LeetCode算法题python解法:15. 3Sum 16. 3Sum Closest 18. 4Sum

三数之和与四数之和算法解析
本文详细解析了求解三数之和和四数之和的算法,通过夹逼定理实现对目标值的逼近,提供Python代码实现。适用于面试准备和算法学习。

这三个题目基本属于同一类型,这里我的解题思路是所谓的‘夹逼定理’。不同的题目运用该思路会有一点区别,总体上是大同小异。

先来看15题:

题目要求取出数列中可以加起来为0的三个数来组成序列并添加到新的序列中去。这个题目其实非常简单,和之前水桶装水的题目有些类似。这里只需要先绑定两端,中间的值动。

class Solution(object):
    def threeSum(self, nums):
        nums = sorted(nums)
        print(nums)
        out = []
        for i in range(len(nums) - 2):
            if i>0 and nums[i] == nums[i-1]:
                continue
            f = i + 1
            b = len(nums) - 1
            while True:
                if f >= b:
                    break
                if nums[i] + nums[f] + nums[b] < 0:
                    f += 1
                elif nums[i] + nums[f] + nums[b] > 0:
                    b -= 1
                else:
                    out.append([nums[i], nums[f], nums[b]])
                    # if sorted([nums[i], nums[f], nums[b]]) not in out:
                    #    out.append(sorted([nums[i], nums[f], nums[b]]))
                    f += 1
                    b -= 1
                    while f + 1 <= b and nums[f] == nums[f - 1]:
                        f += 1
                    while b - 1 >= f and nums[b] == nums[b + 1]:
                        b -= 1

        return out

16.

class Solution:
    def threeSumClosest(self, nums, target):
        nums = sorted(nums)
        disminx = abs(nums[1] - nums[-1])+ abs(target)
        minx = sum(nums[:3])

        for i in range(len(nums)):
            f, b = i + 1, len(nums) - 1

            while f < b:
                num = nums[i] + nums[f] + nums[b]
                if num == target:
                    return target
                elif num > target:
                    b -= 1
                    minn = abs(num - target)
                    if disminx > minn:
                        disminx = minn
                        minx = num

                else:
                    f += 1
                    minn = abs(num - target)
                    if disminx > minn:
                        disminx = minn
                        minx = num
        return minx

18

class Solution:
    def fourSum(self, nums, target):
        out = []
        nums = sorted(nums)

        for i in range(len(nums)-3):
            if i > 0 and nums[i] == nums[i - 1]:
                continue

            for b in range(len(nums)-1,i+2,-1):
                if b < len(nums)-1 and nums[b] == nums[b+1]:
                    continue
                f = i + 1
                bf = b - 1
                while True:
                    Sum = nums[i] + nums[f] + nums[bf] + nums[b]
                    #print(i, f, bf, b)
                    #print([nums[i], nums[f], nums[bf], nums[b]])
                    if bf <= f:
                        break
                    elif Sum == target:
                        print('==')
                        out.append([nums[i],nums[f],nums[bf] , nums[b]])
                        bf-=1
                        while  0< bf < len(nums)-1 and nums[bf+1] == nums[bf]:
                            bf -= 1
                        f+=1
                        while len(nums) -1> f >0 and nums[f] == nums[f-1]:
                            f+=1
                    elif Sum > target:
                        bf-=1
                    elif Sum < target:
                        f += 1
        return out

 

转载于:https://www.cnblogs.com/slarker/p/9657924.html

一、数据采集层:多源人脸数据获取 该层负责从不同设备 / 渠道采集人脸原始数据,为后续模型训练与识别提供基础样本,核心功能包括: 1. 多设备适配采集 实时摄像头采集: 调用计算机内置摄像头(或外接 USB 摄像头),通过OpenCV的VideoCapture接口实时捕获视频流,支持手动触发 “拍照”(按指定快捷键如Space)或自动定时采集(如每 2 秒采集 1 张),采集时自动框选人脸区域(通过Haar级联分类器初步定位),确保样本聚焦人脸。 支持采集参数配置:可设置采集分辨率(如 64480、1280×720)、图像格式(JPG/PNG)、单用户采集数量(如默认采集 20 张,确保样本多样性),采集过程中实时显示 “已采集数量 / 目标数量”,避免样本不足。 本地图像 / 视频导入: 支持批量导入本地人脸图像文件(支持 JPG、PNG、BMP 格式),自动过滤非图像文件;导入视频文件(MP4、AVI 格式)时,可按 “固定帧间隔”(如每 10 帧提取 1 张图像)或 “手动选择帧” 提取人脸样本,适用于无实时摄像头场景。 数据集对接: 支持接入公开人脸数据集(如 LFW、ORL),通过预设脚本自动读取数据集目录结构(按 “用户 ID - 样本图像” 分类),快速构建训练样本库,无需手动采集,降低系统开发与测试成本。 2. 采集过程辅助功能 人脸有效性校验:采集时通过OpenCV的Haar级联分类器(或MTCNN轻量级模型)实时检测图像中是否包含人脸,若未检测到人脸(如遮挡、侧脸角度过大),则弹窗提示 “未识别到人脸,请调整姿态”,避免无效样本存入。 样本标签管理:采集时需为每个样本绑定 “用户标签”(如姓名、ID 号),支持手动输入标签或从 Excel 名单批量导入标签(按 “标签 - 采集数量” 对应),采集完成后自动按 “标签 - 序号” 命名文件(如 “张三
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