模板 - 主席树

#include<bits/stdc++.h>
#define mid ((l+r)>>1)
using namespace std;
typedef long long ll;

const int MAXN = 200000 + 5;
int T[MAXN], tcnt;
int cnt[MAXN << 5], L[MAXN << 5], R[MAXN << 5];
ll sum[MAXN << 5];

int a[MAXN], rnk[MAXN], val[MAXN];

inline int build(int l, int r) {
    int rt = ++tcnt;
    cnt[rt] = 0;
    sum[rt] = 0;
    if(l < r) {
        L[rt] = build(l, mid);
        R[rt] = build(mid + 1, r);
    }
    return rt;
}

inline int update(int pre, int l, int r, int x, int val) {
    int rt = ++tcnt;
    R[rt] = R[pre];
    L[rt] = L[pre];
    cnt[rt] = cnt[pre] + 1;
    //这里传入的是离散化后的x,那应该加上x对应的原值val
    sum[rt] = sum[pre] + val;
    if(l < r) {
        if(x <= mid)
            L[rt] = update(L[pre], l, mid, x, val);
        else
            R[rt] = update(R[pre], mid + 1, r, x, val);
    }
    return rt;
}

//查询[u-1,v]中排名为rk的数
inline int query0(int u, int v, int l, int r, int rk) {
    //比整个区间的数都多,那是INF
    if(rk>cnt[v]-cnt[u])
        exit(-1);
    //直到进入一个叶子
    while(l < r) {
        int tmp=cnt[L[v]] - cnt[L[u]];
        if(tmp < rk) {
            //整个左子树加起来的数量都是<rk,所以这个排名在右子树中
            rk-=tmp;
            u = R[u], v = R[v], l = mid + 1;
        } else{
            u = L[u], v = L[v], r = mid;
        }
    }
    //最后到达了一个叶子
    return val[l] ;
}

//查询[u-1,v]中值为va的数的排名
inline int query1(int u, int v, int l, int r, int va) {
    //比整个最大的数都大,那就
    if(va>val[r])
        return cnt[v]-cnt[u]+1;
    //直到进入一个叶子
    while(l < r) {
        if(val[mid] < va) {
            //左子树的最大值比这个小,进入右子树
            u = R[u], v = R[v], l = mid + 1;
        } else{
            u = L[u], v = L[v], r = mid;
        }
    }
    //最后到达了一个叶子
    return l;
}

//查询[u-1,v]中排名不超过rk的数的个数
inline int query2(int u, int v, int l, int r, int rk) {
    int res = 0;
    while(l < r && rk < r) {
        if(mid <= rk) {
            //整个左子树都是<=rk
            res += cnt[L[v]] - cnt[L[u]];
            u = R[u], v = R[v], l = mid + 1;
        } else
            u = L[u], v = L[v], r = mid;
    }
    if(rk >= l)
        res += cnt[v] - cnt[u];
    return res ;
}

//查询[u-1,v]中排名不超过rk的数的和
inline ll query3(int u, int v, int l, int r, int rk) {
    //上面的cnt变成sum
}

//查询[u-1,v]中值不超过va的数的个数
inline int query4(int u, int v, int l, int r, int va) {
    int res = 0;
    while(l < r && va < val[r]) {
        if(val[mid] <= va) {
            //整个左子树都是<=v
            res += cnt[L[v]] - cnt[L[u]];
            u = R[u], v = R[v], l = mid + 1;
        } else
            u = L[u], v = L[v], r = mid;
    }
    if(va >= val[l])
        res += cnt[v] - cnt[u];
    return res ;
}

//查询[u-1,v]中值不超过va的数的和
inline ll query5(int u, int v, int l, int r, int va) {
    //上面的cnt变成sum
}

int main() {
#ifdef Yinku
    freopen("Yinku.in", "r", stdin);
#endif // Yinku
    int n, q;
    while(~scanf("%d%d", &n, &q)) {
        for(int i = 1; i <= n; i ++) {
            scanf("%d", &a[i]);
            rnk[i] = a[i];
        }
        sort(rnk + 1, rnk + 1 + n);
        int cb = unique(rnk + 1, rnk + 1 + n) - rnk - 1;
        tcnt = 0;
        T[0] = build(1, cb);
        for(int i = 1; i <= n; i ++) {
            int rk = lower_bound(rnk + 1, rnk + 1 + cb, a[i]) - rnk;
            val[rk] = a[i];
            T[i] = update(T[i - 1], 1, cb, rk, val[rk]);
        }
        while(q--) {
            int l, r, k;
            scanf("%d%d%d", &l, &r, &k);
            printf("%d\n", query0(T[l - 1], T[r], 1, cb, k));
        }
    }
    return 0;
}

转载于:https://www.cnblogs.com/Inko/p/11468161.html

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和提取特定地物目标(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
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符  | 博主筛选后可见
 
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