2016春季学习(1)——递推

本文介绍了一道经典的数列递推题目,并给出了详细的解析过程。通过递推公式,我们探讨了如何通过前一项计算当前项的方法,为解决更复杂的动态规划问题提供了思路。

来源:HDU3664

数列递推题,话说拉题的时候有点草率,所以递推题拉的多了一点。。。不过没关系。

递推是DP的一个先觉,所以学好递推出了我们解体的帮助,还有一个铺垫的作用

题意很简单,其实就是一个很简单你的递推。

ans[i][j]=(ans[i-1][j]*(j+1)+(i-j)*ans[i-1][j-1])%mod;
这行就是关键。

对于i,j,考虑i-1时,j的时候,我们多出一个i,这时我们取出满足条件的一个p,和i交换,这时满足条件有(j+1)个;若是j-1的时候,我们去一个原本不满足的情况q,和i交换,现在原本q位置上回多出一个,而我们的i位置则仍然不能满足题意,有(i-j)个。

AC代码(VJ提价):

#include <iostream>
#include <cstdio>
#include <cstring>
using namespace std;
const int MAXN=1010;
const int mod=1e9+7;
long long ans[MAXN][MAXN];
void dabiao(){
    int i,j;
    memset(ans,0,sizeof(ans));
    for(i=0;i<MAXN;i++)
        ans[i][0]=1;
    for(i=1;i<MAXN;i++)
    {
        for(j=1;j<i;j++)
        {
            ans[i][j]=(ans[i-1][j]*(j+1)+(i-j)*ans[i-1][j-1])%mod;
        }
    }
}
int main(){
	dabiao();
	int n,k;
	while(scanf("%d%d",&n,&k)!=EOF){
        cout<<ans[n][k]<<endl;
	}
	return 0;
}


本课题设计了一种利用Matlab平台开发的植物叶片健康状态识别方案,重点融合了色彩与纹理双重特征以实现对叶片病害的自动化判别。该系统构建了直观的图形操作界面,便于用户提交叶片影像并快速获得分析结论。Matlab作为具备高效数值计算与数据处理能力的工具,在图像分析与模式分类领域应用广泛,本项目正是借助其功能解决农业病害监测的实际问题。 在色彩特征分析方面,叶片影像的颜色分布常与其生理状态密切相关。通常,健康的叶片呈现绿色,而出现黄化、褐变等异常色彩往往指示病害或虫害的发生。Matlab提供了一系列图像处理函数,例如可通过色彩空间转换与直方图统计来量化颜色属性。通过计算各颜色通道的统计参数(如均值、标准差及主成分等),能够提取具有判别力的色彩特征,从而为不同病害类别的区分提供依据。 纹理特征则用于描述叶片表面的微观结构与形态变化,如病斑、皱缩或裂纹等。Matlab中的灰度共生矩阵计算函数可用于提取对比度、均匀性、相关性等纹理指标。此外,局部二值模式与Gabor滤波等方法也能从多尺度刻画纹理细节,进一步增强病害识别的鲁棒性。 系统的人机交互界面基于Matlab的图形用户界面开发环境实现。用户可通过该界面上传待检图像,系统将自动执行图像预处理、特征抽取与分类判断。采用的分类模型包括支持向量机、决策树等机器学习方法,通过对已标注样本的训练,模型能够依据新图像的特征向量预测其所属的病害类别。 此类课题设计有助于深化对Matlab编程、图像处理技术与模式识别原理的理解。通过完整实现从特征提取到分类决策的流程,学生能够将理论知识与实际应用相结合,提升解决复杂工程问题的能力。总体而言,该叶片病害检测系统涵盖了图像分析、特征融合、分类算法及界面开发等多个技术环节,为学习与掌握基于Matlab的智能检测技术提供了综合性实践案例。 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
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