bzoj 3168: [Heoi2013]钙铁锌硒维生素 线性代数+二分图匹配

本文介绍了一种基于高斯消元法的矩阵求解算法,并结合匈牙利算法进行匹配,解决特定数学问题。通过定义逆元和矩阵操作,实现了矩阵方程的求解,再利用匈牙利算法完成最优匹配。
#include<iostream>
#include<cstdio>
#include<cstring>
#include<algorithm>
#define mod 999983
#define maxn 302
#define F(x,y) for(int x=1;x<=y;x++)
using namespace std;
typedef long long ll;
ll a[maxn][maxn];
ll b[maxn][maxn];
int u[maxn],v[maxn];
ll c[maxn][maxn];
int n;
int rec[maxn],ans[maxn];
ll inv[mod];
int map[maxn][maxn];
void fail()
{
    puts("NIE");
    exit(0);
}
void gauss(){
    F(i,n)c[i][i]=1;
    F(i,n){
          F(j,n)if(a[i][j]&&!v[j]){
            u[i]=j;
            v[j]=i;
            break;
        }
        ll w=inv[a[i][u[i]]];
        for(int j=i;j<=i;j++)F(z,n)a[j][z]=(a[j][z]*w)%mod,c[j][z]=(c[j][z]*w)%mod;
        F(j,n)if(i!=j){
            w=mod-a[j][u[i]];
            F(z,n){
              a[j][z]=(a[j][z]+w*a[i][z])%mod;
              c[j][z]=(c[j][z]+w*c[i][z])%mod;    
            }    
        }
    }
}
int l[maxn],vis[maxn],num;
bool dfs(int x,int now){
   if(x<=now)return 0;
   for(int i=1;i<=n;i++)if(map[x][i]&&!vis[i]){
        vis[i]=1;
        if(!l[i]||dfs(l[i],now)){
          l[i]=x;
           return 1;
        }    
    }
    return 0;
}
int main(){
    inv[1]=1;
    for(int i=2;i<mod;i++)
        inv[i]=(ll)inv[mod%i]*(mod-mod/i)%mod;
    cin>>n;
    F(i,n)F(j,n)scanf("%lld",&a[i][j]);
    F(i,n)F(j,n)scanf("%lld",&b[i][j]);
    gauss();
    F(i,n){
        ll tt;
        F(j,n){
            tt=0;
            F(k,n)tt=(tt+b[j][k]*c[u[k]][i])%mod;
            if(tt)map[i][j]=1;
         }
    }
    num=0;
    for(int i=1;i<=n;i++){
      memset(vis,0,sizeof(vis));
      if(dfs(i,0))num++;    
    }
    if(num!=n)fail();
    F(i,n){
        F(j,n)if(map[i][j]&&l[j]>i){
           int ff=0,bf;
           F(z,n)rec[z]=l[z];
           F(z,n)if(l[z]==i){
                ff=z;
                break;
            }
            l[ff]=0;
            bf=l[j];
            l[j]=i;
            memset(vis,0,sizeof(vis));
            if(dfs(bf,i)){
                ans[i]=j;
                break;
            }else{
               F(z,n)l[z]=rec[z];    
            }    
        }else{
           if(l[j]==i){
              ans[i]=j;
              break;    
            }    
        }
    }
 puts("TAK");
    F(i,n) printf("%d\n",ans[i]);
}

 

转载于:https://www.cnblogs.com/wangyucheng/p/3663726.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