POJ 2104 K-th Number(主席树)

本文介绍如何使用主席树解决给定数组上的多查询问题,求区间内的第k小元素。通过离散化处理和在线段树中存储前缀和,实现高效查询。代码实现基于C++,详细解释了构建和查询过程,适合算法学习者参考。
题目链接
题意

给定数组、无修改、多查询,求区间第k小。

思路

主席树板子题
先离散化,在对每个节点建线段树,线段树存储下标位置+1的前缀和。
每次查询,查询俩节点之间线段树的差值第k小。
感觉代码思路理解不是很难,和树上每个节点建树差别不大?,但是用好写题不容易,太菜了。
时间复杂度应该是 O ( ( n + m ) l o g n ) O((n+m)logn) O((n+m)logn) ,空间复杂度应该是 O ( n l o g n ) O(nlogn) O(nlogn),不知道对不对。

代码
#include <stdio.h>
#include <vector>
#include <algorithm>
#include <iostream>
using namespace std;

void debug() { cout << endl; }
template<typename T, typename ...R> void debug (T f, R ...r) { cout << "[" << f << "]"; debug (r...); }

const int N = 1e5+5;

int n, q, id, root[N], a[N];

struct Node
{
    int l, r, sum;
}t[N*20];

vector <int> lis;
int getlis(int x)
{
    return lower_bound(lis.begin(), lis.end(), x) - lis.begin();
}

void build(int l, int r, int &x, int y, int pos)
{
    t[++id] = t[y];
    ++t[id].sum;
    x = id;
    if(l == r) return;
    int mid = l+r >> 1;
    if(pos <= mid) build(l, mid, t[x].l, t[y].l, pos);
    else build(mid+1, r, t[x].r, t[y].r, pos);
}

int query(int l, int r, int x, int y, int pos)
{
    if(l == r) return l;
    int mid = l+r >> 1, tmp = t[t[y].l].sum - t[t[x].l].sum;
    if(tmp >= pos) return query(l,mid,t[x].l,t[y].l,pos);
    else return query(mid+1,r,t[x].r,t[y].r,pos-tmp);
}

int main()
{
    scanf("%d%d",&n,&q);
    for(int i = 1; i <= n; ++i) scanf("%d",&a[i]), lis.push_back(a[i]);
    sort(lis.begin(), lis.end());
    lis.erase(unique(lis.begin(), lis.end()), lis.end());
    lis.insert(lis.begin(),lis[0]-1);
    for(int i = 1; i <= n; ++i) build(1,n,root[i],root[i-1],getlis(a[i]));
    while(q--)
    {
        int l, r, x;
        scanf("%d%d%d",&l,&r,&x);
        printf("%d\n",lis[query(1,n,root[l-1],root[r],x)]);
    }
    return 0;
}
本指南详细阐述基于Python编程语言结合OpenCV计算机视觉库构建实时眼部状态分析系统的技术流程。该系统能够准确识别眼部区域,并对眨眼动作与持续闭眼状态进行判别。OpenCV作为功能强大的图像处理工具库,配合Python简洁的语法特性与丰富的第三方模块支持,为开发此类视觉应用提供了理想环境。 在环境配置阶段,除基础Python运行环境外,还需安装OpenCV核心模块与dlib机器学习库。dlib库内置的HOG(方向梯度直方图)特征检测算法在面部特征定位方面表现卓越。 技术实现包含以下关键环节: - 面部区域检测:采用预训练的Haar级联分类器或HOG特征检测器完成初始人脸定位,为后续眼部分析建立基础坐标系 - 眼部精确定位:基于已识别的人脸区域,运用dlib提供的面部特征点预测模型准确标定双眼位置坐标 - 眼睑轮廓分析:通过OpenCV的轮廓提取算法精确勾勒眼睑边缘形态,为状态判别提供几何特征依据 - 眨眼动作识别:通过连续帧序列分析眼睑开合度变化,建立动态阈值模型判断瞬时闭合动作 - 持续闭眼检测:设定更严格的状态持续时间与闭合程度双重标准,准确识别长时间闭眼行为 - 实时处理架构:构建视频流处理管线,通过帧捕获、特征分析、状态判断的循环流程实现实时监控 完整的技术文档应包含模块化代码实现、依赖库安装指引、参数调优指南及常见问题解决方案。示例代码需具备完整的错误处理机制与性能优化建议,涵盖图像预处理、光照补偿等实际应用中的关键技术点。 掌握该技术体系不仅有助于深入理解计算机视觉原理,更为疲劳驾驶预警、医疗监护等实际应用场景提供了可靠的技术基础。后续优化方向可包括多模态特征融合、深度学习模型集成等进阶研究领域。 资源来源于网络分享,仅用于学习交流使用,请勿用于商业,如有侵权请联系我删除!
评论
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