链表面试题(二)

1.判断单链表是否带环?

//判断是否带环 我们可以用快慢指针思想  我们来两个指针一个 一个每次走一步 
//一个每次走两步 如果不带环那么它两走到最后是不会碰面的 反之 如果带环
//那么它们迟早会碰面 

ListNode* HaveLoop(ListNode* phead)
{
       if(pHead==NULL)
          return NULL;
       ListNode* fast=phead;
       ListNode* slow=Phead;
       while(fast&&fast->next){
           fast=fast->next->next;
           slow=slow->next;
           if(slow==fast)
              return slow;
       }
       return NUll;
} 

2.如果链表带环求环的长度

//求换的长度  我们可以借助上面判断是否有环的返回值  你想想
//链表有环 两个指针相遇那么肯定是在环内相 遇 记录慢指针的为主 那么我们
//只需要来一个指针让它从慢指针走 然后再次回到慢指针的位置即可
int lengthloop(ListNode* phead)
{
     ListNode* tmp=HaveLoop(phead);
     int count=0;
     if(tmp!=NULL){
         ListNode* cur=tmp;
         while(cur!=tmp)
         {
            cur=cur->next;
            count++;
         }
     }
   return count;
}

3.如果链表带环 那么求环的入口点

//思路还是一样滴  快慢指针 先让两个指针都走 然后记录它们的相遇点 
//此时快指针从新重新指向头结点 然后让慢指针从相遇点 快指针从头结点
//一步一步走 那么它们再次相遇的点就是入口   (画图一幕了然)


 ListNode* FindEntry(ListNode* pHead)
{
     assert(pHead);
     SListNode* fast = pHead;
     SListNode*slow = pHead;
    while (fast&&fast->next)  //让快指针追上慢指针
    {
        fast = fast->next->next; 
        slow = slow->next;
        if (fast == slow)
        {
            break;
        }
    }
    fast = pHead;   //再让快指针指向头结点
    while (fast != slow)  //两指针都走一步,当两指针在此相遇时,就是入口点
    {
        fast = fast->next;
        slow = slow->next;
    }
    return fast;
}

4.判断两个链表是否相交,若相交,求交点。(假设链表不带环)

//思路一:我们先遍历到链表一到它的尾部 然后让它尾部指向链表二的头部
//此时如果两个链表没有相交的话那么它们会变成一个链表 
//如果它们相交的话那就相当于一个链表里有了环 
//所以连接后就变成了判断是否带环问题  交点就是环的入口

//思路二: 我们遍历两个链表 如果链表相加那么它们的最后一个结点必定是一样的
//如果相同,则相交;否则不相交。
//求交点可以这样搞 计算链表1与链表2的长度之差 然后让长链表先走差的绝对值步
//然后一起走 当结点相同时 就是交点

int length(ListNode* phead){  
     if(phead==NULL)
         return 0;
      int count=0;
      ListNode* cur=phead;
      while(cur!=NULL){
         cur=cur->next;
         count++;
      }
      return count;
}

ListNode* ISintersect(ListNode* phead1,ListNode* phead2){
        if(phead1==NULL||phead2==NULL)
           return NULL;
        int len1=length(phead1);
        int len2=length(phead2);
        ListNode* long=NULL;
        ListNode* short=NULL;
        ListNode* p1=phead1;
        ListNode* p2=phead2;
        while(p1!=NULL){
           p1=p1->next;
        }  
        while(p2!=NULL)
        {
         p2=p2->next;
        } 
        if(p1!=NULL)
           return NULL;
        int count=(len1-len2)<0?(-1)*(len1-len2):(len1-len2);
        if(len1>len2){
           long=phead1;
           short=phead2;
        } else{
           long=phead2;
           short=phead1;
        }
        while(count)
        {
            long=long->next;
            count--;
        }
        while(long!=short){
           long=long->next;
           short=short->next;
        }
     return long;
}

5.判断两个链表是否相交,若相交,求交点。(假设链表可能带环)

//这题我们可以先分情况捋一捋 第一种两个都不带换那么就按上一个题的方法解决
//第二种 一个带环 一个不带环 这种情况它们可定不想交 如果相交那么就变成
//两个链表都带环了 
//第三种就是两个都带环了  这个又分两种 交点在环上 那么我们可以去掉环当成
//无环问题解决求交点   如果交点在环上 那么就有可能有两个交点 得把两个都找出来

ListNode* Istersect(ListNode* plist1, ListNode* plist2)
{
      if(plist1==NULL||plist2==NULLreturn NULL;
    ListNode* enter1 = HaveLoop(plist1);//判断是否有环
    ListNode* enter2 = HaveLoop(plist2);
    ListNode* node1=FindEntry(plist1);
    ListNode* node2=FindEntry(plist2);

    if ((enter1 == NULL) && (enter2 == NULL))  //第一种情况
    {
        return ISintersect(plist1, plist2);
    }

    else if ((enter1 == NULL) && (enter2 != NULL) || (enter1 != NULL) && (enter2 == NULL)) //第二种情况
    {
        return NULL;
    }
    else if (node1 == node2) //第三种 当只有一个入口点时  交点就只有一个
    {
        node1->next = NULL;
        node2->next = NULL;
        return ISintersect(plist1, plist2);
    }
    else    //当有两个入口时 
    {
        ListNode* tmp = node1->next;
        while (tmp != node1)
        {
            if (tmp == node2)
            {
                return enter1;
            }
            tmp = tmp->next;
        }
        return NULL;
    }
训练数据保存为deep_convnet_params.pkl,UI使用wxPython编写。卷积神经网络(CNN)是一种专门针对图像、视频等结构化数据设计的深度学习模型,在计算机视觉、语音识别、自然语言处理等多个领域有广泛应用。其核心设计理念源于对生物视觉系统的模拟,主要特点包括局部感知、权重共享、多层级抽象以及空间不变性。 **1. 局部感知与卷积操作** 卷积层是CNN的基本构建块,使用一组可学习的滤波器对输入图像进行扫描。每个滤波器在图像上滑动,以局部区域内的像素值与滤波器权重进行逐元素乘法后求和,生成输出值。这一过程能够捕获图像中的边缘、纹理等局部特征。 **2. 权重共享** 同一滤波器在整个输入图像上保持相同的权重。这显著减少了模型参数数量,增强了泛化能力,并体现了对图像平移不变性的内在假设。 **3. 池化操作** 池化层通常紧随卷积层之后,用于降低数据维度并引入空间不变性。常见方法有最大池化和平均池化,它们可以减少模型对微小位置变化的敏感度,同时保留重要特征。 **4. 多层级抽象** CNN通常包含多个卷积和池化层堆叠在一起。随着网络深度增加,每一层逐渐提取更复杂、更抽象的特征,从底层识别边缘、角点,到高层识别整个对象或场景,使得CNN能够从原始像素数据中自动学习到丰富的表示。 **5. 激活函数与正则化** CNN中使用非线性激活函数来引入非线性表达能力。为防止过拟合,常采用正则化技术,如L2正则化和Dropout,以增强模型的泛化性能。 **6. 应用场景** CNN在诸多领域展现出强大应用价值,包括图像分类、目标检测、语义分割、人脸识别、图像生成、医学影像分析以及自然语言处理等任务。 **7. 发展与演变** CNN的概念起源于20世纪80年代,其影响力在硬件加速和大规模数据集出现后真正显现。经典模型如LeNet-5用于手写数字识别,而AlexNet、VGG、GoogLeNet、ResNet等现代架构推动了CNN技术的快速发展。如今,CNN已成为深度学习图像处理领域的基石,并持续创新。 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
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