洛谷 P4168 [Violet]蒲公英(分块)

本文介绍了一种处理区间众数查询问题的有效算法。通过预先处理数据块并结合暴力求解非整块区域的方法,实现了快速响应查询请求。文章详细解释了算法思路,并提供了完整的C++代码实现。

题意:给你一列数,只会有询问操作,询问区间l,r中的众数是几,如果有多个众数,打印最小的那个

思路:的确不怎么会,一开始想到维护块内的众数,但是如果一个块中有很多众数就不知道该怎么办了,看了hzw聚聚的博客以后才知道,我们对于整块,可以提前n2预处理出答案,然后对于不是整块的,我们直接暴力求解就可以了

代码:在洛谷不开氧气过不去啊(为什么写的这么丑)

#include <bits/stdc++.h>
using namespace std;
typedef long long LL;
inline LL read()
{
    LL x=0,f=1;char ch=getchar();
    while(ch>'9'||ch<'0'){if(ch=='-')f=-1;ch=getchar();}
    while(ch>='0'&&ch<='9'){x=x*10+ch-'0';ch=getchar();}
    return x*f;
}
int n,m;
int block,id;
int a[50005],belong[50005];
int f[505][505];
map<int,int>mp;
int val[50005],cnt[50005];
vector<int>p[50005];

void solve(int x)
{
    memset(cnt,0,sizeof(cnt));
    int maxe=0,ans=0;
    for(int i=(x-1)*block+1;i<=n;i++){
        cnt[a[i]]++;
        if(cnt[a[i]]>maxe||(cnt[a[i]]==maxe&&val[a[i]]<val[ans]))
            ans=a[i],maxe=cnt[a[i]];
        f[x][belong[i]]=ans;
    }
}
int query(int l,int r,int x)
{
    int res=upper_bound(p[x].begin(),p[x].end(),r)-
            lower_bound(p[x].begin(),p[x].end(),l);
    return res;
}
int query(int l,int r)
{
    int ans,maxe;
    ans=f[belong[l]+1][belong[r]-1];
    maxe=query(l,r,ans);
    for(int i=l;i<=min(belong[l]*block,r);i++){
        int res=query(l,r,a[i]);
        if(res>maxe||(res==maxe&&val[a[i]]<val[ans]))
            maxe=res,ans=a[i];
    }
    if(belong[l]!=belong[r]){
        for(int i=block*(belong[r]-1)+1;i<=r;i++){
            int res=query(l,r,a[i]);
            if(res>maxe||(res==maxe&&val[a[i]]<val[ans]))
            maxe=res,ans=a[i];
        }
    }
    return ans;
}
int main()
{
    n=read();m=read();
    block=sqrt(n);
    int ans=0;
    for(int i=1;i<=n;i++){
        a[i]=read();
        if(mp[a[i]]==0){
            mp[a[i]]=++id;
            val[id]=a[i];
        }
        a[i]=mp[a[i]];
        p[a[i]].push_back(i);
    }
    for(int i=1;i<=n;i++)belong[i]=(i-1)/block+1;
    for(int i=1;i<=belong[n];i++)solve(i);
    for(int i=1;i<=m;i++){
        int l=read(),r=read();
        l=(l+ans-1)%n+1;r=(r+ans-1)%n+1;
        if(l>r)swap(l,r);
        ans=val[query(l,r)];
        printf("%d\n",ans);
    }
    return 0;
}

 

转载于:https://www.cnblogs.com/lalalatianlalu/p/9875251.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