LeetCode 56. Merge Intervals

本文介绍了一种有效的合并区间算法,该算法首先将输入的区间按起始值进行排序,然后通过迭代的方式合并所有重叠的区间。具体实现包括两种方法:一种使用额外的空间存储结果,另一种则采用原地修改的方式,利用双指针技术完成合并。

Given a collection of intervals, merge all overlapping intervals.

For example,
Given [1,3],[2,6],[8,10],[15,18],
return [1,6],[8,10],[15,18].

The basic idea is to sort the intervals increasingly based on the .start value. Then, merge them one by one until merge fails.


static bool sorter(Interval start, Interval end) {
    return start.start < end.start;
}

static bool merge(Interval& v1, Interval& v2, Interval& res) {
    if(v1.end < v2.start) return false;
    res.start = v1.start;
    res.end = max(v1.end, v2.end);
    return true;
}

vector<Interval> merge(vector<Interval>& intervals) {
    if(intervals.size() == 0) return {};
    sort(intervals.begin(), intervals.end(), sorter);
    vector<Interval> res;
    res.push_back(intervals[0]);
    Interval tmp;
    for(int i = 1; i < intervals.size(); ++i) {
        if(merge(res.back(), intervals[i], tmp)) {
            res.back() = tmp;
        } else {
            res.push_back(intervals[i]);
        }
    }
    return res;
}

Do it in-place, using two pointers.

static bool sorter(Interval a, Interval b) {
  return a.start <= b.start;
}

void mergeInterval(vector<Interval>& nums) {
  if(nums.size() <= 1) return;
  int index = 0;
  sort(nums.begin(), nums.end(), sorter);
  for(int i = 0; i < nums.size(); ++i) {
    if(index != 0 && nums[index - 1].end >= nums[i].start) {
      while(index != 0 && nums[index-1].end >= nums[i].start) {
        nums[index-1].start = min(nums[index-1].start, nums[i].start);
        nums[index-1].end = max(nums[index-1].end, nums[i].end);
        index--;
      }
    } else {
      nums[index] = nums[i];
    }
    index++;
  }
}


【轴承故障诊断】基于融合鱼鹰和柯西变异的麻雀优化算法OCSSA-VMD-CNN-BILSTM轴承诊断研究【西储大学数据】(Matlab代码实现)内容概要:本文提出了一种基于融合鱼鹰和柯西变异的麻雀优化算法(OCSSA)优化变分模态分解(VMD)参数,并结合卷积神经网络(CNN)与双向长短期记忆网络(BiLSTM)的轴承故障诊断模型。该方法利用西储大学公开的轴承数据集进行验证,通过OCSSA算法优化VMD的分解层数K和惩罚因子α,有效提升信号分解精度,抑制模态混叠;随后利用CNN提取故障特征的空间信息,BiLSTM捕捉时间序列的动态特征,最终实现高精度的轴承故障分类。整个诊断流程充分结合了信号预处理、智能优化与深度学习的优势,显著提升了复杂工况下轴承故障诊断的准确性与鲁棒性。; 适合人群:具备一定信号处理、机器学习及MATLAB编程基础的研究生、科研人员及从事工业设备故障诊断的工程技术人员。; 使用场景及目标:①应用于旋转机械设备的智能运维与故障预警系统;②为轴承等关键部件的早期故障识别提供高精度诊断方案;③推动智能优化算法与深度学习在工业信号处理领域的融合研究。; 阅读建议:建议读者结合MATLAB代码实现,深入理解OCSSA优化机制、VMD参数选择策略以及CNN-BiLSTM网络结构的设计逻辑,通过复现实验掌握完整诊断流程,并可进一步尝试迁移至其他设备的故障诊断任务中进行验证与优化。
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