java数据结构和算法 - 2

本文介绍了几种基本的数据结构和算法,包括有序数组的二分查找、队列及循环队列的特点,以及三种简单的排序算法:冒泡排序、选择排序和插入排序。详细分析了各种方法的时间复杂度和应用场景。

有序数组(二分查找): 

查找速度比无序数组快很多,但是插入速度由于靠后的数据需要移动以腾开.删除速度和无序数组一样很慢.实用场景适合于查找频繁的系统,比如公司雇员的数据库.

当数据越多,二分法查找的优势就越大.


简单排序:

冒泡排序(最简单) 算法作了大约N²/2次的比较.如果数据是随机的,那么大约有一半需要交换,交换次数是N²/4.

只要是一个循环嵌套在另一个循环里面,这个算法的运行时间为O(N²)级.

在许多算法中,有些条件在执行过程中是不变的,这些条件被称为不变性.

选择排序:

选择排序会检查所有的数据,最后把最小的数据放在最左边,相比冒泡排序减少了交换的次数,

但是比较次数还是一样,选择排序比冒泡排序快.

插入排序:

插入排序会比较数据,进行局部排序,从无序数据中插入到有序排序中.插入排序比冒泡排序快一倍,比选择排序还要快一点.比较效率是N*(N-1) / 4


队列:

队列是一种数据结构.

通常实现队列时,删除的数据项还保存在内存中,只是它不能被访问了.

循环队列:

环绕式处理,避免列队不满却不能插入新数据的问题,可以让队头队尾指针绕回到数组开始的位置.




内容概要:本文介绍了ENVI Deep Learning V1.0的操作教程,重点讲解了如何利用ENVI软件进行深度学习模型的训练与应用,以实现遥感图像中特定目标(如集装箱)的自动提取。教程涵盖了从数据准备、标签图像创建、模型初始化与训练,到执行分类及结果优化的完整流程,并介绍了精度评价与通过ENVI Modeler实现一键化建模的方法。系统基于TensorFlow框架,采用ENVINet5(U-Net变体)架构,支持通过点、线、面ROI或分类图生成标签数据,适用于多/高光谱影像的单一类别特征提取。; 适合人群:具备遥感图像处理基础,熟悉ENVI软件操作,从事地理信息、测绘、环境监测等相关领域的技术人员或研究人员,尤其是希望将深度学习技术应用于遥感目标识别的初学者与实践者。; 使用场景及目标:①在遥感影像中自动识别提取特定地物目标(如车辆、建筑、道路、集装箱等);②掌握ENVI环境下深度学习模型的训练流程与关键参数设置(如Patch Size、Epochs、Class Weight等);③通过模型调优与结果反馈提升分类精度,实现高效自动化信息提取。; 阅读建议:建议结合实际遥感项目边学边练,重点关注标签数据制作、模型参数配置与结果后处理环节,充分利用ENVI Modeler进行自动化建模与参数优化,同时注意软硬件环境(特别是NVIDIA GPU)的配置要求以保障训练效率。
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