排序算法以及其他算法

本文介绍了四种常见的排序算法:选择排序、冒泡排序、插入排序和快速排序,并通过Java代码实现展示了每种算法的工作原理。

1. 常见的排序算法:

import java.util.Arrays;

public class Sort {

	public static void main(String[] args) {
		// TODO Auto-generated method stub
		int[] ary={2,4,1,6,7,9,8};
		System.out.println(
				Arrays.toString(selectionSort(ary)));
		System.out.println(
				Arrays.toString(bubleSort(ary)));
		System.out.println(
				Arrays.toString(insertSort(ary)));
		System.out.println(
				Arrays.toString(quickSort(ary,0,ary.length-1)));

	}
	// 选择排序
	public static int[] selectionSort(int[] ary){
		for(int i=0;i<ary.length-1;i++){
			int min=i;
			for(int j=i+1;j<ary.length-1;j++){
				// 1 种方式
				//if(ary[i]>ary[j]){
				//	int temp=ary[i];
				//	ary[i]=ary[j];
				//	ary[j]=temp;
				//}
				// 2 种方式
				if (ary[min] > ary[j])
				{
					min = j;
				}
			}
			// 2 种方式
			if(min!=i){
				int temp = ary[i];
				ary[i]=ary[min];
				ary[min]=temp;
			}
			
		}
		return ary;
	}
	// 冒泡排序
	public static int[] bubleSort(int[] ary){
		for(int i=0;i<ary.length-1;i++)
			for(int j=0;j+1<ary.length-i;j++){
				if(ary[j]>ary[j+1]){
					int temp=ary[j];
					ary[j]=ary[j+1];
					ary[j+1]=temp;
				}
			}
		return ary;
	}
	// 插入排序
	public static int[] insertSort(int[] ary){
		int j;
		for(int i=1;i<ary.length;i++){
			int temp=ary[i];
			for(j=i-1;j>=0&&temp<ary[j];j--){
				//if(temp<ary[j])
					ary[j+1]=ary[j];
				//else 
				//	break;
			}
			ary[j+1]=temp;
		}
		return ary;
	}
	//快速排序算法的使用
	public static int[] quickSort(int arr[],int left,int right)
	{
		//1.选择中间元素作为基准值,存储起来
		int p = (left+right)/2;
		int pivot = arr[p];
		//2.分别使用左边元素和右边元素与基准值进行比较,直到左边和右边的下标重合
		int i = 0,j = 0;
		for(i = left,j = right; i < j;)
		{
			//2.1 使用左边元素和基准值比较,如果左边有元素并且比基准值小则比较下一个元素
			while(i < p && arr[i] < pivot)
			{
				i++;
			}
			//2.2 如果左边元素比基准值大时
			if(i < p)
			{
				arr[p] = arr[i];
				p = i;
			}
			//2.3 如果右边的元素存在并且比基准值大时,则比较下一个
			while(p < j && arr[j] >= pivot)
			{
				j--;
			}
			//2.4 如果右边的元素比基准值小
			if(p < j)
			{
				arr[p] = arr[j];
				p = j;
			}
		}
		//3.左边元素下标和右边元素下标重合时
		arr[p] = pivot;
		//4.分别对基准值左边和右边的元素进行递归
		if(p - left > 1)
		{
			quickSort(arr,left,p-1);
		}
		if(right - p > 1)
		{
			quickSort(arr,p+1,right);
		}
		return arr;
	}
}














                
内容概要:本文介绍了ENVI Deep Learning V1.0的操作教程,重点讲解了如何利用ENVI软件进行深度学习模型的训练与应用,以实现遥感图像中特定目标(如集装箱)的自动提取。教程涵盖了从数据准备、标签图像创建、模型初始化与训练,到执行分类及结果优化的完整流程,并介绍了精度评价与通过ENVI Modeler实现一键化建模的方法。系统基于TensorFlow框架,采用ENVINet5(U-Net变体)架构,支持通过点、线、面ROI或分类图生成标签数据,适用于多/高光谱影像的单一类别特征提取。; 适合人群:具备遥感图像处理基础,熟悉ENVI软件操作,从事地理信息、测绘、环境监测等相关领域的技术人员或研究人员,尤其是希望将深度学习技术应用于遥感目标识别的初学者与实践者。; 使用场景及目标:①在遥感影像中自动识别提取特定地物目标(如车辆、建筑、道路、集装箱等);②掌握ENVI环境下深度学习模型的训练流程与关键参数设置(如Patch Size、Epochs、Class Weight等);③通过模型调优与结果反馈提升分类精度,实现高效自动化信息提取。; 阅读建议:建议结合实际遥感项目边学边练,重点关注标签数据制作、模型参数配置与结果后处理环节,充分利用ENVI Modeler进行自动化建模与参数优化,同时注意软硬件环境(特别是NVIDIA GPU)的配置要求以保障训练效率。
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