《算法笔记》4.2小节——算法初步->哈希 问题 B: 分组统计

该博客介绍了一种处理分组统计的方法,通过输入一组数及其分组,统计每个数在不同组内的出现次数。程序使用C++实现,读取输入的数及分组信息,输出每个分组中各数的计数结果。程序通过set数据结构存储数和分组,使用二维数组记录计数,最后按从小到大的顺序输出结果。

问题 B: 分组统计

时间限制 : 1.000 sec 内存限制 : 32 MB

题目描述

先输入一组数,然后输入其分组,按照分组统计出现次数并输出,参见样例。

输入

输入第一行表示样例数m,对于每个样例,第一行为数的个数n,接下来两行分别有n个数,第一行有n个数,第二行的n个数分别对应上一行每个数的分组,n不超过100。

输出

输出m行,格式参见样例,按从小到大排。

样例输入
1
7
3 2 3 8 8 2 3
1 2 3 2 1 3 1
样例输出
1={2=0,3=2,8=1}
2={2=1,3=0,8=1}
3={2=1,3=1,8=0}
#include <iostream>
#include <set>
#include <cstring>

using namespace std;
int couter[2000][2000];

int main() {
    int n, m;
    while (cin >> m) {
        while (m--) {
            set<int> number;
            set<int> group;
            int cin_number[110], cin_group[110];
            memset(couter, 0, sizeof couter);
            cin >> n;
            for (int i = 0; i < n; ++i) {
                cin >> cin_number[i];
                number.insert(cin_number[i]);
            }
            for (int i = 0; i < n; ++i) {
                cin >> cin_group[i];
                group.insert(cin_group[i]);
                couter[cin_group[i]][cin_number[i]]++;
            }
            for (auto i = group.begin(); i != group.end(); ++i) {
                cout << *i << "={";
                for (auto j = number.begin(); j != number.end(); ++j) {
                    if (j != number.begin())
                        cout << "," << *j << "=" << couter[*i][*j];
                    else
                        cout << *j << "=" << couter[*i][*j];
                }
                cout << "}" << endl;
            }
        }
    }
    return 0;
}
内容概要:本文介绍了ENVI Deep Learning V1.0的操作教程,重点讲解了如何利用ENVI软件进行深度学习模型的训练与应用,以实现遥感图像中特定目标(如集装箱)的自动提取。教程涵盖了从数据准备、标签图像创建、模型初始化与训练,到执行分类及结果优化的完整流程,并介绍了精度评价与通过ENVI Modeler实现一键化建模的方法。系统基于TensorFlow框架,采用ENVINet5(U-Net变体)架构,支持通过点、线、面ROI或分类图生成标签数据,适用于多/高光谱影像的单一类别特征提取。; 适合人群:具备遥感图像处理基础,熟悉ENVI软件操作,从事地理信息、测绘、环境监测等相关领域的技术人员或研究人员,尤其是希望将深度学习技术应用于遥感目标识别的初学者与实践者。; 使用场景及目标:①在遥感影像中自动识别和提取特定地物目标(如车辆、建筑、道路、集装箱等);②掌握ENVI环境下深度学习模型的训练流程与关键参数设置(如Patch Size、Epochs、Class Weight等);③通过模型调优与结果反馈提升分类精度,实现高效自动化信息提取。; 阅读建议:建议结合实际遥感项目边学边练,重点关注标签数据制作、模型参数配置与结果后处理环节,充分利用ENVI Modeler进行自动化建模与参数优化,同时注意软硬件环境(特别是NVIDIA GPU)的配置要求以保障训练效率。
评论 2
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

打赏作者

XdpCs

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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