LeetCode 73. Set Matrix Zeroes

本文介绍了解决LeetCode 73题目的两种方法:一种使用额外的空间复杂度O(m+n),另一种通过优化空间复杂度至O(1)。详细展示了如何通过标记行列来将矩阵中包含0的元素所在行和列设置为全0。

LeetCode 73. Set Matrix Zeroes

Solution1:我的答案
比较笨,算法时间复杂度是O(mn)O(mn),占用额外空间是O(m+n)O(m+n)

class Solution {
public:
    void setZeroes(vector<vector<int>>& matrix) {
        if(matrix.size() * matrix[0].size() == 0)
            return;
        vector<int> row;    //某行有0则为true
        vector<int> col;    //某列有0则为true
        for (int i = 0; i < matrix.size(); i++) { 
            for (int j = 0; j < matrix[0].size(); j++) {
                if (matrix[i][j] == 0) {
                    if(find(row.begin(), row.end(), i) == row.end())
                        row.push_back(i);
                    if(find(col.begin(), col.end(), j) == col.end())
                        col.push_back(j);
                }
            }
        }
        for (int i = 0; i < row.size(); i++) 
            for (int j = 0; j < matrix[i].size(); j++)
                matrix[row[i]][j] = 0;
        for (int j = 0; j < col.size(); j++) 
            for (int i = 0; i < matrix.size(); i++)
                matrix[i][col[j]] = 0;
        return;
    }
};

Solution2:空间复杂度优化
利用第一行第一列做记录
比较笨,算法时间复杂度是O(mn)O(mn),占用额外空间是O(1)O(1)

class Solution {
public:
    void setZeroes(vector<vector<int>>& matrix) {
        int m = matrix.size(), n = matrix[0].size();
        bool row_zero = false, col_zero = false;

        for (int i = 0; i < n; i++) {
            if (matrix[0][i] == 0) {
                row_zero = true;
                break;
            }   
        }

        for (int i = 0; i < m; i++) {
            if (matrix[i][0] == 0) {
                col_zero = true;
                break;
            } 
        }

        for (int i = 1; i < m; i++) { 
            for (int j = 1; j < n; j++) {
                if (matrix[i][j] == 0) {
                    matrix[i][0] = 0;
                    matrix[0][j] = 0;
                }
            }
        }
        for (int i = 1; i < m; i++)
            for (int j = 1; j < n; j++)
                if(matrix[i][0] == 0 || matrix[0][j] == 0)
                    matrix[i][j] = 0;

        if (row_zero) {
            for (int i = 0; i < n; i++)
                matrix[0][i] = 0;
        }

        if (col_zero) {
            for (int i = 0; i < m; i++)
                matrix[i][0] = 0;
        }
        return;
    }
};
【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