28. Implement strStr()

本文介绍了一个简单的C++实现,用于查找一个字符串是否为另一个字符串的子串,并返回子串起始位置的索引。如果未找到子串,则返回-1。

Implement strStr().

Returns the index of the first occurrence of needle in haystack, or -1 if needle is not part of haystack.


Seen this question in a real interview before?   
Yes
 


给定字符串A和字符串B,查看B是否是A的子串,如果是,返回B在A串中的首字母的指针索引,如果没有,则返回-1

class Solution {
public:
    int strStr(string haystack, string needle) {
        for(int i=0;;i++)
		{
			for(int j=0;;j++)
			{
				if(j==needle.size())
					return i;
				if(i+j == haystack.size())
					return -1;
				if(needle[j]!=haystack[i+j])
					break;
			}
		}
    }
};
或者感觉前面的难懂:可以这样:

class Solution {
public:
    int strStr(string haystack, string needle) {
        if(needle.empty())
			return 0;
		int h1 = haystack.length();
		int h2 = needle.length();
		if(h1<h2)
			return -1;
		if(h1==h2)
			return haystack==needle ? 0 : -1;
		int i;
		for(i=0;i<h1;i++)
		{
			bool found=true;
			for(int j=0;j<h2;j++)
			{
				if(haystack[i+j]!=needle[j])
				{
					found = false;
					break;
				}
			}
			if(found)    //如果在i=0的时候完美匹配,那么就直接跳出循环
				break;
		}
		return i > h1-h2 ? -1 : i;
    }
};


内容概要:本文提出了一种基于融合鱼鹰算法和柯西变异的改进麻雀优化算法(OCSSA),用于优化变分模态分解(VMD)的参数,进而结合卷积神经网络(CNN)与双向长短期记忆网络(BiLSTM)构建OCSSA-VMD-CNN-BILSTM模型,实现对轴承故障的高【轴承故障诊断】基于融合鱼鹰和柯西变异的麻雀优化算法OCSSA-VMD-CNN-BILSTM轴承诊断研究【西储大学数据】(Matlab代码实现)精度诊断。研究采用西储大学公开的轴承故障数据集进行实验验证,通过优化VMD的模态数和惩罚因子,有效提升了信号分解的准确性与稳定性,随后利用CNN提取故障特征,BiLSTM捕捉时间序列的深层依赖关系,最终实现故障类型的智能识别。该方法在提升故障诊断精度与鲁棒性方面表现出优越性能。; 适合人群:具备一定信号处理、机器学习基础,从事机械故障诊断、智能运维、工业大数据分析等相关领域的研究生、科研人员及工程技术人员。; 使用场景及目标:①解决传统VMD参数依赖人工经验选取的问题,实现参数自适应优化;②提升复杂工况下滚动轴承早期故障的识别准确率;③为智能制造与预测性维护提供可靠的技术支持。; 阅读建议:建议读者结合Matlab代码实现过程,深入理解OCSSA优化机制、VMD信号分解流程以及CNN-BiLSTM网络架构的设计逻辑,重点关注参数优化与故障分类的联动关系,并可通过更换数据集进一步验证模型泛化能力。
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