Poj 1016

传送门:http://poj.org/problem?id=1016

数字字符串的压缩,比较

注意指针的使用,注意细节

 1 #include<iostream>
 2 #include<cstring>
 3 using namespace std;
 4 
 5 void inventory(char *s,char *d){
 6     int n[10]={0}; 
 7     for(int i=0;s[i];i++){
 8         n[s[i]-'0']++;
 9     }
10     int j=0;
11     for(int i=0;i<10;i++){
12         if(n[i]){
13             if(n[i]<10){
14                 d[j++]=n[i]+'0';
15                 d[j++]=i+'0';
16             }
17             else{
18                 d[j++]=n[i]/10+'0';
19                 d[j++]=n[i]%10+'0';
20                 d[j++]=i+'0';
21             }
22         }
23     }
24     d[j]='\0';
25     return;
26 }
27 
28 int main(){
29     char num[20][85];
30     while(cin>>num[0]){
31         if(!strcmp(num[0],"-1")){//相同为0 
32             break;
33         }
34         for(int k=0;k<17;k++){
35             inventory(num[k],num[k+1]);
36         } 
37         if(!strcmp(num[0],num[1])){
38             cout<<num[0]<<" is self-inventorying"<<endl;
39             continue;
40         }
41         bool flag1=false;
42         bool flag2=false;
43         for(int i=1;i<=15;i++){
44             if(!strcmp(num[i],num[i+1])){
45                 cout<<num[0]<<" is self-inventorying after "<<i<<" steps "<<endl;
46                 flag1=true;
47                 break;
48             }
49         }
50         if(!flag1){
51             for(int i=14;i>=0;i--){
52                 if(!strcmp(num[15],num[i])){
53                     cout<<num[0]<<" enters an inventory loop of length "<<15-i<<endl;
54                     flag2=true;
55                     break;
56                 }
57             }
58         }
59         if(!flag1&&!flag2){
60             cout<<num[0]<<" can not be classified after 15 iterations"<<endl;
61         }
62     }
63 } 

70,80两个边缘数字,70刚好在15步形成循环,80步在16步形成循环

转载于:https://www.cnblogs.com/marlenemizuno/p/6713643.html

内容概要:该论文聚焦于T2WI核磁共振图像超分辨率问题,提出了一种利用T1WI模态作为辅助信息的跨模态解决方案。其主要贡献包括:提出基于高频信息约束的网络框架,通过主干特征提取分支和高频结构先验建模分支结合Transformer模块和注意力机制有效重建高频细节;设计渐进式特征匹配融合框架,采用多阶段相似特征匹配算法提高匹配鲁棒性;引入模型量化技术降低推理资源需求。实验结果表明,该方法不仅提高了超分辨率性能,还保持了图像质量。 适合人群:从事医学图像处理、计算机视觉领域的研究人员和工程师,尤其是对核磁共振图像超分辨率感兴趣的学者和技术开发者。 使用场景及目标:①适用于需要提升T2WI核磁共振图像分辨率的应用场景;②目标是通过跨模态信息融合提高图像质量,解决传统单模态方法难以克服的高频细节丢失问题;③为临床诊断提供更高质量的影像资料,帮助医生更准确地识别病灶。 其他说明:论文不仅提供了详细的网络架构设计与实现代码,还深入探讨了跨模态噪声的本质、高频信息约束的实现方式以及渐进式特征匹配的具体过程。此外,作者还对模型进行了量化处理,使得该方法可以在资源受限环境下高效运行。阅读时应重点关注论文中提到的技术创新点及其背后的原理,理解如何通过跨模态信息融合提升图像重建效果。
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