离散化问题整理

ProblemP1496 火烧赤壁


给定多条线段,求所有线段的覆盖的长度和 给定多条线段,求所有线段的覆盖的长度和 给定多条线段,求所有线段的覆盖的长度和

对于全部的测试点,保证 1 ≤ n ≤ 2 × 1 0 4 , − 2 31 ≤ a ≤ b < 2 31 , − 2 31 ≤ a ≤ b < 2 31 ,且答案小于 2 31 . 对于全部的测试点,保证 1 \leq n \leq 2 \times 10^4,-2^{31} \leq a \leq b \lt 2^{31},−2^{31}≤a≤b<2^{31},且答案小于 2^{31}. 对于全部的测试点,保证1n2×104,231ab<231,231ab<231,且答案小于231.

Input
3
-1 1
5 11
2 9

Output
11

貌似没有用到离散化

一开始没有思路,看了大佬的思路,注意到将给定的点打乱匹配方式后,对答案没有影响,分别对左端点和右端点进行排序,然后暴力累加答案即可。

/*Love coding and thinking!*/ 
#include <iostream>
#include <cstdio>
#include <cmath>
#include <algorithm>
#include <cstring>
#include <queue>
#include <set>
#include <map>
#include <vector>
#define pb push_back 
#define mem(f, x) memset(f,x,sizeof(f)) 
#define fo(i,a,n) for(int i=(a);i<=(n);++i)
#define fo2(i,a,n) for(int i=(a);i<(n);++i)
#define debug(x) cout<<#x<<":"<<x<<endl;
#define endl '\n'
using namespace std;
typedef pair<int,int>PII;
typedef pair<long,long>PLL;


typedef long long ll;
const int N=2e4+10;
int n,m,_;
/*
观察到了,改成左右端点的匹配方式,最后的答案也不会改变
*/
int a[N],b[N];
int main()
{
	cin>>n;
	for(int i=0;i<n;i++)
	{
		scanf("%d",&a[i]);
		scanf("%d",&b[i]);
	}
	
	sort(a,a+n);
	sort(b,b+n);
	ll res=0;
	for(int i=0;i<n;i++)
	{
		res+=b[i]-a[i];
		if(i&&a[i]<b[i-1])
		{
			res-=b[i-1]-a[i];
		}
	}
	cout<<res;
	return 0;
}

ProblemP1884 [USACO12FEB]Overplanting S


给定 N 个矩形 , 在笛卡尔坐标系 ( X 轴向右是正方向 , Y 轴向上是正方向 ) 求矩形的面积覆盖 ( 被重复覆盖区域面积只算一次 ) 给定N个矩形,在笛卡尔坐标系(X轴向右是正方向,Y轴向上是正方向)求矩形的面积覆盖(被重复覆盖区域面积只算一次) 给定N个矩形,在笛卡尔坐标系(X轴向右是正方向,Y轴向上是正方向)求矩形的面积覆盖(被重复覆盖区域面积只算一次)

很明显   N < = 1000 , 这题是扫描线模板题弱数据版本 扫描线   n < = 1 e 5 , 0 < = x 1 < x 2 < 1 0 9 , 0 < = y 1 < y 2 < = 1 0 9 。 很明显\,N<=1000,这题是扫描线模板题弱数据版本\\扫描线\, n<=1e5,0<=x1<x2<10^9,0<=y1<y2<=10^9。 很明显N<=1000,这题是扫描线模板题弱数据版本扫描线n<=1e5,0<=x1<x2<109,0<=y1<y2<=109


写了一个二维的火烧赤壁,自己写的10分的代码,离谱,确实写的不对,当之后的长方形和前边的长方形有面积并的时候没有处理,先咕着

/*Love coding and thinking!*/ 
#include <iostream>
#include <cstdio>
#include <cmath>
#include <algorithm>
#include <cstring>
#include <queue>
#include <set>
#include <map>
#include <vector>
#define pb push_back 
#define mem(f, x) memset(f,x,sizeof(f)) 
#define fo(i,a,n) for(int i=(a);i<=(n);++i)
#define fo2(i,a,n) for(int i=(a);i<(n);++i)
#define debug(x) cout<<#x<<":"<<x<<endl;
#define endl '\n'
using namespace std;
typedef pair<int,int>PII;
typedef pair<long,long>PLL;


typedef long long ll;
const int N=2e4+10;
int n,m,_;

struct Node
{
	int x1,y1,x2,y2;
	ll area;
	bool operator <(const Node &a)const 
	{
		return x1<a.x1;
	}
}node[N];

int main()
{
	cin>>n;
	for(int i=0;i<n;i++)
	{
		scanf("%d%d%d%d",&node[i].x1,&node[i].y1,&node[i].x2,&node[i].y2);
		node[i].area=(node[i].x2-node[i].x1)*(node[i].y1-node[i].y2);
	}
		
	ll res=0;
	
	for(int i=0;i<n;i++)
	{
		if(node[i].x1>node[i-1].x2)continue;
		else if(node[i].y1<node[i-1].y2) continue;
		else if(node[i].y2<node[i-1].y2)
		{
			ll tx=node[i-1].x2-node[i].x1;
			ll ty=node[i].y1-node[i-1].y2;
			// debug(tx*ty);
			res-=tx*ty;
		}
		else
		{
			ll tx=node[i-1].x2-node[i].x1;
			ll ty=node[i].y1-node[i].y2;	
			// debug(tx*ty);
			res-=tx*ty;
		}
		res+=node[i].area;
		// debug(res);
	}
	cout<<res;	
	return 0;
}

ProblemP5490 【模板】扫描线


求 n 个矩形的面积并 求n个矩形的面积并 n个矩形的面积并

(咕着先)

<think>嗯,用户想了解如何在Matlab中对变量进行离散化处理,并且需要方法示例。首先,我得确认离散化在这里的具体含义。通常离散化可能涉及将连续数据转换为分类数据,比如等宽分箱或等频分箱,或者是将连续时间系统转换为离散时间系统,比如在控制系统中的Z变换。不过根据用户提供的引用内容,引用了特征离散化和数字滤波相关的资料,可能更偏向于数据分箱的离散化。 先看引用[2]提到特征等宽离散化的Matlab程序,以及Sklearn的实现。这说明用户可能需要进行数据预处理,将连续变量分成不同的区间。引用[3]提到了Matlab中的Z变换离散化,这可能与控制系统的离散化有关,但用户的问题是关于变量的离散化,所以可能需要区分这两种情况。不过用户的问题更可能是指数据分箱,因为变量离散化在数据预处理中更常见。 接下来,我需要整理Matlab中进行数据离散化的方法。常见的包括等宽分箱、等频分箱、基于聚类的方法等。例如,等宽分箱可以使用histcounts函数,等频分箱可能需要计算分位数,然后使用discretize函数。此外,引用[1]提到K-means聚类,这也是一种可能的离散化方法,将数据分成基于聚类的类别。 另外,用户需要示例代码,所以得考虑给出具体的Matlab代码片段。比如,对于等宽分箱,可以用discretize函数,或者histcounts。对于等频分箱,可以用quantile函数确定界,然后discretize。K-means聚类的话,可以用kmeans函数,然后根据聚类结果给数据打标签。 同时,用户提供的引用中有提到特征工程中的离散化,以及数字滤波中的离散化,可能需要说明两者的不同。但根据问题描述,变量离散化更可能指数据分箱,所以重点放在数据预处理方面。 需要确保回答结构清晰,分步骤说明不同方法,并给出示例。例如,先介绍等宽分箱,然后等频,再聚类方法,可能还有自定义规则。每个方法给出代码示例,并解释每步的作用。同时,引用相关文献,如引用[2]和[1]来支持方法。 还要注意用户提到的引用格式,例如在段落末尾添加引用标识。例如,等宽分箱部分可以引用[2],聚类方法引用[1]等。 最后,生成相关问题,可能需要包括不同离散化方法的比较、如何选择分箱数、评估离散化效果,或者特定应用场景的问题,比如控制系统中的离散化,但根据现有引用,可能侧重数据预处理方面的问题。</think>### Matlab变量离散化方法及示例 在Matlab中,变量离散化是将连续数据转换为离散区间的过程,常用于特征工程、数据预处理和控制系统设计[^2][^5]。以下是三种常用方法及示例: --- #### **1. 等宽分箱法** 将数据范围均匀划分为固定宽度的区间。 **示例代码**: ```matlab data = randn(100,1); % 生成100个随机数 num_bins = 4; edges = linspace(min(data), max(data), num_bins+1); % 计算等宽界 labels = discretize(data, edges); % 分配区间标签 disp('区间界:'); disp(edges); disp('离散标签:'); disp(labels(1:5)); ``` **输出说明**: - `edges`为区间界值,如$[-3, -1.5, 0, 1.5, 3]$ - `labels`为每个数据点所属区间的编号 --- #### **2. 等频分箱法** 使每个区间包含大致相同数量的样本。 **示例代码**: ```matlab data = randn(100,1); num_bins = 4; quantiles = quantile(data, linspace(0,1,num_bins+1)); % 计算分位数界 labels = discretize(data, quantiles); disp('分位数界:'); disp(quantiles); ``` **关键点**: - 使用`quantile`函数确保各区间的样本分布均匀[^2] --- #### **3. 基于聚类的离散化** 利用聚类算法(如K-means)自动划分区间。 **示例代码**: ```matlab data = randn(100,1); num_clusters = 3; [idx, centers] = kmeans(data, num_clusters); % 执行K-means聚类 [~, labels] = min(abs(data - centers'), [], 2); % 分配最近中心点标签 disp('聚类中心:'); disp(centers); ``` **说明**: - `centers`为聚类中心坐标,离散标签对应最近中心点[^1] --- #### **4. 自定义规则离散化** 根据业务逻辑定义离散化规则。 **示例代码**: ```matlab temperature = [20, 25, 30, 15, 10]; labels = zeros(size(temperature)); labels(temperature < 15) = 1; % 低温 labels(temperature >= 15 & temperature < 25) = 2; % 常温 labels(temperature >= 25) = 3; % 高温 disp('自定义标签:'); disp(labels); ``` --- ### 方法对比 | 方法 | 优点 | 缺点 | |------------|-----------------------|-----------------------| | 等宽分箱 | 计算简单 | 对异常值敏感 | | 等频分箱 | 数据分布均匀 | 界可能不直观 | | 聚类分箱 | 自适应数据分布 | 计算复杂度较高 | ---
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