冒泡排序与快速排序

本文深入探讨了两种经典排序算法——冒泡排序与快速排序的实现原理与过程。通过详细的步骤说明与代码示例,读者可以清晰理解两种算法的工作机制,包括冒泡排序的逐步比较与交换,以及快速排序的基准点选择与递归调用。

冒泡排序与快速排序

1.快速排序 :
找到一个基准点 index 假设为 开头
设置两个指针 low,high,分别指向头和尾。
high–,往下遍历,找到一个比 index 小的数字时,停住,
然后开始 low ++ ,往上遍历,找到一个 比index大的数字,停住
如果 low 比high 小 开始交换
最后 将基准点 与 low,high相等的位置交换 ,即完成了一次排序

最后 使用递归,对左边排序 ,
此时的low不变,high变为 low-1;
同理 右边排序 ,递归,

代码如下

   public static void quickSort(int[] arr,int low,int high){
	        int i,j,temp,t;
	        
	        if(low>high){
	            return;
	        }
	        
	        i=low;
	        j=high;
	        //temp就是基准位
	        temp = arr[low];
	 
	        while (i<j) {
	            //先看右边,依次往左递减
	            while (temp<=arr[j]&&i<j) {
	                j--;
	            }
	            //再看左边,依次往右递增
	            while (temp>=arr[i]&&i<j) {
	                i++;
	            }
	            //如果满足条件则交换
	            if (i<j) {
	                t = arr[j];
	                arr[j] = arr[i];
	                arr[i] = t;
	            }
	 
	        }
		        //最后将基准为与i和j相等位置的数字交换
		         arr[low] = arr[i];
		         arr[i] = temp;
		        
		        quickSort(arr, low, j-1);
		      
		        quickSort(arr, j+1, high);
	    }

2.冒泡排序
(1)从数组中第一个数开始,依次与下一个数比较并次交换比自己小的数,直到最后一个数。如果发生交换,则继续下面的步骤,如果未发生交换,则数组有序,排序结束,此时时间复杂度为O(n);
(2)每一轮”冒泡”结束后,最大的数将出现在乱序数列的最后一位。重复步骤(1)。

代码如下

public static int[] maopao(int[] x) {
		/*
		 *  (1)从数组中第一个数开始,依次与下一个数比较并次交换比自己小的数,直到最后一个数。如果发生交换,则继续下面的步骤,如果未发生交换,则数组有序,排序结束,此时时间复杂度为O(n); 
                                   (2)每一轮”冒泡”结束后,最大的数将出现在乱序数列的最后一位。重复步骤(1)。
		 */
		
		
		int length=x.length;
		for(int i=length-1;i>=0;i--) {
			for(int j=0;j<i;j++) {
				if(x[j]>x[j+1]) {
				   int temp=x[j+1];
				   x[j+1]=x[j];
				   x[j]=temp;
				   }
			}
			
		}
		
		
		
		return x;
		
	}
本指南详细阐述基于Python编程语言结合OpenCV计算机视觉库构建实时眼部状态分析系统的技术流程。该系统能够准确识别眼部区域,并对眨眼动作持续闭眼状态进行判别。OpenCV作为功能强大的图像处理工具库,配合Python简洁的语法特性丰富的第三方模块支持,为开发此类视觉应用提供了理想环境。 在环境配置阶段,除基础Python运行环境外,还需安装OpenCV核心模块dlib机器学习库。dlib库内置的HOG(方向梯度直方图)特征检测算法在面部特征定位方面表现卓越。 技术实现包含以下关键环节: - 面部区域检测:采用预训练的Haar级联分类器或HOG特征检测器完成初始人脸定位,为后续眼部分析建立基础坐标系 - 眼部精确定位:基于已识别的人脸区域,运用dlib提供的面部特征点预测模型准确标定双眼位置坐标 - 眼睑轮廓分析:通过OpenCV的轮廓提取算法精确勾勒眼睑边缘形态,为状态判别提供几何特征依据 - 眨眼动作识别:通过连续帧序列分析眼睑开合度变化,建立动态阈值模型判断瞬时闭合动作 - 持续闭眼检测:设定更严格的状态持续时间闭合程度双重标准,准确识别长时间闭眼行为 - 实时处理架构:构建视频流处理管线,通过帧捕获、特征分析、状态判断的循环流程实现实时监控 完整的技术文档应包含模块化代码实现、依赖库安装指引、参数调优指南及常见问题解决方案。示例代码需具备完整的错误处理机制性能优化建议,涵盖图像预处理、光照补偿等实际应用中的关键技术点。 掌握该技术体系不仅有助于深入理解计算机视觉原理,更为疲劳驾驶预警、医疗监护等实际应用场景提供了可靠的技术基础。后续优化方向可包括多模态特征融合、深度学习模型集成等进阶研究领域。 资源来源于网络分享,仅用于学习交流使用,请勿用于商业,如有侵权请联系我删除!
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