Leetcode 从排序数组中删去重复项

博客主要围绕数组越界报错展开。指出 heap - buffer - overflow 是访问数组越界,错误原因是在处理删除重复项题目时,未考虑数组只有一个数或为空的情况,当试样为空数组,原代码对数组的访问会越界,还感谢了 zhangpeterx 的分享。

Leetcode 从排序数组中删去重复项报错heap-buffer-overflow

原先代码

int removeDuplicates(int* nums, int numsSize){
    int x = nums[numsSize-1];
    int len = numsSize;
    int k = numsSize-2;
    do{
        if(nums[k] == x){     	
            for(int j = k+1; j < len-1; j++){
                nums[j] = nums[j+1];
            }
            len--;
            x = nums[k];
        }
        else {
		    x = nums[k];
	    }
        k--;
    }while(k+1);
    
    return numsSize = len;
}

heap-buffer-overflow 的意思就是访问数组越界。
错误的原因也挺简单:题目让删除重复的项,当数组只有一个数或者数组为空时,直接返回numsSize的值即可。当试样为空数组时,数组原先代码中对数组的访问即为越界。

通过代码

int removeDuplicates(int* nums, int numsSize){
    if(numsSize == 0 || numsSize == 1){
        return numsSize;
    }
    else{
        int x = nums[numsSize-1];
        int len = numsSize;
        int k = numsSize-2;
        do{
            if(nums[k] == x){     	
                for(int j = k+1; j < len-1; j++){
                    nums[j] = nums[j+1];
                }
                len--;
                x = nums[k];
            }
            else {
		        x = nums[k];
	        }
            k--;
        }while(k+1);
    
        return numsSize = len;
    }
}

感谢zhangpeterx的分享让我搞懂了这个。

内容概要:本文介绍了基于贝叶斯优化的CNN-LSTM混合神经网络在时间序列预测中的应用,并提供了完整的Matlab代码实现。该模型结合了卷积神经网络(CNN)在特征提取方面的优势与长短期记忆网络(LSTM)在处理时序依赖问题上的强大能力,形成一种高效的混合预测架构。通过贝叶斯优化算法自动调参,提升了模型的预测精度与泛化能力,适用于风电、光伏、负荷、交通流等多种复杂非线性系统的预测任务。文中还展示了模型训练流程、参数优化机制及实际预测效果分析,突出其在科研与工程应用中的实用性。; 适合人群:具备一定机器学习基基于贝叶斯优化CNN-LSTM混合神经网络预测(Matlab代码实现)础和Matlab编程经验的高校研究生、科研人员及从事预测建模的工程技术人员,尤其适合关注深度学习与智能优化算法结合应用的研究者。; 使用场景及目标:①解决各类时间序列预测问题,如能源出力预测、电力负荷预测、环境数据预测等;②学习如何将CNN-LSTM模型与贝叶斯优化相结合,提升模型性能;③掌握Matlab环境下深度学习模型搭建与超参数自动优化的技术路线。; 阅读建议:建议读者结合提供的Matlab代码进行实践操作,重点关注贝叶斯优化模块与混合神经网络结构的设计逻辑,通过调整数据集和参数加深对模型工作机制的理解,同时可将其框架迁移至其他预测场景中验证效果。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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