图的dfs(链接表)

本文描述了使用深度优先搜索(DFS)算法遍历无向图的过程,通过邻接表数据结构实现,从顶点1开始递归地标记并访问节点及其出边。

从1开始dfs : 先将1标记为1,因为已经找过了,再找1的出边2,标记为1,dfs(2)

找2的出边3,将3标记为1,3找出边2,但是2被找过了(标记为1),所以不行,3没有其他出边,回溯,从新回到2

找2的出边4,4标记为1,4的出边2被找过了,且4没有其他出边,dfs结束

#include<bits/stdc++.h>
using namespace std; 
vector <int> edge[10005]; //1万个顶点的dfs-容器邻接表 
int n,m;
int vis[10005]; //每个点只能访问一次,要做标记
void dfs(int x){
	if(vis[x]==1) return ;  //x已经访问过了,dfs结束,出口
	cout<<x<<" ";  //打印 dfs 当前节点
	vis[x] = 1;  //访问过了,标记为 1
	for(int i=0;i<edge[x].size();i++){
		int y = edge[x][i]; //x的出边 y
		if(vis[y]==0){  //y没有被访问过,也就是标记为 0
			dfs(y); //继续找 y 的出边 
		}
	} 
} 
int main()
{
    int n,m,x,y;  // n个顶点,m条边 
	cin>>n>>m;
	for(int i=1;i<=m;i++){
		cin>>x>>y;  //x到 y有一条边
		edge[x].push_back(y);  //构建链接表 
		edge[y].push_back(x);  //因为是无向图,所以都要 push 
	}
	dfs(1);  //从节点 1 开始 dfs 
    return 0;
}

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 1
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