hdu4521 小明系列问题——小明序列(条件LIS)

本文深入探讨了有条件最长递增子序列(LIS)算法的实现细节,并通过具体代码示例展示了如何利用数组存储前驱下标来优化算法。文中特别强调了在处理条件限制时的注意事项,对于理解并应用LIS算法解决实际问题具有很好的参考价值。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

明知道是有条件的LIS,但条件怎么也写不对。。。看了别人的,居然用个数组存储前驱下标,是在下输了。。。

还有注意点,写注释里了。

#include <stdio.h>
#include <string.h>
#include <algorithm>
using namespace std;

const int N = 100005;
const int INF = 1000000;

int ans, a[N], dp[N], pos[N];
int n, d;

int LIS()
{
    int i,j;
    ans = 0;
    for(i = 1; i <= n; i++)
    {
        pos[i] = lower_bound(dp + 1, dp + n + 1, a[i]) - dp;//返回插入下标值
        ans = max(ans, pos[i]);//有效下标最大长度
        j = i - d;//前驱下标
        if(j > 0) dp[pos[j]] = min(dp[pos[j]], a[j]);//更新最小有效值,由于二分查找到的下标是当前下标,所以调用前驱节点时不一定比最大值小,必须取一次最小值
    }
    return ans;
}

int main()
{
 //   freopen("in.txt", "r", stdin);
    int i;
    while(~scanf("%d%d", &n, &d))
    {
        for(i = 1; i <= n; i ++)
        {
            scanf("%d",&a[i]);
            dp[i] = INF;
        }
        printf("%d\n",LIS());
    }
    return 0;
}


内容概要:该论文聚焦于T2WI核磁共振图像超分辨率问题,提出了一种利用T1WI模态作为辅助信息的跨模态解决方案。其主要贡献包括:提出基于高频信息约束的网络框架,通过主干特征提取分支和高频结构先验建模分支结合Transformer模块和注意力机制有效重建高频细节;设计渐进式特征匹配融合框架,采用多阶段相似特征匹配算法提高匹配鲁棒性;引入模型量化技术降低推理资源需求。实验结果表明,该方法不仅提高了超分辨率性能,还保持了图像质量。 适合人群:从事医学图像处理、计算机视觉领域的研究人员和工程师,尤其是对核磁共振图像超分辨率感兴趣的学者和技术开发者。 使用场景及目标:①适用于需要提升T2WI核磁共振图像分辨率的应用场景;②目标是通过跨模态信息融合提高图像质量,解决传统单模态方法难以克服的高频细节丢失问题;③为临床诊断提供更高质量的影像资料,帮助医生更准确地识别病灶。 其他说明:论文不仅提供了详细的网络架构设计与实现代码,还深入探讨了跨模态噪声的本质、高频信息约束的实现方式以及渐进式特征匹配的具体过程。此外,作者还对模型进行了量化处理,使得该方法可以在资源受限环境下高效运行。阅读时应重点关注论文中提到的技术创新点及其背后的原理,理解如何通过跨模态信息融合提升图像重建效果。
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