每日一题(1) - 二维数组中的查找

本文提供了一种在二维矩阵中查找特定数值的有效算法。该矩阵具有每行每列都按升序排列的特点,通过递归方式从右上角开始比较,逐步缩小搜索范围直至找到目标数值或确定不存在于矩阵中。

题目来自剑指offer

题目


举例


分析


代码

#include <iostream>
using namespace std;

const int MAXLEN = 10;

/*arr[x][y]比num大,删除本列;arr[x][y]比num小,删除本行*/
bool Find(int arr[MAXLEN][MAXLEN],int num,int x,int y,int nLen)
{
	if (x > nLen - 1 || y < 0)
	{
		return false;
	}

	if (arr[x][y] == num)
	{
		cout<<"x = "<<x<<" y = "<<y<<endl;
		return true;
	}
	else if (arr[x][y] > num)
	{
		return Find(arr,num,x,y - 1,nLen);
	}
	else 
	{
		return Find(arr,num,x + 1,y,nLen);
	}
}

int main()
{
	int nLen = 0;
	int num = 0;
	int arr[MAXLEN][MAXLEN] = {0};

	cin>>nLen;//数组维度
	cin>>num; //待查找的数
	for (int i = 0;i < nLen;i++)//输入二维数组
	{
		for (int j = 0;j < nLen;j++)
		{
			cin>>arr[i][j];
		}
	}
	bool bIsfind = Find(arr,num,0,nLen - 1,nLen);
	if (bIsfind)
	{
		cout<<"isFind!"<<endl;
	}
	else
	{
		cout<<"Not Find!"<<endl;
	}

	system("pause");
	return 1;
}




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。
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