8_ST表

ST表全名为Sparse Table,适用于数组固定、频繁查询一定范围内数组最小/最大值的场景。常规建表时间复杂度为O(n^2),ST表通过区间二分将建表复杂度降至O(nlogn),查询复杂度仍为O(1),建表过程运用动态规划。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

  • 全名叫Sparse Table

  • 这种数据结构针对的应用场景是数组固定、频繁查询一定范围内数组的最小/最大值。由于查询是频繁的,所以要考虑使用表来预存储信息。常规的想法是存储所有从i到k范围内的最小值,这样查询的时间复杂度是O(1),但是建表的时间复杂度是O(n^2)。

    那ST表的做法是想办法将建表复杂度从O(n2)降到O(nlogn)。为了完成这一操作,需要考虑将区间长度每次二分,这样就会出现logn一项。具体操作是见一个二维表table,其中table[i][j]代表起始位置是i、查询区间长度为2j的最小值。这样table表的行数为数组的元素个数,列数为[log2(数组的元素个数)]+1;table表的第一列就是数组本身,接下来每一列的建表过程是动态规划的过程(将区间二分,取两者最小值):table[i][j] = min(table[i, j/2], table[i+2^(j-1), j/2),这样建表的时间复杂度下降到了O(nlogn)。查询的过程是把查询[a, b]区间内的最小值,等价转化为求[a, c]和[d, b]之间最小值的较小量,两段期间可以重叠,但是长度要一致,区间的长度是2 ^ ([log(b-a)]),因此查询的时间复杂度依然是O(1)。

  • 直接上代码

      class SparseTable {
    
          public static void main(String[] args) {
    
              List<Integer> list = Arrays.asList(10, 3, 2, -1, -2, 9, 7, 1, 4, 8, 11, 6, 5, -4);
              //Collections.shuffle(list);
              
              int[] array = new int[list.size()];
              for (int i = 0; i < list.size(); i++) {
                  array[i] = list.get(i);
              }
    
              //System.out.println(Arrays.toString(array));
              //System.out.println();
    
              SparseTable sparseTable = new SparseTable(array);
              //sparseTable.printTable();
    
              System.out.println("sparseTable.findMinElement(0, 14)  " + sparseTable.findMinElement(0, 14));
              System.out.println("sparseTable.findMinElement(0, 14)  " + sparseTable.findMinElement(0, 8));
          }
    
          // ST table
          private int[][] table;
    
          public SparseTable(final int[] array) {
    
              if (array == null || array.length == 0) {
                  throw new UnsupportedOperationException();
              }
    
              int tableLength = findTableLength(array.length);
              this.table = new int[array.length][tableLength];
    
              initFirstColumn(array);
              buildTable();
          }
    
          private int findTableLength(final int arrayLength) {
    
              int highestOneBit = Integer.highestOneBit(arrayLength);
    
              return (highestOneBit == arrayLength ? 1 + indexOfOneBit(highestOneBit) : 2 + indexOfOneBit(highestOneBit));
          }
    
          private int indexOfOneBit(final int highestOneBit) {
    
              int startIndex = 0, endIndex = 31;
    
              while (startIndex < endIndex) {
    
                  int middleIndex = startIndex + (endIndex - startIndex) / 2;
                  int currentResult = (1 << middleIndex);
    
                  if (currentResult == highestOneBit) {
                      return middleIndex;
                  } else if (currentResult > highestOneBit) {
                      endIndex = middleIndex;
                  } else {
                      startIndex = middleIndex;
                  }
              }
    
              return -1;
          }
    
          private void initFirstColumn(final int[] array) {
    
              for (int i = 0; i < array.length; i++) {
                  this.table[i][0] = array[i];
              }
          }
    
          private void buildTable() {
    
              for (int lengthIndexOfTwo = 1;lengthIndexOfTwo < table[0].length; lengthIndexOfTwo++) {
    
                  for (int startIndex = 0; startIndex + (1 << (lengthIndexOfTwo - 1)) < table.length; startIndex++) {
    
                      table[startIndex][lengthIndexOfTwo]
                          = Math.min(table[startIndex][lengthIndexOfTwo - 1],
                                     table[startIndex + (1 << (lengthIndexOfTwo - 1))][lengthIndexOfTwo - 1]);
                  }
              }
          }
    
          public void printTable() {
    
              for (int row = 0; row < table.length; row++) {
                  for (int col = 0; col < table[row].length; col++) {
    
                      if (table[row][col] == 0) {
                          System.out.print("  ");
                      } else {
                          System.out.print(table[row][col]);
                      }
    
                      System.out.print(", ");
                  }
                  System.out.println();
              }
          }
    
          /**
           * To find the minimum element within a range.
           *
           * @param startIndex the start index of the searching range (inclusive)
           * @param endIndex   the end index of the searching range (exclusive)
           * @return the minimum element with the range
           */
           public int findMinElement(int startIndex, int endIndex) {
    
               int rangeLength = endIndex - startIndex;
               int highestOneBit = Integer.highestOneBit(rangeLength);
               int indexOfHighestOneBit = indexOfOneBit(highestOneBit);
    
               if (highestOneBit == rangeLength) {
                   return table[startIndex][indexOfHighestOneBit];
               } else {
                   return Math.min(table[startIndex][indexOfHighestOneBit],
                  table[endIndex - highestOneBit][indexOfHighestOneBit]);
               }
           }
      }
    
资源下载链接为: https://pan.quark.cn/s/abbae039bf2a 无锡平芯微半导体科技有限公司生产的A1SHB三极管(全称PW2301A)是一款P沟道增强型MOSFET,具备低内阻、高重复雪崩耐受能力以及高效电源切换设计等优势。其技术规格如下:最大漏源电压(VDS)为-20V,最大连续漏极电流(ID)为-3A,可在此条件下稳定工作;栅源电压(VGS)最大值为±12V,能承受正反向电压;脉冲漏极电流(IDM)可达-10A,适合处理短暂高电流脉冲;最大功率耗散(PD)为1W,可防止器件过热。A1SHB采用3引脚SOT23-3封装,小型化设计利于空间受限的应用场景。热特性方面,结到环境的热阻(RθJA)为125℃/W,即每增加1W功率损耗,结温上升125℃,提示设计电路时需考虑散热。 A1SHB的电气性能出色,开关特性优异。开关测试电路及波形图(图1、图2)展示了不同条件下的开关性能,包括开关上升时间(tr)、下降时间(tf)、开启时间(ton)和关闭时间(toff),这些参数对评估MOSFET在高频开关应用中的效率至关重要。图4呈现了漏极电流(ID)与漏源电压(VDS)的关系,图5描绘了输出特性曲线,反映不同栅源电压下漏极电流的变化。图6至图10进一步揭示性能特征:转移特性(图7)显示栅极电压(Vgs)对漏极电流的影响;漏源开态电阻(RDS(ON))随Vgs变化的曲线(图8、图9)展现不同控制电压下的阻抗;图10可能涉及电容特性,对开关操作的响应速度和稳定性有重要影响。 A1SHB三极管(PW2301A)是高性能P沟道MOSFET,适用于低内阻、高效率电源切换及其他多种应用。用户在设计电路时,需充分考虑其电气参数、封装尺寸及热管理,以确保器件的可靠性和长期稳定性。无锡平芯微半导体科技有限公司提供的技术支持和代理商服务,可为用户在产品选型和应用过程中提供有
### Landsat 8 Collection 2 Surface Temperature 数据处理及应用 #### 地温度数据概述 Landsat 8 Collection 2 Level-2 (L2) 提供了经过大气校正后的地反射率和地温度(Surface Temperature, ST)产品。这些产品的生成基于高质量的大气模型和辐射传输算法,能够有效减少大气效应的影响[^1]。 #### 数据结构与组成 Landsat 8 C2 L2 地温度数据通常以 GeoTIFF 格式存储,文件名中带有 `_ST_B10.TIF` 的标记,示该波段来源于 Thermal Infrared Sensor (TIRS) 波段 10。此外,还提供了质量评估(QA)波段,帮助用户识别云、阴影和其他可能干扰地温度计算的因素。 #### 处理流程 以下是利用 Landsat 8 C2 L2 数据进行地温度分析的主要步骤: 1. **获取原始数据** 用户可以从 USGS EarthExplorer 或 Google Earth Engine 下载所需的 Landsat 8 C2 L2 数据集。 2. **预处理** 需要对下载的数据进行裁剪、拼接等操作,以便聚焦于目标区域。如果使用的是未加工的 C1 数据,则需先转换为面反射率并估算地温度[^3]。 3. **去除噪声** 利用地温度 QA 波段筛选出受云层或其他异常条件影响较小的有效像素。 4. **单位转换** 如果数据是以 Kelvin 单位提供的,可以通过简单的算术运算将其转换为摄氏度或华氏度: ```python import rasterio with rasterio.open('path_to_st_band.tif') as src: st_data = src.read(1) # 转换为摄氏度 celsius_temperature = st_data - 273.15 ``` 5. **空间分析** 基于得到的地温度栅格图层,可执行多种空间统计分析,例如最大值、最小值、平均值分布制图等。 #### 应用领域 Landsat 8 C2 L2 地温度数据广泛应用于多个学科领域,具体如下: - **气候变化研究**:监测长时间序列内的地温度变化趋势,揭示全球变暖现象及其区域性特征。 - **农业管理**:通过分析作物生长期间的土壤湿度与温度关系优化灌溉策略[^2]。 - **城市规划**:识别热岛效应严重的地区,指导绿色基础设施建设以缓解高温问题。 - **灾害响应**:快速评估火灾前后土地覆盖的变化情况以及火山活动中的熔岩流动路径预测。 ```python import ee ee.Initialize() # 加载Landsat 8 C2 L2集合 dataset = ee.ImageCollection('LANDSAT/LC08/C02/T1_L2') # 定义感兴趣区(AOI) aoi = ee.Geometry.Rectangle([longitude_min, latitude_min, longitude_max, latitude_max]) # 筛选时间范围内的影像 filtered = dataset.filterDate('YYYY-MM-DD', 'YYYY-MM-DD').filterBounds(aoi) # 获取地温度波段(ST_B10),并可视化 lst = filtered.select('ST_B10') palette = ['blue', 'cyan', 'green', 'yellow', 'red'] map_id_dict = lst.getMapId({'min': min_temp, 'max': max_temp, 'palette': palette}) ```
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