vijos1287确定的位置

题目:https://vijos.org/p/1287

解:

啊,又不会。。

#include<iostream>
#include<cstdio>
#include<cstring>
#include<map>
using namespace std;
inline int read()
{
  char ch; int ef=0;
  ch=getchar();
  while ((ch<'0')||(ch>'9')) ch=getchar();
  while ((ch>='0')&&(ch<='9')) 
  {
      ef=ef*10+ch-'0';
      ch=getchar();
  }
  return ef;
}
map<string,int>maxs;
//maxs[s]表示s这首歌当前可能的最大(数字最大)的名次是多少
int n,tot,newt[2000],sum[2000];
string s,name[2000],ans[2000];
int main()
{
  scanf("%d",&n);
  for (int i=1;i<=n;i++)
  {
      int a=read(); cin>>s; int b=read(); 
      for (int j=1;j<=a;j++)
      {
        cin>>s;
//newt[b]从目前已给的信息中我们可以知道前b名比前面的名次多出现了几首歌
        if (maxs[s]==0) maxs[s]=b,name[++tot]=s,newt[b]++;
//如果当前这首歌是第一次出现,那么用name记录下歌曲的名字,当前s这首歌最大的名次为b,且前b名中又出现了一首新的歌,所以new[b]++;
        else if (maxs[s]>b) newt[maxs[s]]--,maxs[s]=b,newt[b]++;
//如果说这首歌在前面所给的信息中出现过了,且前面出现时给的范围是前maxs[s]名,且maxs[s]>b,则说明这首歌在前b名中就出现过了new[b]++,在前maxs[s]名中已经不是一首新歌了,maxs[s]--;同时更新s这首歌的最大名次是b
    }
  }
  for (int i=1;i<=tot;i++) sum[i]+=sum[i-1]+newt[i];
//表示在前i名中出现了几首歌,如sum[2]=1,则表示前两名中,已经告诉我们了其中一首歌的名字。
  for (int i=1;i<=tot;i++) ans[maxs[name[i]]]=name[i];
如果name[i]这首歌可以确定名次,那么它的名次一定是maxs[name[i]];
  for (int i=1;i<=tot;i++)
  if ((newt[i]==1)&&(sum[i]==i)) cout<<i<<" "<<ans[i]<<endl;
//如果第i个名次的歌曲可以确定,那么首先sum[i]要等于i即前i名的歌曲名都要给出且newt[i]=1即前i名与前面的名次相比,在给出的歌曲中出现了一首新歌,那么这首新歌就一定是第i名
  return 0;
}

 

转载于:https://www.cnblogs.com/2014nhc/p/7058257.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