2016夏季练习——KMP

本文深入探讨了KMP算法的next表构建原理及其在字符串匹配中的应用,并通过具体实例展示了如何利用C++实现KMP算法,特别关注next表与字符串前缀之间的关系。

来源:HDU3336

注意KMP的next表和自身前缀的关系,还有就是注意我们从0开始打表的话实际上我们是有第len号的next表项,此表项必然是表示全部字符串。

当next表为0的时候,我们容易知道此时是失配的情况。

代码:

#include <iostream>
#include <cstdio>
#include <string>
#include <cstring>
#include <algorithm>
#include <cmath>
using namespace std;
const int MOD = 10007;
const int STRLEN = 200000;
int n;
char str[STRLEN];
int nxt[STRLEN];
int len;
void get_next(){
    int i,j;
    i=0;
    j=nxt[0]=-1;
    while(i<len){
        while(j!=-1&&str[i]!=str[j]) j=nxt[j];
        nxt[++i] = ++j;
    }
//    cout<<"next"<<endl;
//    for(int i=0;i<=len;i++){
//        cout<<nxt[i]<<" ";
//    }
//    cout <<endl;
}
int main(){
	int T;
	scanf("%d",&T);
	while(T--){
        scanf("%d",&n);
        scanf("%s",str);
        len = strlen(str);
        get_next();
        int ans=0;
        for(int i=1;i<=len;i++){
            int t=i;
           // t = nxt[t];
            while(t){//t为0对应的是失配的确情况,所以不算在内
                ans=(ans+1)%MOD;
                t=nxt[t];
            }
         }
        cout<<ans<<endl;
	}
	return 0;
}


一种基于有效视角点方法的相机位姿估计MATLAB实现方案 该算法通过建立三维空间点与二维图像点之间的几何对应关系,实现相机外部参数的精确求解。其核心原理在于将三维控制点表示为四个虚拟基点的加权组合,从而将非线性优化问题转化为线性方程组的求解过程。 具体实现步骤包含以下关键环节:首先对输入的三维世界坐标点进行归一化预处理,以提升数值计算的稳定性。随后构建包含四个虚拟基点的参考坐标系,并通过奇异值分解确定各三维点在该基坐标系下的齐次坐标表示。接下来建立二维图像点与三维基坐标之间的投影方程,形成线性约束系统。通过求解该线性系统获得虚拟基点在相机坐标系下的初步坐标估计。 在获得基础解后,需执行高斯-牛顿迭代优化以进一步提高估计精度。该过程通过最小化重投影误差来优化相机旋转矩阵和平移向量。最终输出包含完整的相机外参矩阵,其中旋转部分采用正交化处理确保满足旋转矩阵的约束条件。 该实现方案特别注重数值稳定性处理,包括适当的坐标缩放、矩阵条件数检测以及迭代收敛判断机制。算法能够有效处理噪声干扰下的位姿估计问题,为计算机视觉中的三维重建、目标跟踪等应用提供可靠的技术基础。 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