BZOJ4880 [Lydsy2017年5月月赛]排名的战争

本文介绍了一种用于比较不同手机性价比的算法。该算法通过设定权重并考虑多种情况(如性能优于、劣于或等于基准手机),来计算在特定条件下哪些手机更具性价比。通过对输入数据进行预处理,并利用数据结构进行排序和遍历,可以高效地找出最优解。

容易发现答案只与w1和w2的比值有关,而与具体数值无关

那么先特殊算一下w1=0和w2等于0的情况,然后就直接假设w1=1

然后的话对于每个物品可能有4种情况:永远比1号优,永远比1号劣,永远和1号相等,当w2<某值时比1号优,等于时相等,否则比一号劣,或者当w2>某值时比1号劣,等于时相等,否则比1号优

对于每个手机算一下他的情况和w2的分界点,然后按分界点排序之后扫一遍即可

比赛的时候有个地方x和y打反一直wa,然后就弃疗了

#include<iostream>
#include<cstdlib>
#include<cstdio>
#include<cstring>
#include<ctime>
#include<cmath>
#include<algorithm>
#include<iomanip>
#include<queue>
#include<map>
#include<bitset>
#include<stack>
#include<vector>
#include<set>
using namespace std;
#define MAXN 100010
#define MAXM 1010
#define INF 1000000000
#define MOD 1000000007
#define ll long long
#define eps 1e-8
struct data{
	double v;
	int c;
	friend bool operator <(data x,data y){
		return x.v<y.v;
	}
};
int n;
int x[MAXN],y[MAXN];
int low=1,high=INF;
data t[MAXN];
int tot;
int main(){
	int i;
	scanf("%d",&n);
	for(i=1;i<=n;i++){
		scanf("%d%d",&x[i],&y[i]);
	}
	int tlowx=1,thighx=1,tlowy=1,thighy=1;
	for(i=2;i<=n;i++){
		if(x[i]>x[1]){
			thighx++;
		}
		if(x[i]>=x[1]){
			tlowx++;
		}
		if(y[i]>y[1]){
			thighy++;
		}
		if(y[i]>=y[1]){
			tlowy++;
		}
	}
	low=max(low,max(tlowx,tlowy));
	high=min(high,min(thighx,thighy));
	int tlow=1,thigh=1;
	for(i=2;i<=n;i++){
		if(y[i]==y[1]){
			if(x[i]>=x[1]){
				tlow++;
			}
			if(x[i]>x[1]){
				thigh++;
			}
			continue ;
		}
		if(y[i]<y[1]){
			t[++tot].v=1000.*(x[1]-x[i])/(y[i]-y[1]);
			t[tot].c=-1;
			tlow++;
			thigh++;
		}
		if(y[i]>y[1]){
			t[++tot].v=1000.*(x[1]-x[i])/(y[i]-y[1]);
			t[tot].c=1;
		}
		if(t[tot].v<=0){
			tlow+=t[tot].c;
			thigh+=t[tot].c;
			tot--;
		}
	}
	if(tot){
		sort(t+1,t+tot+1);
		for(i=1;i<=tot;){
			int wzh=i;
			int tc0=0,tc1=0;
			while(wzh<=tot&&fabs(t[wzh].v-t[i].v)<eps){
				if(t[wzh].c==1){
					tc1++;
				}else{
					tc0++;
				}
				wzh++;
			}
			low=max(low,tlow+tc1);
			high=min(high,thigh-tc0);
			tlow+=tc1-tc0;
			thigh+=tc1-tc0;
			i=wzh;
		}
	}
	printf("%d %d\n",high,low);
	return 0;
}

/*
2
3 2
1 2

*/


一、数据采集层:多源人脸数据获取 该层负责从不同设备 / 渠道采集人脸原始数据,为后续模型训练与识别提供基础样本,核心功能包括: 1. 多设备适配采集 实时摄像头采集: 调用计算机内置摄像头(或外接 USB 摄像头),通过OpenCV的VideoCapture接口实时捕获视频流,支持手动触发 “拍照”(按指定快捷键如Space)或自动定时采集(如每 2 秒采集 1 张),采集时自动框选人脸区域(通过Haar级联分类器初步定位),确保样本聚焦人脸。 支持采集参数配置:可设置采集分辨率(如 640×480、1280×720)、图像格式(JPG/PNG)、单用户采集数量(如默认采集 20 张,确保样本多样性),采集过程中实时显示 “已采集数量 / 目标数量”,避免样本不足。 本地图像 / 视频导入: 支持批量导入本地人脸图像文件(支持 JPG、PNG、BMP 格式),自动过滤非图像文件;导入视频文件(MP4、AVI 格式)时,可按 “固定帧间隔”(如每 10 帧提取 1 张图像)或 “手动选择帧” 提取人脸样本,适用于无实时摄像头场景。 数据集对接: 支持接入公开人脸数据集(如 LFW、ORL),通过预设脚本自动读取数据集目录结构(按 “用户 ID - 样本图像” 分类),快速构建训练样本库,无需手动采集,降低系统开发与测试成本。 2. 采集过程辅助功能 人脸有效性校验:采集时通过OpenCV的Haar级联分类器(或MTCNN轻量级模型)实时检测图像中是否包含人脸,若未检测到人脸(如遮挡、侧脸角度过大),则弹窗提示 “未识别到人脸,请调整姿态”,避免无效样本存入。 样本标签管理:采集时需为每个样本绑定 “用户标签”(如姓名、ID 号),支持手动输入标签或从 Excel 名单批量导入标签(按 “标签 - 采集数量” 对应),采集完成后自动按 “标签 - 序号” 命名文件(如 “张三
评论 2
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