Longest Palindromic Substring

本文介绍了两种求解最长回文子串的方法:一种是基于中心扩展思想的时间复杂度为O(n^2)的算法;另一种是使用动态规划的方法,同样达到O(n^2)的时间复杂度。通过具体代码实现,帮助读者理解这两种方法的具体操作。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

reference http://www.programcreek.com/2013/12/leetcode-solution-of-longest-palindromic-substring-java/


soln1 O(n^2) time, O(1) space

public class Solution {
    public String longestPalindrome(String s) {
        if(s==null) return null;
        if(s.length()==1) return s;
        
        String longest = s.substring(0,1); // because at least there are 2 elements in s
        
        for(int i=0;i<s.length();i++){
            String tmp = helper(s, i, i); // 中心对称外延,延伸出来的tmp为奇数位长度
            if(longest.length()<tmp.length())
                longest = tmp;
            
             tmp = helper(s,i, i+1); //中心对称外延,tmp为偶数长度
            if(longest.length()<tmp.length())
                longest = tmp;
        }
        
        return longest;
        
    
    }
    
    public String helper(String s, int b, int e){
        while(b>=0 && e< s.length()  && s.charAt(b)==s.charAt(e)){
            b--;
            e++;
        }
        return s.substring(b+1, e);
    }
}


soln2 DP

http://www.geeksforgeeks.org/longest-palindrome-substring-set-1/

http://www.programcreek.com/2013/12/leetcode-solution-of-longest-palindromic-substring-java/


会lte, 代码如下:

        String res = null;
        int len = s.length();
        int[][] table = new int[len][len]; // a boolean table, record from i to j is there a palindromic string?
        int MaxLen = 1;
        
        for(int i=0;i<len;i++){
            table[i][i]=1;
        }
        
        for(int i=0;i<len-1;i++){
            if(s.charAt(i)==s.charAt(i+1)){
                // MaxLen=2;
                table[i][i+1]=1;
                res = s.substring(i,i+2);
            }
            // else{
            //     table[i][i+1]=0;
            // }
        }
        
        for(int L=3; L<=len; L++){
            for(int i=0;i<len-L+1  ;i++){
                int j = L+i-1;
                if(  s.charAt(i)==s.charAt(j) && table[i+1][j-1]==1){
                    table[i][j]=1;
                    if( L>MaxLen ){
                        MaxLen=L;
                        res = s.substring(i,j+1);
                    }
                }else{
                        table[i][j]=0;
                    } 
                }
            }
        return res;
        
    }
}


内容概要:该论文聚焦于T2WI核磁共振图像超分辨率问题,提出了一种利用T1WI模态作为辅助信息的跨模态解决方案。其主要贡献包括:提出基于高频信息约束的网络框架,通过主干特征提取分支和高频结构先验建模分支结合Transformer模块和注意力机制有效重建高频细节;设计渐进式特征匹配融合框架,采用多阶段相似特征匹配算法提高匹配鲁棒性;引入模型量化技术降低推理资源需求。实验结果表明,该方法不仅提高了超分辨率性能,还保持了图像质量。 适合人群:从事医学图像处理、计算机视觉领域的研究人员和工程师,尤其是对核磁共振图像超分辨率感兴趣的学者和技术开发者。 使用场景及目标:①适用于需要提升T2WI核磁共振图像分辨率的应用场景;②目标是通过跨模态信息融合提高图像质量,解决传统单模态方法难以克服的高频细节丢失问题;③为临床诊断提供更高质量的影像资料,帮助医生更准确地识别病灶。 其他说明:论文不仅提供了详细的网络架构设计与实现代码,还深入探讨了跨模态噪声的本质、高频信息约束的实现方式以及渐进式特征匹配的具体过程。此外,作者还对模型进行了量化处理,使得该方法可以在资源受限环境下高效运行。阅读时应重点关注论文中提到的技术创新点及其背后的原理,理解如何通过跨模态信息融合提升图像重建效果。
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