HDU1403 Longest Common Substring

Longest Common Substring

Time Limit: 8000/4000 MS (Java/Others)    Memory Limit: 65536/32768 K (Java/Others)
Total Submission(s): 3851    Accepted Submission(s): 1443


Problem Description
Given two strings, you have to tell the length of the Longest Common Substring of them.

For example:
str1 = banana
str2 = cianaic

So the Longest Common Substring is "ana", and the length is 3.
 

Input
The input contains several test cases. Each test case contains two strings, each string will have at most 100000 characters. All the characters are in lower-case.

Process to the end of file.
 

Output
For each test case, you have to tell the length of the Longest Common Substring of them.
 

Sample Input
banana cianaic
 

Sample Output
3
 

Author
Ignatius.L
 

后缀数组的模板题。。。代码加了注释

#include<cstdio>
#include<cstring>
using namespace std;
const int MAXN=1000010;
int wa[MAXN],wb[MAXN],wv[MAXN],ws[MAXN];
int sa[MAXN],r[MAXN<<1];
int cmp(int *r,int a,int b,int l)
{
    return r[a]==r[b]&&r[a+l]==r[b+l];
}
void da(int *r,int *sa,int n,int m)
{
    int i,j,p,*x=wa,*y=wb,*t;
    //对长度为1的字符串排序
    for(i=0;i<m;i++)
        ws[i]=0;
    for(i=0;i<n;i++)    //统计各个字符的数量
        ws[x[i]=r[i]]++;
    for(i=1;i<m;i++)    //统计不大于i的字符的数量
        ws[i]+=ws[i-1];
    for(i=n-1;i>=0;i--)
        sa[--ws[x[i]]]=i;   //从字符串尾部开始排名,求后缀,字符串长字典序大
    for(j=1,p=1;p<n;j*=2,m=p)
    {
        for(p=0,i=n-j;i<n;i++)  //y里保存的是第二关键字的排序结果,结合图后j很弱字符串的第二关键都是0
            y[p++]=i;
        for(i=0;i<n;i++)    //第二关键字的排序可以直接根据第一次排序的sa来看
            if(sa[i]>=j)    //sa里存的是排名第i的是谁
            y[p++]=sa[i]-j;
        for(i=0;i<n;i++)    //x保存了rank的值,用y又是运用了第二关键字排序的结果,也是基数排序的要求
            wv[i]=x[y[i]];  //y[i]相当于是进行了第二关键字排序的字符的下标
        //对第一关键字基数排序
        for(i=0;i<m;i++)
            ws[i]=0;
        for(i=0;i<n;i++)
            ws[wv[i]]++;
        for(i=1;i<m;i++)
            ws[i]+=ws[i-1];
        for(i=n-1;i>=0;i--)
            sa[--ws[wv[i]]]=y[i];       //y[i]才是下标
        for(t=x,x=y,y=t,p=1,x[sa[0]]=0,i=1;i<n;i++)
            x[sa[i]]=cmp(y,sa[i-1],sa[i],j)?p-1:p++;//rank值相同位置也要相同
    }
    return;
}
int rank[MAXN],height[MAXN];
void callheight(int *r,int *sa,int n)
{
    int i,j,k=0;
    for (i=1;i<=n;++i)  //rank里记录的是排名
        rank[sa[i]]=i;
    for (i=0;i<n;height[rank[i++]]=k)
        for(k?k--:0,j=sa[rank[i]-1];r[i+k]==r[j+k];++k);    //那个结论height[rank[i]]>=height[rank[i-1]]-1
    return; //k==0不动,不为0就要减一
}
char s[MAXN<<1];
int main()
{
    int i;
    while(scanf("%s",s)!=EOF)
    {
        int len=strlen(s);
        s[len]='0'; //要将两个串合成一条串,然后求他子串的最长公共前缀就行
        int len1=len;
        scanf("%s",s+1+len);
        len=strlen(s);
        for(i=0;i<len;i++)
            r[i]=s[i];
        r[len]=0;
        da(r,sa,len+1,300);
        callheight(r,sa,len);
        int ans=0;
        for(i=2;i<=len;i++)
        {
            if(ans<height[i])
            {
                if((sa[i]>len1&&sa[i-1]<len1)||(sa[i]<len1&&sa[i-1]>len1))  //sa记录的是排名第几的是谁
                    ans=height[i];
            }
        }
        printf("%d\n",ans);
    }
    return 0;
}




内容概要:该论文聚焦于T2WI核磁共振图像超分辨率问题,提出了一种利用T1WI模态作为辅助信息的跨模态解决方案。其主要贡献包括:提出基于高频信息约束的网络框架,通过主干特征提取分支和高频结构先验建模分支结合Transformer模块和注意力机制有效重建高频细节;设计渐进式特征匹配融合框架,采用多阶段相似特征匹配算法提高匹配鲁棒性;引入模型量化技术降低推理资源需求。实验结果表明,该方法不仅提高了超分辨率性能,还保持了图像质量。 适合人群:从事医学图像处理、计算机视觉领域的研究人员和工程师,尤其是对核磁共振图像超分辨率感兴趣的学者和技术开发者。 使用场景及目标:①适用于需要提升T2WI核磁共振图像分辨率的应用场景;②目标是通过跨模态信息融合提高图像质量,解决传统单模态方法难以克服的高频细节丢失问题;③为临床诊断提供更高质量的影像资料,帮助医生更准确地识别病灶。 其他说明:论文不仅提供了详细的网络架构设计与实现代码,还深入探讨了跨模态噪声的本质、高频信息约束的实现方式以及渐进式特征匹配的具体过程。此外,作者还对模型进行了量化处理,使得该方法可以在资源受限环境下高效运行。阅读时应重点关注论文中提到的技术创新点及其背后的原理,理解如何通过跨模态信息融合提升图像重建效果。
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