剑指offer——数组中出现次数超过一半的数字

寻找多数元素

题目描述

数组中有一个数字出现的次数超过数组长度的一半,请找出这个数字。例如输入一个长度为9的数组{1,2,3,2,2,2,5,4,2}。由于数字2在数组中出现了5次,超过数组长度的一半,因此输出2。如果不存在则输出0。

 

 遍历数组,用一个map统计每个数字出现的次数。最后遍历map,判断计数是否大于数组size的一般。

时间复杂度o(n),空间复杂度o(n)。

class Solution {
public:
    int MoreThanHalfNum_Solution(vector<int> numbers) {
        int nSize = numbers.size();
        if(nSize == 0) return 0;
        map<int, int> mymap;
        map<int, int>::iterator iter;
        //int num = 0;
        for(int i = 0; i < nSize; i++)
        {
            iter = mymap.find(numbers[i]);
            if(iter != mymap.end())
                mymap[numbers[i]]++;
            else
                mymap.insert(pair<int, int>(numbers[i], 1));
        }
        for(iter = mymap.begin(); iter != mymap.end(); iter++)
        {
            if(iter->second > (nSize/2))
                return iter->first;
        }
        return 0;
    }
};

 

时间复杂度O(nlogn)的算法

换个角度,如果一个数在数组中出现次数超过一半,那么它一定位于排序数组的中间,即中位数。

现在给出的数组是无序的,先排序(部分排序)找中位数,然后看其在数组中出现次数是否大于一半。

找中位数: Partition 实现遍历一遍之后某个数左边的数都比它小,右边的数都比它大。

快速排序就是基于Partition 实现的。

#include<cstdlib>
class Solution {
public:
    int MoreThanHalfNum_Solution(vector<int> numbers) {
        int nSize = numbers.size();
        if(nSize == 0) return 0;
        
        int middle = nSize >> 1;
        int start = 0;
        int end = nSize - 1;
        int index = Partition(numbers, nSize, start, end);
        while(index != middle)
        {
            if(index > middle)
            {
                end = index - 1;
                index = Partition(numbers, nSize, start, end);
            }
            else
            {
                start = index + 1;
                index = Partition(numbers, nSize, start, end);
            }
        }
        
        int result = numbers[middle];
        if(!CheckMoreThanHalf(numbers, nSize, result))
            return 0;
        return result;
    }
    bool CheckMoreThanHalf(vector<int>& numbers, int nSize, int number)
    {
        int time = 0;
        for(int i = 0; i < nSize; i++)
        {
            if(numbers[i] == number)
                time++;
        }
        
        return (time * 2 <= nSize) ? false : true;
    }
    int Partition(vector<int>& data, int length, int start, int end)
    {
        int index = length >> 1;
        Swap(&data[index], &data[end]);
        
        int small = start - 1;
        for(index = start; index < end; index++)
        {
            if(data[index] < data[end])
            {
                ++small;
                if(small != index)
                    Swap(&data[index], &data[small]);
            }
        }
        ++small;
        Swap(&data[end], &data[small]);
        
        return small;
    }
    void Swap(int *p1, int *p2)
    {
        int temp = *p1;
        *p1 = *p2;
        *p2 = temp;
    }
};

 

 时间复杂度O(n)的算法

 

#include<cstdlib>
class Solution {
public:
    int MoreThanHalfNum_Solution(vector<int> numbers) {
        int nSize = numbers.size();
        if(nSize == 0) return 0;
        int number;
        int count = 0;
        for(int i = 0; i < nSize; i++)
        {
            if(count == 0)
            {
                count = 1;
                number = numbers[i];
            }
            else
            {
                if(numbers[i] == number)
                    count++;
                else
                    count--;
            }
        }
        
        if(!CheckMoreThanHalf(numbers, nSize, number))
            return 0;
        return number;
    }
    bool CheckMoreThanHalf(vector<int>& numbers, int nSize, int number)
    {
        int time = 0;
        for(int i = 0; i < nSize; i++)
        {
            if(numbers[i] == number)
                time++;
        }
        
        return (time * 2 <= nSize) ? false : true;
    }
};

空间复杂度为O(1)。

一、数据采集层:多源人脸数据获取 该层负责从不同设备 / 渠道采集人脸原始数据,为后续模型训练与识别提供基础样本,核心功能包括: 1. 多设备适配采集 实时摄像头采集: 调用计算机内置摄像头(或外接 USB 摄像头),通过OpenCV的VideoCapture接口实时捕获视频流,支持手动触发 “拍照”(按指定快捷键如Space)或自动定时采集(如每 2 秒采集 1 张),采集时自动框选人脸区域(通过Haar级联分类器初步定位),确保样本聚焦人脸。 支持采集参数配置:可设置采集分辨率(如 640×480、1280×720)、图像格式(JPG/PNG)、单用户采集数量(如默认采集 20 张,确保样本多样性),采集过程中实时显示 “已采集数量 / 目标数量”,避免样本不足。 本地图像 / 视频导入: 支持批量导入本地人脸图像文件(支持 JPG、PNG、BMP 格式),自动过滤非图像文件;导入视频文件(MP4、AVI 格式)时,可按 “固定帧间隔”(如每 10 帧提取 1 张图像)或 “手动选择帧” 提取人脸样本,适用于无实时摄像头场景。 数据集对接: 支持接入公开人脸数据集(如 LFW、ORL),通过预设脚本自动读取数据集目录结构(按 “用户 ID - 样本图像” 分类),快速构建训练样本库,无需手动采集,降低系统开发与测试成本。 2. 采集过程辅助功能 人脸有效性校验:采集时通过OpenCV的Haar级联分类器(或MTCNN轻量级模型)实时检测图像中是否包含人脸,若未检测到人脸(如遮挡、侧脸角度过大),则弹窗提示 “未识别到人脸,请调整姿态”,避免无效样本存入。 样本标签管理:采集时需为每个样本绑定 “用户标签”(如姓名、ID 号),支持手动输入标签或从 Excel 名单批量导入标签(按 “标签 - 采集数量” 对应),采集完成后自动按 “标签 - 序号” 命名文件(如 “张三
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