[六省联考2017]摧毁“树状图”

针对一个包含大量节点的树状图,本博客介绍了一种树形DP算法,旨在通过删除特定链来最大化剩余连通块的数量。算法核心在于定义四种状态,并通过递归方式更新这些状态,最终求得最优解。

[六省联考2017]摧毁“树状图”

题目大意:

给你一个\(n(n\le5\times10^5)\)个点的图,从图中选两条链,删掉链上所有点以及所有相连的边,使得剩下的连通块数目最多,求连通块个数。

思路:

树形DP。

  • f[x][0]:穿过\(x\)向上的半条链
  • f[x][1]:不穿过\(x\)且完全在子树内的一条链
  • f[x][2]:穿过\(x\)且完全在子树内的一条链
  • f[x][3]:穿过\(x\)向上的半条连以及完全在子树内的一条链

然后就是各种大力讨论。

这个有图示的题解比较好懂。

源代码:

#include<cstdio>
#include<cctype>
#include<vector>
inline int getint() {
    register char ch;
    while(!isdigit(ch=getchar()));
    register int x=ch^'0';
    while(isdigit(ch=getchar())) x=(((x<<2)+x)<<1)+(ch^'0');
    return x;
}
const int N=5e5+1;
std::vector<int> e[N];
inline void add_edge(const int &u,const int &v) {
    e[u].push_back(v);
    e[v].push_back(u);
}
int f[N][4],ans;
inline void upd(int &a,const int &b) {
    a=std::max(a,b);
}
void dfs(const int &x,const int &par) {
    const bool isrt=x==1;
    const int deg=e[x].size()-!isrt;
    f[x][0]=f[x][2]=f[x][3]=deg;
    f[x][1]=1;
    int max=0;
    for(unsigned i=0;i<e[x].size();i++) {
        const int &y=e[x][i];
        if(y==par) continue;
        dfs(y,x);
        upd(ans,f[x][0]+f[y][3]-isrt);
        upd(ans,f[x][3]+f[y][0]-isrt);
        upd(ans,f[x][1]+f[y][1]-1);
        upd(ans,f[x][1]+f[y][2]);
        upd(ans,f[x][2]+f[y][1]-isrt);
        upd(ans,f[x][2]+f[y][2]-isrt);
        upd(f[x][1],f[y][1]);
        upd(f[x][1],f[y][2]+1);
        upd(f[x][3],f[y][3]+deg-1);
        upd(f[x][3],f[y][0]+max+deg-2);
        upd(f[x][3],f[x][0]+f[y][1]-1);
        upd(f[x][3],f[x][0]+f[y][2]-1);
        upd(f[x][3],f[x][2]+f[y][0]-1);
        upd(f[x][2],f[x][0]+f[y][0]-1);
        upd(f[x][0],f[y][0]+deg-1);
        upd(f[x][2],f[x][0]);
        upd(f[x][3],f[x][2]);
        upd(max,f[y][1]);
        upd(max,f[y][2]);
    }
}
int main() {
    const int T=getint(),x=getint();
    for(register int i=0;i<T;i++) {
        const int n=getint();
        for(register int i=0;i<x*2;i++) getint();
        for(register int i=1;i<n;i++) {
            add_edge(getint(),getint());
        }
        ans=0;
        dfs(1,0);
        printf("%d\n",ans);
        for(register int i=1;i<=n;i++) {
            e[i].clear();
        }
    }
    return 0;
}

转载于:https://www.cnblogs.com/skylee03/p/9770455.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