codevs 1080 线段树练习 CDQ分治

本文介绍了一个关于线段树的数据结构问题,通过CDQ分治算法解决动态区间查询与更新的问题,包括具体实现代码。

codevs 1080 线段树练习

 http://codevs.cn/problem/1080/

 时间限制: 1 s
 空间限制: 128000 KB
 
题目描述  Description

一行N个方格,开始每个格子里都有一个整数。现在动态地提出一些问题和修改:提问的形式是求某一个特定的子区间[a,b]中所有元素的和;修改的规则是指定某一个格子x,加上或者减去一个特定的值A。现在要求你能对每个提问作出正确的回答。1≤N<100000,,提问和修改的总数m<10000条。

输入描述  Input Description

输入文件第一行为一个整数N,接下来是n行n个整数,表示格子中原来的整数。接下一个正整数m,再接下来有m行,表示m个询问,第一个整数表示询问代号,询问代号1表示增加,后面的两个数x和A表示给位置X上的数值增加A,询问代号2表示区间求和,后面两个整数表示a和b,表示要求[a,b]之间的区间和。

输出描述  Output Description

共m行,每个整数

样例输入  Sample Input

6

3

4

1 3 5

2 1 4

1 1 9

2 2 6

样例输出  Sample Output

22

22

数据范围及提示  Data Size & Hint

1≤N≤100000, m≤10000 。

CDQ分治

答案只输出查询操作

按照操作出现时间将所有操作一分为二,在这里称为左右区间

对右区间的的查询操作有贡献的修改操作有2部分

1、左区间所有的修改操作

2、右区间本次查询操作之前的修改操作

注:修改操作的修改位置必须包含在查询操作内

对于划分出的左右区间仍然可以继续这样划分,

所以整个操作过程可以被划分为相同的子操作过程

(是不是有点儿像DP)

对于1,可以用一个变量记下来,加到右区间的查询操作上即可

对于2,递归处理

左区间继续递归处理即可

那么如何保证修改位置在查询操作范围内呢?

前缀和思想

对于查询区间[l,r]分为两部分 [1,l-1],[1,r]

用sum[1,r]-sum[1,l-1]即可

所以可设一个变量a,标记l-1=-1,r=1

累加答案的时候 +a*sum

#include<cstdio>
#include<algorithm>
using namespace std;
int n,m,tot,t,ans[10001];
struct node
{
    int x,key,id,kind,bl;
}q[120001],tmp[120001];
bool cmp(node k,node l)
{
    if(k.x!=l.x) return k.x<l.x;
    return k.kind<l.kind;
}
void solve(int l,int r)
{
    if(l==r) return;
    int sum=0;
    int mid=l+r>>1,ll=l,rr=mid+1;
    for(int i=l;i<=r;i++)
    {
        if(q[i].kind==1&&q[i].id<=mid) sum+=q[i].key;
        else if(q[i].kind==2&&q[i].id>mid)  ans[q[i].bl]+=q[i].key*sum;
    }
    for(int i=l;i<=r;i++)
    {
        if(q[i].id<=mid)tmp[ll++]=q[i];
        else tmp[rr++]=q[i];
    }
    for(int i=l;i<=r;i++) q[i]=tmp[i];
    solve(l,mid);solve(mid+1,r);
}
int main()
{
    scanf("%d",&n);
    int x,y,z;
    for(int i=1;i<=n;i++)
    {
        scanf("%d",&x);
        q[++tot].x=i;q[tot].key=x;q[tot].id=tot;q[tot].kind=1;
    }
    scanf("%d",&m);
    for(int i=1;i<=m;i++)
    {
        scanf("%d%d%d",&x,&y,&z);
        if(x&1)
        {
            q[++tot].x=y;q[tot].key=z;q[tot].id=tot;q[tot].kind=1;
        }
        else
        {
            q[++tot].x=y-1;q[tot].key=-1;q[tot].id=tot;q[tot].kind=2;q[tot].bl=++t;
            q[++tot].x=z;q[tot].key=1;q[tot].id=tot;q[tot].kind=2;q[tot].bl=t;
        }
    }
    sort(q+1,q+tot+1,cmp);
    solve(1,tot);
    for(int i=1;i<=t;i++) printf("%d\n",ans[i]);
}

 

转载于:https://www.cnblogs.com/TheRoadToTheGold/p/6533902.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