1063 Set Similarity

本文解析了PAT_ojNo.1063SetSimilarity题目,介绍了如何通过遍历和查找操作计算两个集合的相似率,避免了使用额外集合合并的高时间复杂度方法。

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


/*
Sologala @github https://github.com/Sologala/PAT_OJ
PAT_oj No.1063_Set_Similarity
*/

题意

​ 先给出 N 个set。然后 给出K个请求,计算给出的请求的两个set 的相似率是多少

​ 简单的set 的应用。

​ 最开始我直接用一个新的set 来讲两个set合并来计算,但是这样多此一举,反而insert 的时间复杂度很高,不如find。 只需要遍历其中一个,然后在另一个中查询是否属于另一个,并且同时统计一下就行了。

float ratio =count*1.0*100/(s[a].size()+s[b].size()-count);//相似率

ac_code

/*
    Sologala   @github    https://github.com/Sologala/PAT_OJ
    PAT_oj No.1063 Set Similarity
*/
#include <cstdio>
#include <algorithm>
#include <string>
#include <vector>
#include <set>
using namespace std;
vector<set<int> > s;

int main(){
    int s_cnt;
    scanf("%d",&s_cnt);
    s.resize(s_cnt+1);
    for(int i =1;i<=s_cnt;i++){
        int cnt;
        scanf("%d",&cnt);
        for(int j =0;j<cnt;j++){
            int temp;
            scanf("%d",&temp);
            s[i].insert(temp);
        }
    }
    int q_cnt;
    scanf("%d",&q_cnt);
    for(int i=0;i<q_cnt;i++){
        int a,b,count=0;
        scanf("%d %d",&a,&b);
        for(set<int>::iterator it =s[b].begin();it!=s[b].end();it++){
            if(s[a].find(*it)!=s[a].end()) count++;
        }
        float ratio =count*1.0*100/(s[a].size()+s[b].size()-count);
        printf("%0.1f%%\n",ratio);
    }
    return 0;
}

### Halcon 中的相似性匹配功能 在 Halcon 中,相似性匹配是一种用于识别图像中特定模式的技术。该技术通过模板匹配的方式,在目标图像内寻找与给定模型最接近的部分。为了实现这一目的,Halcon 提供了一系列算子来创建和应用这些模型。 #### 创建相似性模型 要执行相似性匹配,首先需要定义一个或多个感兴趣区域作为模板,并基于此构建模型。这可以通过 `create_similarity_model` 函数完成: ```cpp // 定义模板窗口并读取模板图像 read_image (Image, 'template_path') reduce_domain (Image, Region, ImageReduced) // 使用默认参数创建相似度量模型 create_similarity_model (ImageReduced, 0.5, 0.7, 'use_polarity', \ 'gauss', 3, 1, SimilarityModelID) ``` 上述代码片段展示了如何加载一幅图片到内存中,并将其指定为模板的一部分;随后调用 `create_similarity_model()` 来初始化一个新的相似性检测器实例[^2]。 #### 应用相似性模型进行搜索 一旦建立了模型之后,则可以利用它来进行实际的目标查找工作。下面的例子说明了怎样在一个新输入的画面里定位之前设定好的对象位置: ```cpp // 加载待处理的新图象 read_image (SceneImage, 'scene_path') // 执行相似性匹配操作 find_all_similar_objects (SimilarityModelID, SceneImage, MinScore, MaxOverlap,\ NumMatches, RowBegin, ColumnBegin, Angle, ScaleRow, \ ScaleColumn, Score, HandleArray) ``` 这里的关键在于函数 `find_all_similar_objects()`, 这个命令会遍历整个场景图像去发现所有可能存在的匹配项,并返回它们各自的坐标以及其他相关信息如角度旋转和平移缩放因子等属性值[^3]。 #### 结果可视化 最后一步通常是将找到的结果直观地显示出来以便验证效果好坏与否: ```cpp dev_display(SceneImage); for i := 0 to |HandleArray|-1 by 1 do dev_set_color ('red'); gen_rectangle1 (RowBegin[i], ColumnBegin[i],\ RowBegin[i]+ScaleRow[i]*TemplateHeight,\ ColumnBegin[i]+ScaleColumn[i]*TemplateWidth); endfor; ``` 这段脚本会在原始画面上绘制红色矩形框标记出每一个被成功辨认出来的物体轮廓边界线[^1]。
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