HDU 5900 - QSC and Master [ DP ]

本文介绍了一种基于GCD(最大公约数)优化的动态规划算法,用于解决特定类型的物品移除问题。该算法通过预处理GCD矩阵并采用记忆化搜索,实现了高效的求解过程。

题意:   

  给n件物品,有key和value   

  每次可以把相邻的 GCD(key[i], key[i+1]) != 1 的两件物品,问移除的物品的总value最多是多少   

  key : 1 3 4 2  移除34以后12也相邻了,可以移除

分析:   

  先预处理出所有GCD[l][r], 意味 l <= i <= r的区域可以全部移除, 用记忆化搜索处理   

  然后 dp[i] 代表到 i 为止可以得到的最大value和   

  if (G[l][r]) dp[r] = max(dp[r], dp[l-1] + sum[r] - sum[l-1] )

  以及用 dp[i] = max(dp[i], dp[i-1]) 向后保留最大值

 

 1 #include <iostream>
 2 #include <cstdio>
 3 #include <cstring>
 4 using namespace std;
 5 #define LL long long
 6 const int MAXN = 305;
 7 int t, n;
 8 LL dp[MAXN];
 9 LL key[MAXN], v[MAXN], sum[MAXN];
10 int GCD[MAXN][MAXN];
11 LL gcd(LL a, LL b)
12 {
13     return b == 0 ? a : gcd(b, a%b); 
14 }
15 bool check(int l, int r)
16 {
17     if (l > r) return 1;
18     if (GCD[l][r] != -1) return GCD[l][r];
19     if (l == r) return GCD[l][r] = 0;
20     if ((r-l)%2 == 0) return GCD[l][r] = 0; 
21     if (l == r-1) return GCD[l][r] = ( gcd(key[l], key[r]) != 1 );
22     if (gcd(key[l], key[r]) != 1 && check(l+1, r-1) ) return GCD[l][r] = 1;
23     for (int i = l+1; i < r-1; i++)
24     {
25         if (check(l,i) && check(i+1, r)) return GCD[l][r] = 1;
26     }
27     return GCD[l][r] = 0;
28 }
29 int main()
30 {
31     scanf("%d", &t);
32     while (t--)
33     {
34         scanf("%d", &n);
35         for (int i = 1; i <= n; i++)
36             scanf("%lld", &key[i]);
37         sum[0] = 0;
38         for (int i = 1; i <= n; i++)
39             scanf("%lld", &v[i]) , sum[i] = sum[i-1] + v[i];
40         memset(GCD, -1, sizeof(GCD));
41         for (int i = 1; i <= n; i++)
42             for (int j = i; j <= n; j++)
43                 check(i, j);
44         memset(dp, 0, sizeof(dp));
45         for (int i = 1; i <= n; i++)
46         {
47             for (int j = 2; j <= i; j += 2)
48             {
49                 int l = i - j + 1, r = i;
50                 if (check(l, r))
51                     dp[i] = max(dp[i], dp[l-1] + sum[r] - sum[l-1]);
52             }
53             dp[i] = max(dp[i], dp[i-1]);
54         }
55         printf("%lld\n", dp[n]);
56     }
57 } 

 

转载于:https://www.cnblogs.com/nicetomeetu/p/5907060.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