19. Remove Nth Node From End of List

本文介绍了一种高效算法,用于删除单链表中倒数第N个节点,提供两种解决方案:一种通过两次遍历计算链表长度并删除目标节点;另一种采用双指针技巧实现单次遍历即可完成任务。

Given a linked list, remove the nth node from the end of list and return its head.

For example,

   Given linked list: 1->2->3->4->5, and n = 2.

   After removing the second node from the end, the linked list becomes 1->2->3->5.

Note:
Given n will always be valid.
Try to do this in one pass.

其要求为:

        给定一个链表,删除倒数第n个节点,如:a->b->c->d->e->NULL, n = 2,返回:a->b->c->e

解法1:先遍历一遍计算链表长度;再遍历一遍删除倒数第n个节点,该方法需要遍历两遍链表。

class Solution {
public:
    ListNode* removeNthFromEnd(ListNode* head, int n) {

        ListNode* tmpHead = new ListNode(0);
        tmpHead->next = head;

        int length = 0;
        for(ListNode* cur = tmpHead->next ; cur != NULL ; cur = cur->next )
            length ++;
        int k = length - n;
        if (k < 0)
            return NULL;
        ListNode* cur = tmpHead;
        for( int i = 0 ; i < k ; i ++ )
            cur = cur -> next;

        ListNode* delNode = cur->next;
        cur->next = delNode->next;
        delete delNode;

        ListNode* retNode = tmpHead->next;
        delete tmpHead;
        return retNode;
    }
};
解法2: 使用双指针, 对链表只遍历了一遍

class Solution {
public:
    ListNode* removeNthFromEnd(ListNode* head, int n) {

        ListNode* tmpHead = new ListNode(0);
        dummyHead->next = head;

        ListNode* p = tmpHead;
        ListNode* q = tmpHead;
        for( int i = 0 ; i < n + 1 ; i ++ )
        {
            if (!q)
                return "";
            q = q->next;
        }

        while( q ){
            p = p->next;
            q = q->next;
        }

        ListNode* delNode = p->next;
        p->next = delNode->next;
        delete delNode;

        ListNode* retNode = tmpHead->next;
        delete tmpHead;

        return retNode;
    }
};


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
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