LeetCode 264 丑数II

本文介绍了如何使用动态规划和最小堆的方法解决LeetCode上的丑数问题,探讨了两种方法的时间复杂度和空间复杂度,并提供了相应的Java代码实现。

题目信息

LeetoCode地址: . - 力扣(LeetCode)

题目理解

所谓丑数就是满足: (2^x)*(3^y)*(5^z), 其中,x,y,z >= 0的数。

题目要求的是求严格递增的第n个丑数。

最小堆写法

可以维护一个小顶堆,每一次拿出堆顶元素,然后分别乘以2,3,5再都扔回堆里,依次进行操作,直到第n个元素。在实现时,要注意对重复元素的处理。

时间复杂度:(nlogn),堆的每次出入操作需要花费logn, 共需要n次这样的操作。

额外空间复杂度: (n), 我们需要维护一个最大长度为n的堆。

class Solution {
    public int nthUglyNumber(int n) {
        int[] factors = {2, 3, 5};
        Set<Long> seen = new HashSet<Long>();
        PriorityQueue<Long> heap = new PriorityQueue<Long>();
        seen.add(1L);
        heap.offer(1L);
        int ugly = 0;
        for (int i = 0; i < n; i++) {
            long curr = heap.poll();
            ugly = (int) curr;
            for (int factor : factors) {
                long next = curr * factor;
                if (seen.add(next)) {
                    heap.offer(next);
                }
            }
        }
        return ugly;
    }
}

动态规划写法

第k个丑数一定是它之前的0到k-1之间某一个更小的的丑数乘以2或3或5得到的,我们要找的就是其中乘完后刚好最小,同时又大过k-1丑数的数。

既然如此,可以使用三个下标x,y,z分别记录还未被2,3,5乘过的丑数。

每一次计算第k个丑数时,将第x个丑数乘以2,第y个丑数乘以3,第z个丑数乘以5,得到的最小值就是第k个丑数。假设第x个丑数乘以2是最小的,则将x+1,因为第x个丑数已经乘过2并用过了。y和z类似。

时间复杂度: O(n)

空间复杂度: O(n)

static int[] dp = new int[1691];
    public int nthUglyNumber(int n) {
        if (dp[0] == 0) {
            dp[1] = 1;
            int x=1,y=1,z=1;
            for (int i = 2; i<=n; i++) {
                int xMin = dp[x] *2;
                int yMin = dp[y] *3;
                int zMin = dp[z] * 5;
                int min = Math.min(xMin, Math.min(yMin, zMin));
                if (min == xMin) {
                    x++;
                }
                if (min == yMin) {
                    y++;
                }
                if (min == zMin) {
                    z++;
                }
                dp[i] = min;
            }
        }
        return dp[n];
    }

本课题设计了一种利用Matlab平台开发的植物叶片健康状态识别方案,重点融合了色彩与纹理双重特征以实现对叶片病害的自动化判别。该系统构建了直观的图形操作界面,便于用户提交叶片影像并快速获得分析结论。Matlab作为具备高效数值计算与数据处理能力的工具,在图像分析与模式分类领域应用广泛,本项目正是借助其功能解决农业病害监测的实际问题。 在色彩特征分析方面,叶片影像的颜色分布常与其生理状态密切相关。通常,健康的叶片呈现绿色,而出现黄化、褐变等异常色彩往往指示病害或虫害的发生。Matlab提供了一系列图像处理函数,例如可通过色彩空间转换与直方图统计来量化颜色属性。通过计算各颜色通道的统计参数(如均值、标准差及主成分等),能够提取具有判别力的色彩特征,从而为不同病害类别的区分提供依据。 纹理特征则用于描述叶片表面的微观结构与形态变化,如病斑、皱缩或裂纹等。Matlab中的灰度共生矩阵计算函数可用于提取对比度、均匀性、相关性等纹理指标。此外,局部二值模式与Gabor滤波等方法也能从多尺度刻画纹理细节,进一步增强病害识别的鲁棒性。 系统的人机交互界面基于Matlab的图形用户界面开发环境实现。用户可通过该界面上传待检图像,系统将自动执行图像预处理、特征抽取与分类判断。采用的分类模型包括支持向量机、决策树等机器学习方法,通过对已标注样本的训练,模型能够依据新图像的特征向量预测其所属的病害类别。 此类课题设计有助于深化对Matlab编程、图像处理技术与模式识别原理的理解。通过完整实现从特征提取到分类决策的流程,学生能够将理论知识与实际应用相结合,提升解决复杂工程问题的能力。总体而言,该叶片病害检测系统涵盖了图像分析、特征融合、分类算法及界面开发等多个技术环节,为学习与掌握基于Matlab的智能检测技术提供了综合性实践案例。 资源来源于网络分享,仅用于学习交流使用,请勿用于商业,如有侵权请联系我删除!
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