int i = 0; i <= 6; i +=3) {
            for(int j = 0; j <= 6; j +=3) {
                vector<int> symbol_sub(9, 0);
                for(int m = i; m < i + 3; m++) {
                    for(int n = j; n < j + 3; n++) {
                        if(board[m][n] == '.')
                            continue;
                        else {
                            symbol_sub[board[m][n] - '1']++;
                            if(symbol_sub[board[m][n] - '1'] > 1)
                                return false;
                        }
                    }
                }
            }
        }
        return true;
    }
};
【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