LeetCode Find All Duplicates in Array and Find Disappeared Numbers in Array

本文解析了LeetCode上的两个经典问题:寻找数组中所有重复的数字及寻找缺失的数字。通过对数组元素的巧妙操作,实现了O(n)的时间复杂度和常数级的空间复杂度。

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

lz这里把leetcode中相同类型的两题放在一起来研究。首先是leetcode find all duplicates in array,题目如下:

Given an array of integers, 1 ≤ a[i] ≤ n (n = size of array), some elements appear twice and others appear once.

Find all the elements that appear twice in this array.

Could you do it without extra space and in O(n) runtime?

Example:

Input:
[4,3,2,7,8,2,3,1]

Output:
[2,3]
给定一个数组,其中数组中的元素从1到n,有些元素只出现一次,有些元素出现了两次,要求找出出现重复的元素。并且要求时间复杂度为O(n),空间复杂度为0。此题既然要求不能另开数组空间,且时间复杂度为O(n),那么只能采用巧妙的方法。考虑这些元素只出现一次或两次,所以利用下标和位置元素来重新标记。从数组头开始向后进行扫描,碰到这个数组的当前位置,那么考虑此元素远来应该在那个位置的元素,如果那个位置的元素为正,那就把它置为负;如果为正,那么说明,已经是第二次了,即重现了重复,直接将它放入list中。

public class findDuplicates
{
    public List<Integer> findDuplicates(int[] nums)
    {
        List<Integer> list = new ArrayList<>();
        int length = nums.length;
        if(length == 0)
            return list;
        for(int i = 0; i < length; i++)
        {
            if(nums[Math.abs(nums[i]) - 1] > 0)
                nums[Math.abs(nums[i]) - 1] = -1 * nums[Math.abs(nums[i]) - 1];
            else
                list.add(Math.abs(nums[i]));     //直接放入list中
        }
        return list;
    }
}

另一题,找出缺失的数,即上一题的相反,题目如下:

Given an array of integers where 1 ≤ a[i] ≤ n (n = size of array), some elements appear twice and others appear once.

Find all the elements of [1, n] inclusive that do not appear in this array.

Could you do it without extra space and in O(n) runtime? You may assume the returned list does not count as extra space.

Example:

Input:
[4,3,2,7,8,2,3,1]

Output:
[5,6]

题目背景与上一题一样,只是这次需要求缺失的数,那么用同样的方法来做,只是,现在当扫描到当前位置的数为负,则跳过,不再保存进list中,然后再扫描一遍数组,找出那些数组元素为正的位置下标,即为缺失的数,将其保存进list即可。

public class findDisappearedNumbers
{
    public static List<Integer> findDisappearedNumbers(int[] nums)
    {
        int length = nums.length;
        List<Integer> list = new ArrayList<>();
        if(length == 0)
            return list;
        for(int i = 0; i < length; i++)
        {
            if(nums[Math.abs(nums[i]) - 1] > 0)
                nums[Math.abs(nums[i]) - 1] = -1 * nums[Math.abs(nums[i]) - 1];
            else
                continue;       //碰到是正,直接跳过
        }
        for(int j = 0; j < length; j++)      //再次扫描一遍数组,将数组元素为正的下标+1即为缺失的数
        {
            if(nums[j] > 0)
                list.add(j + 1);
        }
        return list;
    }
}


总结,从上述完全相关的题目,可以看到,当数组中的元素从1到n时,且元素只有出现一次或两次时,可以用下标改变法来求解,非常简单,需要受到启发。

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