剑指Offer:二叉搜索树的最近公共祖先(一、二)全解。

本文介绍了在二叉搜索树和普通二叉树中寻找两个节点最近公共祖先的高效算法,通过深度优先遍历和二叉搜索树特性,实现空间复杂度为O(1)、时间复杂度为O(n)。实例演示并解析了代码,适合理解二叉树遍历策略。


介绍两类二叉搜索树最近公共祖先的题解,分别是普通二叉树和二叉搜索树,题目解法比较有借鉴意义,代码简洁巧妙。

1、JZ86 在二叉树中找到两个节点的最近公共祖先

题目

给定一棵二叉树(保证非空)以及这棵树上的两个节点对应的val值 o1 和 o2,请找到 o1 和 o2 的最近公共祖先节点。

数据范围:1 \le n \le 10001≤n≤1000,树上每个节点的val满足 0<val \le 1000<val≤100
要求:空间复杂度 O(1)O(1),时间复杂度 O(n)O(n)

注:本题保证二叉树中每个节点的val值均不相同。

如当输入[3,5,1,6,2,0,8,#,#,7,4],5,1时,二叉树{3,5,1,6,2,0,8,#,#,7,4}如下图所示:
在这里插入图片描述

输入:[3,5,1,6,2,0,8,#,#,7,4],5,1
返回值:3

代码:

自己写的时候就想着:怎样才能判断公共父节点呢?其实想清楚了就是:后续遍历呗。左边判断完了、右边判断完了,如果左右都找到了,那就返回这个节点就好了,因为深度优先遍历从下往上走,所以找到的就是最近的父节点。

可能有人会说:如果o1在o2的左节点,那该咋办嘞,其实在判断o1的时候就返回了,根本不需要再往下遍历了,因为会判断其他的情况,没找到o2的话,o1就是最终答案也没错。

代码比较精妙,可以记一下。

import java.util.*;

public class Solution {

    public int lowestCommonAncestor (TreeNode root, int o1, int o2) {
        return comAncestor(root, o1, o2).val;
    }
    
    TreeNode comAncestor(TreeNode root, int o1, int o2){
        if(root == null) return null;
        if(root.val == o1 || root.val == o2) return root;
        TreeNode left = comAncestor(root.left, o1, o2);
        TreeNode right = comAncestor(root.right, o1, o2);
        if(left == null) return right;
        if(right == null) return left;
        return root;
    }
}

复杂度分析:

空间复杂度:O(1)
时间复杂度:O(n)

2、JZ68 二叉搜索树的最近公共祖先

题目

给定一个二叉搜索树, 找到该树中两个指定节点的最近公共祖先。
1.对于该题的最近的公共祖先定义:对于有根树T的两个结点p、q,最近公共祖先LCA(T,p,q)表示一个结点x,满足x是p和q的祖先且x的深度尽可能大。在这里,一个节点也可以是它自己的祖先.
2.二叉搜索树是若它的左子树不空,则左子树上所有结点的值均小于它的根结点的值; 若它的右子树不空,则右子树上所有结点的值均大于它的根结点的值
3.所有节点的值都是唯一的。
4.p、q 为不同节点且均存在于给定的二叉搜索树中。
数据范围:
3<=节点总数<=10000
0<=节点值<=10000

如果给定以下搜索二叉树: {7,1,12,0,4,11,14,#,#,3,5},如下图:
在这里插入图片描述

输入:{7,1,12,0,4,11,14,#,#,3,5},1,12
返回值:7
说明:节点1 和 节点12的最近公共祖先是7 

代码:

就是在上述代码改的,其实就是利用了二叉搜索树的特性。

import java.util.*;

public class Solution {

    public int lowestCommonAncestor (TreeNode root, int p, int q) {
        return comAncestor(root, p, q).val;
    }
    
    TreeNode comAncestor(TreeNode root, int o1, int o2){
        if(root == null) return null;
        if(o1 == root.val || o2 == root.val) return root;
        if(o1 < root.val && o2 < root.val) return comAncestor(root.left, o1, o2);
        if(o1 > root.val && o2 > root.val) return comAncestor(root.right, o1, o2);
        return root;
    }
}

复杂度分析:

空间复杂度:O(1)
时间复杂度:O(n)

总结

咋感觉自己做就是不会嘞,焦虑ing

本课题设计了一种利用Matlab平台开发的植物叶片健康状态识别方案,重点融合了色彩与纹理双重特征以实现对叶片病害的自动化判别。该系统构建了直观的图形操作界面,便于用户提交叶片影像并快速获得分析结论。Matlab作为具备高效数值计算与数据处理能力的工具,在图像分析与模式分类领域应用广泛,本项目正是借助其功能解决农业病害监测的实际问题。 在色彩特征分析方面,叶片影像的颜色分布常与其生理状态密切相关。通常,健康的叶片呈现绿色,而出现黄化、褐变等异常色彩往往指示病害或虫害的发生。Matlab提供了一系列图像处理函数,例如可通过色彩空间转换与直方图统计来量化颜色属性。通过计算各颜色通道的统计参数(如均值、标准差及主成分等),能够提取具有判别力的色彩特征,从而为不同病害类别的区分提供依据。 纹理特征则用于描述叶片表面的微观结构与形态变化,如病斑、皱缩或裂纹等。Matlab中的灰度共生矩阵计算函数可用于提取对比度、均匀性、相关性等纹理指标。此外,局部二值模式与Gabor滤波等方法也能从多尺度刻画纹理细节,进一步增强病害识别的鲁棒性。 系统的人机交互界面基于Matlab的图形用户界面开发环境实现。用户可通过该界面上传待检图像,系统将自动执行图像预处理、特征抽取与分类判断。采用的分类模型包括支持向量机、决策树等机器学习方法,通过对已标注样本的训练,模型能够依据新图像的特征向量预测其所属的病害类别。 此类课题设计有助于深化对Matlab编程、图像处理技术与模式识别原理的理解。通过完整实现从特征提取到分类决策的流程,学生能够将理论知识与实际应用相结合,提升解决复杂工程问题的能力。总体而言,该叶片病害检测系统涵盖了图像分析、特征融合、分类算法及界面开发等多个技术环节,为学习与掌握基于Matlab的智能检测技术提供了综合性实践案例。 资源来源于网络分享,仅用于学习交流使用,请勿用于商业,如有侵权请联系我删除!
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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