Anagrams 变位词 @LeetCode

本文介绍了一种使用Hashtable数据结构解决给定字符串数组中由相同字母组成的单词的问题。通过将排序后的字符串作为键,其对应的anagram作为值存储于Hashtable中,从而高效地找到所有符合条件的单词。

思路:

建Hashtable,用排序过的string作为key,它的anagram作为ArrayList


这道题之前用暴力写的O(N^2)的TLE了,改用Hashtable来写

题目的意思是给一个String数组,找出其中由相同字母组成的单词。
例如:
S = ["abc", "bca", "bac", "bbb", "bbca", "abcb"]
答案为:
["abc", "bca", "bac", "bbca", "abcb"]
只有"bbb"没有相同字母组成的单词。


package Level3;

import java.util.ArrayList;
import java.util.Arrays;
import java.util.Hashtable;
import java.util.Set;

/**
 * Anagrams 
 * Given an array of strings, return all groups of strings that are anagrams.

Note: All inputs will be in lower-case. 
 *
 */
public class S49 {

	public static void main(String[] args) {

	}

	public ArrayList<String> anagrams(String[] strs) {
		ArrayList<String> ret = new ArrayList<String>();
		
		// 用排序过的string作为key,它的anagram作为ArrayList
		Hashtable<String, ArrayList<String>> ht = new Hashtable<String, ArrayList<String>>();
		
		for(int i=0; i<strs.length; i++){
			String sorted = sorted(strs[i]);
			ArrayList<String> val = ht.get(sorted);
			if(val != null){
				val.add(strs[i]);
			}else{
				val = new ArrayList<String>();
				val.add(strs[i]);
				ht.put(sorted, val);
			}
		}
		
		// Hashtable的循环方法 keySet 
		Set<String> set = ht.keySet();
		
		// 把所有anagram添加到ret中
		for(String s : set){
			ArrayList<String> val = ht.get(s);
			if(val.size() > 1){
				ret.addAll(val);
			}
		}
		
		return ret;
    }
	
	public String sorted(String a){
		char[] achar = a.toCharArray();
		Arrays.sort(achar);
		return new String(achar);
	}
	
}




注意Hashtable中的containsKey和如何遍历Hashtable的方法

import java.util.*;

public class Solution {
    
    public List<String> anagrams(String[] strs) {
        Hashtable<String, ArrayList<String>> ht = new Hashtable<String, ArrayList<String>>();
    
        for(int i=0; i<strs.length; i++) {
            String s = strs[i];
            char[] ss = s.toCharArray();
            Arrays.sort(ss);
            String sorted = new String(ss);
    
            if(ht.containsKey(sorted)) {
                ArrayList<String> al = ht.get(sorted);
                al.add(s);
            } else {
                ArrayList<String> al = new ArrayList<String>();
                al.add(s);
                ht.put(sorted, al);
            }
        }
    
        Iterator<Map.Entry<String, ArrayList<String>>> it = ht.entrySet().iterator();
        ArrayList<String> ret = new ArrayList<String>();
        while(it.hasNext()) {
            Map.Entry<String, ArrayList<String>> entry = it.next();
            ArrayList<String> al = entry.getValue();
            if(al.size() > 1) {
                ret.addAll(al);
            }
        }
    
        return ret;
    }
}





内容概要:本文介绍了ENVI Deep Learning V1.0的操作教程,重点讲解了如何利用ENVI软件进行深度学习模型的训练与应用,以实现遥感图像中特定目标(如集装箱)的自动提取。教程涵盖了从数据准备、标签图像创建、模型初始化与训练,到执行分类及结果优化的完整流程,并介绍了精度评价与通过ENVI Modeler实现一键化建模的方法。系统基于TensorFlow框架,采用ENVINet5(U-Net变体)架构,支持通过点、线、面ROI或分类图生成标签数据,适用于多/高光谱影像的单一类别特征提取。; 适合人群:具备遥感图像处理基础,熟悉ENVI软件操作,从事地理信息、测绘、环境监测等相关领域的技术人员或研究人员,尤其是希望将深度学习技术应用于遥感目标识别的初学者与实践者。; 使用场景及目标:①在遥感影像中自动识别和提取特定地物目标(如车辆、建筑、道路、集装箱等);②掌握ENVI环境下深度学习模型的训练流程与关键参数设置(如Patch Size、Epochs、Class Weight等);③通过模型调优与结果反馈提升分类精度,实现高效自动化信息提取。; 阅读建议:建议结合实际遥感项目边学边练,重点关注标签数据制作、模型参数配置与结果后处理环节,充分利用ENVI Modeler进行自动化建模与参数优化,同时注意软硬件环境(特别是NVIDIA GPU)的配置要求以保障训练效率。
内容概要:本文系统阐述了企业新闻发稿在生成式引擎优化(GEO)时代下的全渠道策略与效果评估体系,涵盖当前企业传播面临的预算、资源、内容与效果评估四大挑战,并深入分析2025年新闻发稿行业五大趋势,包括AI驱动的智能化转型、精准化传播、首发内容价值提升、内容资产化及数据可视化。文章重点解析央媒、地方官媒、综合门户和自媒体四类媒体资源的特性、传播优势与发稿策略,提出基于内容适配性、时间节奏、话题设计的策略制定方法,并构建涵盖品牌价值、销售转化与GEO优化的多维评估框架。此外,结合“传声港”工具实操指南,提供AI智能投放、效果监测、自媒体管理与舆情应对的全流程解决方案,并针对科技、消费、B2B、区域品牌四大行业推出定制化发稿方案。; 适合人群:企业市场/公关负责人、品牌传播管理者、数字营销从业者及中小企业决策者,具备一定媒体传播经验并希望提升发稿效率与ROI的专业人士。; 使用场景及目标:①制定科学的新闻发稿策略,实现从“流量思维”向“价值思维”转型;②构建央媒定调、门户扩散、自媒体互动的立体化传播矩阵;③利用AI工具实现精准投放与GEO优化,提升品牌在AI搜索中的权威性与可见性;④通过数据驱动评估体系量化品牌影响力与销售转化效果。; 阅读建议:建议结合文中提供的实操清单、案例分析与工具指南进行系统学习,重点关注媒体适配性策略与GEO评估指标,在实际发稿中分阶段试点“AI+全渠道”组合策略,并定期复盘优化,以实现品牌传播的长期复利效应。
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