LeetCode每日一题

本文介绍了一种算法,用于计算二叉树各层节点值的平均数。通过深度优先搜索,统计每层节点数量及总和,最终得出平均值。

 菜鸟篇 ctrl+c     ctrl+v  (仅读代码,写自己的见解)

 

 

//从该二叉树中我们需要提取的是 
//1、二叉树每一层的个数
//2、二叉树每一层的总和


class Solution {

public:

vector<double> averageOfLevels(TreeNode* root) {

auto counts = vector<int>();

auto sums = vector<double>();

dfs(root, 0, counts, sums);

auto averages = vector<double>();

int size = sums.size();

for (int i = 0; i < size; i++) {

averages.push_back(sums[i] / counts[i]);

}

return averages;

}

 

//深度优先搜索方法
//一共需要四个参数
//1、二叉树
//2、层数(用于循环遍历)
//3、存放层数的个数
//4、存放层数的总和


class Solution {

public:

vector<double> averageOfLevels(TreeNode* root) {

auto counts = vector<int>();

auto sums = vector<double>();

dfs(root, 0, counts, sums);

auto averages = vector<double>();

int size = sums.size();

for (int i = 0; i < size; i++) 
{

    averages.push_back(sums[i] / counts[i]);

}

return averages;

}


//深度优先搜索方法
//一共需要四个参数 
//1、二叉树
//2、层数(用于循环遍历)
//3、存放层数的个数
//4、存放层数的总和

void dfs(TreeNode* root, int level, vector<int> &counts, vector<double> &sums) {

if (root == nullptr) {

    return;

}//限制

if (level < sums.size()) {  //限制

    sums[level] += root->val;

    counts[level] += 1;

} else {

    sums.push_back(1.0 * root->val);

    counts.push_back(1);

}

dfs(root->left, level + 1, counts, sums);

dfs(root->right, level + 1, counts, sums);

}

};

 

 

作者:LeetCode-Solution

链接:https://leetcode-cn.com/problems/average-of-levels-in-binary-tree/solution/er-cha-shu-de-ceng-ping-jun-zhi-by-leetcode-soluti/

来源:力扣(LeetCode)

著作权归作者所有。商业转载请联系作者获得授权,非商业转载请注明出处。

内容概要:本文介绍了一个基于多传感器融合的定位系统设计方案,采用GPS、里程计和电子罗盘作为定位传感器,利用扩展卡尔曼滤波(EKF)算法对多源传感器数据进行融合处理,最终输出目标的滤波后位置信息,并提供了完整的Matlab代码实现。该方法有效提升了定位精度与稳定性,尤其适用于存在单一传感器误差或信号丢失的复杂环境,如自动驾驶、移动采用GPS、里程计和电子罗盘作为定位传感器,EKF作为多传感器的融合算法,最终输出目标的滤波位置(Matlab代码实现)机器人导航等领域。文中详细阐述了各传感器的数据建模方式、状态转移与观测方程构建,以及EKF算法的具体实现步骤,具有较强的工程实践价值。; 适合人群:具备一定Matlab编程基础,熟悉传感器原理和滤波算法的高校研究生、科研人员及从事自动驾驶、机器人导航等相关领域的工程技术人员。; 使用场景及目标:①学习和掌握多传感器融合的基本理论与实现方法;②应用于移动机器人、无人车、无人机等系统的高精度定位与导航开发;③作为EKF算法在实际工程中应用的教学案例或项目参考; 阅读建议:建议读者结合Matlab代码逐行理解算法实现过程,重点关注状态预测与观测更新模块的设计逻辑,可尝试引入真实传感器数据或仿真噪声环境以验证算法鲁棒性,并进一步拓展至UKF、PF等更高级滤波算法的研究与对比。
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