CH5101 LCIS

博客围绕最长公共上升子序列问题展开,介绍了问题描述、输入输出格式及数据范围。作者尝试结合LCS和LIS的DP方法解题,起初代码只求出LCS,后重新考虑设二维状态dp[i][j],正解通过局部变量val实现LCS和LIS结合。

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

描述

熊大妈的奶牛在小沐沐的熏陶下开始研究信息题目。小沐沐先让奶牛研究了最长上升子序列,再让他们研究了最长公共子序列,现在又让他们研究最长公共上升子序列了。
小沐沐说,对于两个数列A和B,如果它们都包含一段位置不一定连续的数,且数值是严格递增的,那么称这一段数是两个数列的公共上升子序列,而所有的公共上升子序列中最长的就是最长公共上升子序列了。
奶牛半懂不懂,小沐沐要你来告诉奶牛什么是最长公共上升子序列。不过,只要告诉奶牛它的长度就可以了。数列A和B的长度均不超过3000。

输入格式

第一行N,表示A,B的长度。
第二行,串A。
第三行,串B。

输出格式

输出长度。

样例输入

4
2 2 1 3
2 1 2 3

样例输出

2

数据范围与约定

  • 1<=N<=3000,A,B中的数字不超过2^31-1

题目地址:CH5101 LCIS


个人思路:

  • 这道题是由两个题(LCS和LIS)拼成的,所以可以考虑结合两个DP,毕竟LCS的复杂度为O(n^2)
  • 所以一开始我先手模写了一份代码,发现这份代码实际上只求了LCS,而并没有考虑单调递增这一情况
  • 重新考虑,首先状态肯定是二维的,所以设dp[i][j],i表示在A串中的位置,j表示在B串中的位置
  • 接下来再考虑怎么转移。首先,转移的基本条件肯定是LCS和LIS,这两个都要具备才可以进行转移。但是如果仅仅加判断条件的话并没有想到怎么加条件
  • 正解中使用了一个局部变量val(用于保存LIS的结果),通过在普通的LCS的dp数组的更新中使用val,实现了LCS和LIS的结合

#include<cstdio>
#include<iostream>
using namespace std;
const int MAXN=1000010;
int A[3010],B[3010];
int dp[3010][3010];
int main(){
	int n;
	scanf("%d",&n);
	for(int i=1;i<=n;i++){
		scanf("%d",&A[i]);
	}
	for(int i=1;i<=n;i++){
		scanf("%d",&B[i]);
	}
	int ans=-1;
	for(int i=1;i<=n;i++){
		int val=0;
		for(int j=1;j<=n;j++){
			if(A[i]==B[j])dp[i][j]=val+1;//LCS
			else dp[i][j]=dp[i-1][j];
			if(A[i]>B[j])val=max(val,dp[i-1][j]);//LIS
			ans=max(ans,dp[i][j]);
		}
	}
	cout<<ans<<endl;
	return 0;
}

 

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