3994: [SDOI2015]约数个数和

本文深入探讨了如何利用数论和组合数学原理,通过优化算法来高效计算两个数乘积的约数个数。文章详细解析了一种基于莫比乌斯函数和整除分块技巧的算法,该算法的时间复杂度为O(T√n),适用于处理大量数据查询。同时,提供了完整的C++代码实现。

Description

设d(x)为x的约数个数,给定1<=T<=50000 组1<=N, M<=50000 ,求 img


有一个公式\[d(ij)=\sum_{x|i}\sum_{y|j}[gcd(i,j)=1]\]

先简单证明一下

如果\(p_1^{k_1}|i\wedge p_1^{k_2}|j\) ,那么对于\(ij\)的一个因子\(p_1^{k_3}\) ,如果\(k_3\leq k_1\)我们就假设\(p_1^{k_3}\)全部来自于\(i\),不然就是\(k_1\)来自于\(i\),剩余部分\(k_3-k_1\)来自\(k_2\)这样的话,如果\(p_1^{k_3}|x\)就表示含有\(p_1^{k_3}\)的那个因数,如果\(p_1^{k_3}|y\)就表示含有\(p_1^{k_1+k_3}\) 的那个因数。就可以表示出全部因数!这时\(gcd(i,j)\neq 1\)的表示是没有意义的!

然后就可以开始欢乐的画柿子了

\[ans=\sum_{i=1}^{n}\sum_{j=1}^m\sum_{x|i}\sum_{y|j}[gcd(x,y)=1]\]

\[=\sum_x^n\sum_y^m\lfloor\frac n x\rfloor\lfloor\frac m y\rfloor\sum_{k|x\wedge k|y}\mu(k)\]

\[=\sum_{k=1}^{min(n,m)}\mu (k)\sum_{x=1}^{\lfloor\frac n x\rfloor}\sum_{y=1}^{\lfloor\frac m y\rfloor}\lfloor\frac n {xk}\rfloor\lfloor\frac m {yk}\rfloor\]

\[=\sum_{k=1}^{min(n,m)}\mu (k)\sum_{x=1}^{\lfloor\frac n x\rfloor}\sum_{y=1}^{\lfloor\frac m y\rfloor}\lfloor\frac {\lfloor\frac n k\rfloor} x\rfloor\lfloor\frac {\lfloor\frac m k\rfloor} y\rfloor\]

恩...

1437515-20181010200529475-1221647536.jpg

预处理一个函数\(g(x)=\sum_{i=1}^x \lfloor \frac x i\rfloor\)

后面那一块\[\sum_{x=1}^{\lfloor\frac n x\rfloor}\sum_{y=1}^{\lfloor\frac m y\rfloor}\lfloor\frac {\lfloor\frac n k\rfloor} x\rfloor\lfloor\frac {\lfloor\frac m k\rfloor} y\rfloor\]

就可以在这个基础上整除分块了啊,整个的时间复杂度\(O(T\sqrt n)\)


#include<iostream>
#include<cstdio>
#include<cstring>
#define M 50001
#define LL long long 
using namespace std;

int m,n,k,cnt,p[M],b[M],x,y;
LL mu[M],g[M];

void Mu()
{
    mu[1]=1;
    for(int i=2;i<M;i++)
    {
        if(!b[i]) {p[++cnt]=i, mu[i]=-1;}
        for(int j=1;j<=cnt && p[j]*i<M;j++)
        {
            b[i*p[j]]=1; if(i%p[j]==0) break;
            mu[i*p[j]]=-mu[i];
        }
    }
    for(int i=2;i<M;i++) mu[i]+=mu[i-1];
}

int main()
{
    Mu();
    for(int i=1;i<M;i++)
        for(int l=1,r;l<=i;l=r+1)
        {
            r=i/(i/l);
            g[i]+=(r-l+1ll)*((LL)i/l);
        }
    scanf("%d",&n);
    for(int i=1;i<=n;i++)
    {
        scanf("%d%d",&x,&y); LL ans=0; if(x>y) swap(x,y);
        for(int l=1,r;l<=x;l=r+1)
        {
            r=min(x/(x/l),y/(y/l));
            ans+=(g[x/l]*g[y/l])*(mu[r]-mu[l-1]);
        }
        printf("%lld\n",ans);
    }
}

转载于:https://www.cnblogs.com/ZUTTER/p/10233371.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