LeetCode 35:Search Insert Position

本文探讨了在已排序数组中寻找特定元素的插入位置的算法,对比了一种线性遍历方法与二分查找法,阐述了各自的时间复杂度,并通过实例展示了算法的应用。

Given a sorted array and a target value, return the index if the target is found. If not, return the index where it would be if it were inserted in order.

You may assume no duplicates in the array.

Here are few examples.
[1,3,5,6], 5 → 2
[1,3,5,6], 2 → 1
[1,3,5,6], 7 → 4
[1,3,5,6], 0 → 0

Subscribe to see which companies asked this question


//方法一:直接遍历,时间复杂度为O(n)
 class Solution {
 public:
	 int searchInsert(vector<int>& nums, int target) {
		 int n = nums.size();
		 if (n == 0)  return NULL;
		 else if (n == 1 && nums[0] < target)    return 1;
		 else if (n == 1 && nums[0] >= target)   return 0;
		 else
		 {
			 for (int i = 0; i < n;)
			 {
				 if (nums[i] == target)
					 return i;
				 else if (target < nums[i]) 
					 return i;
				 else if (target>nums[i] && target<nums[i + 1])
					 return i + 1;
				 else
					 i++;
			 }
		 }
	 }
 };

//方法二:利用二分法查找的思想,时间复杂度为O(logn)
 class Solution {
 public:
	 int searchInsert(vector<int>& nums, int target) {
		 int low = 0, high = nums.size() - 1;

		 while (low <= high) {
			 int mid = low + (high - low) / 2;

			 if (nums[mid] < target)
				 low = mid + 1;
			 else
				 high = mid - 1;
		 }

		// (1) whilie循环结束后,low>high,即low>=high+1;
		// (2) 因为目标索引值在 [low, high+1]中, 有 low <= high+1,再根据(1)中low>=high+1,可以得到 low == high+1.
		// (3) 根据 (2), 我们可以知道目标索引值是在 [low, high+1] = [low, low], 即low就是所求的目标索引值

		 return low;
	 }
 };


【电能质量扰动】基于ML和DWT的电能质量扰动分类方法研究(Matlab实现)内容概要:本文研究了一种基于机器学习(ML)和离散小波变换(DWT)的电能质量扰动分类方法,并提供了Matlab实现方案。首先利用DWT对电能质量信号进行多尺度分解,提取信号的时频域特征,有效捕捉电压暂降、暂升、中断、谐波、闪变等常见扰动的关键信息;随后结合机器学习分类器(如SVM、BP神经网络等)对提取的特征进行训练与分类,实现对不同类型扰动的自动识别与准确区分。该方法充分发挥DWT在信号去噪与特征提取方面的优势,结合ML强大的模式识别能力,提升了分类精度与鲁棒性,具有较强的实用价值。; 适合人群:电气工程、自动化、电力系统及其自动化等相关专业的研究生、科研人员及从事电能质量监测与分析的工程技术人员;具备一定的信号处理基础和Matlab编程能力者更佳。; 使用场景及目标:①应用于智能电网中的电能质量在线监测系统,实现扰动类型的自动识别;②作为高校或科研机构在信号处理、模式识别、电力系统分析等课程的教学案例或科研实验平台;③目标是提高电能质量扰动分类的准确性与效率,为后续的电能治理与设备保护提供决策依据。; 阅读建议:建议读者结合Matlab代码深入理解DWT的实现过程与特征提取步骤,重点关注小波基选择、分解层数设定及特征向量构造对分类性能的影响,并尝试对比不同机器学习模型的分类效果,以全面掌握该方法的核心技术要点。
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
 
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