快速排序

快速排序(js实现)

function Quicksort(a) {
        Qsort(a, 0, a.length - 1);
        return   a;
    }

    function Qsort(a, low, high) {
        var pivot;
        if (low < high) {
            pivot = Partition(a, low, high);
            Qsort(a, low, pivot - 1);
            Qsort(a, pivot+1, high);
        }


    }

   
    function Partition(a, low, high) {

        var temp;
        var pivotKey;
        pivotKey = a[low];
        while (low < high) {
            while (low < high && a[high] >= pivotKey)
                high--;
            temp = a[high];
            a[high] = a[low];
            a[low] = temp;
            while (low < high && a[low] <= pivotKey)
                low++;
            temp = a[low];
            a[low] = a[high];
            a[high] = temp;

        }
        return low;
    }
测试:

 function getRandom() {
        var count = 15;
        var random;
        var a = new Array();
        while (count--) {
            random = Math.floor(Math.random() * 1000);
            a.push(random);


        }
       
        return a;
    }
结果:



快速排序的算法思想最好还是看看数据结构的相关书籍吧,我这里只是简单的说下。快速排序就是冒泡排序的升级版本,实现思想就是预先设置一个所谓的中间量(piovtkey),从low和height两个方向往中间走,完成把比piovtkey大的放右边,小的放左边。

 function Partition(a, low, high) {

        var temp;
        var pivotKey;
        pivotKey = a[low];
        while (low < high) {
            while (low < high && a[high] >= pivotKey)
                high--;
            temp = a[high];
            a[high] = a[low];
            a[low] = temp;
            while (low < high && a[low] <= pivotKey)
                low++;
            temp = a[low];
            a[low] = a[high];
            a[high] = temp;

        }
        return low;
    }


然后在递归调用.

if (low < high) {
            pivot = Partition(a, low, high);
            Qsort(a, low, pivot - 1);
            Qsort(a, pivot+1, high);
        }


本研究利用Sen+MK方法分析了特定区域内的ET(蒸散发)趋势,重点评估了使用遥感数据的ET空间变化。该方法结合了Sen斜率估算器和Mann-Kendall(MK)检验,为评估长期趋势提供了稳健的框架,同时考虑了时间变化和统计显著性。 主要过程与结果: 1.ET趋势可视化:研究利用ET数据,通过ET-MK和ET趋势图展示了蒸散发在不同区域的空间和时间变化。这些图通过颜色渐变表示不同的ET水平及其趋势。 2.Mann-Kendall检验:应用MK检验来评估ET趋势的统计显著性。检验结果以二元分类图呈现,标明ET变化的显著性,帮助识别出有显著变化的区域。 3.重分类结果:通过重分类处理,将区域根据ET变化的显著性进行分类,从而聚焦于具有显著变化的区域。这一过程确保分析集中在具有实际意义的发现上。 4.最终输出:最终结果以栅格图和png图的形式呈现,支持各种应用,包括政策规划、水资源管理和土地利用变化分析,这些都是基于详细的时空分析。 ------------------------------------------------------------------- 文件夹构造: data文件夹:原始数据,支持分析的基础数据(MOD16A2H ET数据 宁夏部分)。 results文件夹:分析结果与可视化,展示研究成果。 Sen+MK_optimized.py:主分析脚本,适合批量数据处理和自动化分析。 Sen+MK.ipynb:Jupyter Notebook,复现可视化地图。
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