【BZOJ3879】SvT(后缀自动机,虚树)

本文详细解析了 BZOJ3879 SvT 的算法思路,利用后缀自动机(SAM)和虚树解决前缀间的最长公共前缀(LCP)问题,通过树型DP和LCA查询优化解决方案。

【BZOJ3879】SvT(后缀自动机,虚树)

题面

BZOJ

题解

看着这个东西,询问若干个前缀两两之间的\(lcp\)
显然\(lcp\)就是\(SAM\)构建出来的\(parent\)数上的\(LCA\)所代表的长度。
那么这样子就转为了树型\(dp\)
然后发现是前缀?把串转过来就是后缀了。
\(\sum t\)\(O(n)\)级别的?显然虚树。
那么直接虚树搞搞就好了。

#include<iostream>
#include<cstdio>
#include<cstring>
#include<algorithm>
using namespace std;
#define MAX 1010000
inline int read()
{
    int x=0;bool t=false;char ch=getchar();
    while((ch<'0'||ch>'9')&&ch!='-')ch=getchar();
    if(ch=='-')t=true,ch=getchar();
    while(ch<='9'&&ch>='0')x=x*10+ch-48,ch=getchar();
    return t?-x:x;
}
int n,m;char ch[MAX];
long long ans;
struct Node
{
    int son[26];
    int len,ff;
}t[MAX];
int last=1,tot=1,lt[MAX];
void extend(int c)
{
    int p=last,np=++tot;last=tot;
    t[np].len=t[p].len+1;
    while(p&&!t[p].son[c])t[p].son[c]=np,p=t[p].ff;
    if(!p)t[np].ff=1;
    else
    {
        int q=t[p].son[c];
        if(t[q].len==t[p].len+1)t[np].ff=q;
        else
        {
            int nq=++tot;
            t[nq]=t[q];t[nq].len=t[p].len+1;
            t[q].ff=t[np].ff=nq;
            while(p&&t[p].son[c]==q)t[p].son[c]=nq,p=t[p].ff;
        }
    }
}
struct Line{int v,next;}e[MAX];
int h[MAX],cnt=1;
inline void Add(int u,int v){e[cnt]=(Line){v,h[u]};h[u]=cnt++;}
int dfn[MAX],low[MAX],dep[MAX],fa[MAX],tim,size[MAX],hson[MAX],top[MAX];
void dfs1(int u,int ff)
{
    size[u]=1;dep[u]=dep[ff]+1;fa[u]=ff;
    for(int i=h[u];i;i=e[i].next)
    {
        int v=e[i].v;
        dfs1(v,u);size[u]+=size[v];
        if(size[v]>size[hson[u]])hson[u]=v;
    }
}
void dfs2(int u,int tp)
{
    dfn[u]=++tim;top[u]=tp;
    if(hson[u])dfs2(hson[u],tp);
    for(int i=h[u];i;i=e[i].next)
        if(e[i].v!=hson[u])dfs2(e[i].v,e[i].v);
    low[u]=tim;
}
int LCA(int u,int v)
{
    while(top[u]^top[v])(dep[top[u]]<dep[top[v]])?v=fa[top[v]]:u=fa[top[u]];
    return dep[u]<dep[v]?u:v;
}
int p[MAX],S[MAX];
bool vis[MAX];
bool cmp(int a,int b){return dfn[a]<dfn[b];}
int dp(int u)
{
    int ret=0;if(vis[u])ret=1;
    for(int i=h[u];i;i=e[i].next)
    {
        int d=dp(e[i].v);
        ans+=1ll*t[u].len*d*ret;
        ret+=d;
    }
    return ret;
}
int main()
{
    n=read();m=read();
    scanf("%s",ch+1);reverse(&ch[1],&ch[n+1]);
    for(int i=1;i<=n;++i)extend(ch[i]-97),lt[i]=last;
    for(int i=1;i<=tot;++i)if(t[i].ff)Add(t[i].ff,i);
    dfs1(1,0);dfs2(1,1);memset(h,0,sizeof(h));cnt=1;
    while(m--)
    {
        int t=read(),top=0;cnt=0;
        for(int i=1;i<=t;++i)vis[p[i]=lt[n-read()+1]]=true;
        sort(&p[1],&p[t+1],cmp);
        for(int i=t;i>1;--i)p[++t]=LCA(p[i],p[i-1]);
        sort(&p[1],&p[t+1],cmp);t=unique(&p[1],&p[t+1])-p-1;
        for(int i=1;i<=t;++i)
        {
            while(top&&low[S[top]]<dfn[p[i]])--top;
            Add(S[top],p[i]);S[++top]=p[i];
        }
        ans=0;dp(p[1]);printf("%lld\n",ans);
        for(int i=1;i<=t;++i)h[p[i]]=0,vis[p[i]]=false;
    }
    return 0;
}

转载于:https://www.cnblogs.com/cjyyb/p/10185462.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 640×480、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