【To Understand! 回文串6 KMP算法】LeetCode 214. Shortest Palindrome

本文提供两种解决LeetCode 214题(求最短回文串)的方法:一种是最直接但效率较低的方法,时间复杂度为O(n²);另一种则是运用KMP算法进行优化,提高了解决方案的效率。

LeetCode 214. Shortest Palindrome

Solution1:最笨的方法。时间复杂度 O(n2) O ( n 2 )
竟然能AC,xixixi

class Solution {
public:
    string shortestPalindrome(string s) { //最短的回文串,则对称轴要尽可能往后!
        if (s.size() <= 1) return s;
        int i = s.size() - 1;
        for (; i >= 0; i--) {
            if (isPalin(s, 0, i)) break;
        }
        if (i == s.size() - 1) return s;
        else {
            string s_copy = s;
            string pre = s_copy.substr(i + 1);
            reverse(pre.begin(), pre.end());
            return pre + s;
        }
    }

    bool isPalin(string &str, int begin, int end) {
        while (begin < end) {
            if (str[begin] != str[end])
                return false;
            else {
                begin++;end--;
            }
        }
        return true;
    }
};

Solution2:
参考网址:http://www.cnblogs.com/grandyang/p/4523624.html
利用KMP算法
参考网址:
[1]http://www.cnblogs.com/grandyang/p/4523624.html
[2]https://blog.youkuaiyun.com/v_july_v/article/details/7041827

class Solution {
public:
    string shortestPalindrome(string s) {
        string r = s;
        reverse(r.begin(), r.end());
        string t = s + "#" + r;
        vector<int> next(t.size(), 0);
        for (int i = 1; i < t.size(); ++i) {
            int j = next[i - 1];
            while (j > 0 && t[i] != t[j]) j = next[j - 1];
            next[i] = (j += t[i] == t[j]);
        }
        return r.substr(0, s.size() - next.back()) + s;
    }
};
【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