kmp模板

变量及函数名:

a[ ] 母串      b[ ] 子串      m 子串长度      n 母串长度       nextl[ ]  next数组    

pos  子串位置    coun  子串数量   //找第一个子串和统计有多少个子串是两个操作

作为学习总结,写上kmp的思路



#include<bits/stdc++.h>
using namespace std;
const int maxn=10e3;
char a[maxn],b[maxn];
int nextl[maxn];

void crenext()
{
   memset(nextl,0,sizeof(nextl));
    nextl[0]=-1;
    int j;
    int m=strlen(b)-1;
    for(int i=1;i<=m;i++)
    {

        j=nextl[i-1];
        while(b[j+1]!=b[i]&&j>=0)
        {
            j=nextl[j];
        }
        if(b[j+1]==b[i])
        nextl[i]=j+1;
        else
            nextl[i]=-1;
    }
     for(int i=0;i<=m;i++)
      nextl[i]++;
      /*for(int i=0;i<m;i++)
        cout<<nextl[i]<<" ";*/
}

int main()
{
    memset(b,0,sizeof(b));memset(a,0,sizeof(a));
    while(cin>>b>>a)
    {
        crenext();
        int m=strlen(b),n=strlen(a);
        int i=0,j=0,pos=-1,coun=0;
        while(i<n)
        {

            if(a[i]!=b[j])
            {

                if(j!=0)
                {

                    j=nextl[j-1];
                }
                else
                {
                    i++;
                }
            }
            else
            {

                i++;j++;
            }
            if(j==m){pos=i;break;}
     //   if(j==m){coun++;}
        }


     //   cout<<coun<<endl;

    if(pos!=-1)

    cout<<pos-m+1<<endl;
    else cout<<-1;


    }


    return 0;}

之前next写太烂了,补一个

经验教训表明搞出来的next还是第一位(下标为0的那个)放一个-1,第二位开始放东西好些

const int maxn=100000;
char b[maxn];
int nextl[maxn];
void getnext()
{
    memset(nextl,0,sizeof(nextl));
    int l=strlen(b);
    nextl[0]=-1;
    int pb=0,pn=-1;
    while(pb<l)
    {
        if(pn==-1||b[pb]==b[pn])
        {
            pb++;
            pn++;
            nextl[pb]=pn;
        }
        else
        {
            pn=nextl[pn];
        }
    }
}


根据原作 https://pan.quark.cn/s/459657bcfd45 的源码改编 Classic-ML-Methods-Algo 引言 建立这个项目,是为了梳理和总结传统机器学习(Machine Learning)方法(methods)或者算法(algo),和各位同仁相互学习交流. 现在的深度学习本质上来自于传统的神经网络模型,很大程度上是传统机器学习的延续,同时也在不少时候需要结合传统方法来实现. 任何机器学习方法基本的流程结构都是通用的;使用的评价方法也基本通用;使用的一些数学知识也是通用的. 本文在梳理传统机器学习方法算法的同时也会顺便补充这些流程,数学上的知识以供参考. 机器学习 机器学习是人工智能(Artificial Intelligence)的一个分支,也是实现人工智能最重要的手段.区别于传统的基于规则(rule-based)的算法,机器学习可以从数据中获取知识,从而实现规定的任务[Ian Goodfellow and Yoshua Bengio and Aaron Courville的Deep Learning].这些知识可以分为四种: 总结(summarization) 预测(prediction) 估计(estimation) 假想验证(hypothesis testing) 机器学习主要关心的是预测[Varian在Big Data : New Tricks for Econometrics],预测的可以是连续性的输出变量,分类,聚类或者物品之间的有趣关联. 机器学习分类 根据数据配置(setting,是否有标签,可以是连续的也可以是离散的)和任务目标,我们可以将机器学习方法分为四种: 无监督(unsupervised) 训练数据没有给定...
本系统采用微信小程序作为前端交互界面,结合Spring Boot与Vue.js框架实现后端服务及管理后台的构建,形成一套完整的电子商务解决方案。该系统架构支持单一商户独立运营,亦兼容多商户入驻的平台模式,具备高度的灵活性与扩展性。 在技术实现上,后端以Java语言为核心,依托Spring Boot框架提供稳定的业务逻辑处理与数据接口服务;管理后台采用Vue.js进行开发,实现了直观高效的操作界面;前端微信小程序则为用户提供了便捷的移动端购物体验。整套系统各模块间紧密协作,功能链路完整闭环,已通过严格测试与优化,符合商业应用的标准要求。 系统设计注重业务场景的全面覆盖,不仅包含商品展示、交易流程、订单处理等核心电商功能,还集成了会员管理、营销工具、数据统计等辅助模块,能够满足不同规模商户的日常运营需求。其多店铺支持机制允许平台方对入驻商户进行统一管理,同时保障各店铺在品牌展示、商品销售及客户服务方面的独立运作空间。 该解决方案强调代码结构的规范性与可维护性,遵循企业级开发标准,确保了系统的长期稳定运行与后续功能迭代的可行性。整体而言,这是一套技术选型成熟、架构清晰、功能完备且可直接投入商用的电商平台系统。 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