剑指offer刷题记—第7题_重建二叉树

题目:

根据二叉树的前序遍历和中序遍历的结果,重建出该二叉树。假设输入的前序遍历和中序遍历的结果中都不含重复的数字。

思路就是:遇到二叉树就可以向递归方向进行思考。前序遍历的第一个值为根节点的值,使用这个值将中序遍历结果分成两部分,左部分为树的左子树中序遍历结果,右部分为树的右子树中序遍历的结果

**
 * @program: suanfa
 * @description: 重新创建二叉树
 * @author: zi jian
 * @create: 2019-10-22 08:59
 * 题目描述:
 * 输入某二叉树的前序遍历和中序遍历的结果,请重新构造出该二叉树。
 * 假设输入的前序遍历和中序遍历的结果中不包含重复的数字。
 * 例如输入的前序遍历序列为{1,2,4,7,3,5,6,8}和中序遍历为{4,7,2,1,5,3,6,8},
 * 则重建出二叉树并输出它的头结点
 */
public class RebuildBinaryTree {
    private Map<Integer, Integer> inOrderMap = new HashMap<>();

    /**
     * 根据前序和中序遍历序列完成二叉树的重建
     *
     * @param preOrder 前序遍历序列
     */
    public TreeBNode reconstructe(int[] preOrder, int pStartIndex, int pEndIndex, int inOrderL) {

        if (pStartIndex > pEndIndex)
            return null;
        //当前节点也相当于前序中的第一个
        TreeBNode root = new TreeBNode(preOrder[pStartIndex]);
        //获取中序遍历的下标位置
        int inIndex = inOrderMap.get(preOrder[pStartIndex]);
        //根据中序遍历看左子树的长度
        int LeftTreeSize = inIndex - inOrderL;
        //左子树
        root.left = reconstructe(preOrder, pStartIndex + 1, pStartIndex + LeftTreeSize, inOrderL);
        //右子树
        root.right = reconstructe(preOrder, pStartIndex + LeftTreeSize + 1, pEndIndex, inOrderL + LeftTreeSize + 1);
        return root;
    }

    public void putHashmap(int[] inOrder) {
        for (int i = 0; i < inOrder.length; i++) {
            inOrderMap.put(inOrder[i], i);
        }
    }

 

python+opencv简谱识别音频生成系统源码含GUI界面+详细运行教程+数据 一、项目简介 提取简谱中的音乐信息,依据识别到的信息生成midi文件。 Extract music information from musical scores and generate a midi file according to it. 二、项目运行环境 python=3.11.1 第三方库依赖 opencv-python=4.7.0.68 numpy=1.24.1 可以使用命令 pip install -r requirements.txt 来安装所需的第三方库。 三、项目运行步骤 3.1 命令行运行 运行main.py。 输入简谱路径:支持图片或文件夹,相对路径或绝对路径都可以。 输入简谱主音:它通常在第一页的左上角“1=”之后。 输入简谱速度:即每分钟拍数,同在左上角。 选择是否输出程序中间提示信息:请输入Y或N(不区分大小写,下同)。 选择匹配精度:请输入L或M或H,对应低/中/高精度,一般而言输入L即可。 选择使用的线程数:一般与CPU核数相同即可。虽然python的线程不是真正的多线程,但仍能起到加速作用。 估算字符上下间距:这与简谱中符号的密集程度有关,一般来说纵向符号越稀疏,这个值需要设置得越大,范围通常在1.0-2.5。 二值化算法:使用全局阈值则跳过该选项即可,或者也可输入OTSU、采用大津二值化算法。 设置全局阈值:如果上面选择全局阈值则需要手动设置全局阈值,对于.\test.txt中所提样例,使用全局阈值并在后面设置为160即可。 手动调整中间结果:若输入Y/y,则在识别简谱后会暂停代码,并生成一份txt文件,在其中展示识别结果,此时用户可以通过修改这份txt文件来更正识别结果。 如果选择文件夹的话,还可以选择所选文件夹中不需要识别的文件以排除干扰
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