20140712 classic 数位DP

本文介绍了一种使用数位动态规划解决特定问题的方法,并通过一个实际案例进行了详细讲解。文章展示了如何利用状态压缩技巧,通过递推公式计算指定范围内数字的和。

其实就是一道蛮简单的数位DP

考试的时候出了点小错导致基本Wa0 

还好数据分治有30分- -

num[i][j][k]表示前i位数字和为j的数的个数  k=0表示不顶上界  k=1表示顶上界

转移方程见代码

dp[i][j][k]表示前i位数字和为j的数的和

转移方程同见代码

 1 #include <cstdio>
 2 #include <cstring>
 3 using namespace std;
 4 #define mod 1000000007
 5 typedef long long ll;
 6 
 7 ll dp[60][600][2];
 8 ll num[60][600][2];
 9 int x,y;
10 
11 ll DP(char ch[60]) {
12     memset(dp,0,sizeof(dp));
13     memset(num,0,sizeof(num));
14     int len=strlen(ch);
15     int a[60];
16     int sum[60];
17     ll ans=0;
18     sum[0]=0;
19     for (int i=0;i<len;i++) {
20         a[i+1]=(int)(ch[i])-48;
21         sum[i+1]=sum[i]+a[i+1];
22     }
23     for (int j=0;j<a[1];j++) {
24         dp[1][j][0]=j; num[1][j][0]=1;
25     }
26     dp[1][a[1]][1]=a[1]; num[1][a[1]][1]=1;
27     for (int i=1;i<len;i++) {
28         for (int j=0;j<600;j++) {
29             if (j!=0 && dp[i][j][0]==0) continue;
30             for (int k=0;k<10;k++) {
31                 num[i+1][j+k][0]=(num[i+1][j+k][0]+num[i][j][0])%mod;
32                 dp[i+1][j+k][0]=(dp[i+1][j+k][0]+dp[i][j][0]*10+k*num[i][j][0])%mod;
33             }
34         }
35         if (sum[i]!=0 && dp[i][sum[i]][1]==0) continue;
36         for (int k=0;k<a[i+1];k++) {
37             num[i+1][sum[i]+k][0]=(num[i+1][sum[i]+k][0]+num[i][sum[i]][1])%mod;
38             dp[i+1][sum[i]+k][0]=(dp[i+1][sum[i]+k][0]+dp[i][sum[i]][1]*10+k*num[i][sum[i]][1])%mod;
39         }
40         num[i+1][sum[i+1]][1]=(num[i][sum[i]][1]+num[i+1][sum[i+1]][1])%mod;
41         dp[i+1][sum[i+1]][1]=(dp[i+1][sum[i+1]][1]+dp[i][sum[i]][1]*10+a[i+1]*num[i][sum[i]][1])%mod;
42     }
43     for (int j=x;j<=y;j++) ans=(ans+dp[len][j][0]+dp[len][j][1])%mod;
44     return ans;
45 }
46 
47 char l[60],r[60];
48 
49 int main() {
50     scanf("%s",&l);
51     scanf("%s",&r);
52     scanf("%d%d",&x,&y);
53     int len=strlen(l);
54     len--;
55     while (1) {
56         if (l[len]=='0') l[len]='9';
57         else {
58             l[len]=(char(int(l[len])-1));
59             break;
60         }
61         len--;
62         if (len==0) {
63             for (int i=strlen(l)-1;i>0;i--) {
64                 l[i-1]=l[i];
65             }
66             l[strlen(l)-1]='\n';
67             break;
68         }
69     }
70     ll R=DP(r);
71     ll L=DP(l);
72     while (R-L<0) R+=mod;
73     printf("%lld",(R-L)%mod);
74 }
View Code

 

转载于:https://www.cnblogs.com/fjmmm/p/3840398.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