KMP算法

寻找最大匹配串:

核心是找到next数组,next数组保存的是最长公共前后缀的长度,如果在A[i]处匹配失败,我们可以通过查找next[i]来寻找出已经匹配上的点,比如说:next[i]等于3,说明字符串前三个和从i向前数三个字符是一样的,这样就可以直接把匹配的字符串头定位到i前面三个的位置,就不用每次移动一个了,但是如果字符串直接没有公共前后缀的话,和一次比一个也没区别。

next数组的计算:KMP算法主要是找到next数组来计算下一次字符串应该要匹配的位置。假设0~i已经知道了,next[i+1]的值,如果i+1位置的字符和next[i]+1位置处的字符一样,就等于next[i]+1;如果不等,就应该分割长度为next[i]长度的公共前后缀字符串,比如next[i]等于5,i+1位置的字符与next[i]+1=6位相比,如果不等,就应该找小于5的公共前后缀在进行比较;也就是next[5]+1的位置,比如next[5]=3,说明前五个有3个是和后面一样的,比较3+1位置和i+1位置的字符,字符相等的话next[i+1]就等于4,也就是说最多匹配到三个,第四个能匹配i+1;也就是说找到前面最大能匹配的时候,每一次检查最大匹配后面能不能与i+1匹配,如果能就得到结果,不能就继续寻找。


下面的代码是copy的,原文的图我看不太董,他的数组下标和值分别以0,1开始,所以和我的定义不一样。

http://blog.youkuaiyun.com/yutianzuijin/article/details/11954939/

next数组计算:

public int[] getNext(String b)  
{  
    int len=b.length();  
    int j=0;  
          
    int next[]=new int[len+1];//next表示长度为i的字符串前缀和后缀的最长公共部分,从1开始  
    next[0]=next[1]=0;  
          
    for(int i=1;i<len;i++)//i表示字符串的下标,从0开始  
    {//j在每次循环开始都表示next[i]的值,同时也表示需要比较的下一个位置  
        while(j>0&&b.charAt(i)!=b.charAt(j))j=next[j];  
        if(b.charAt(i)==b.charAt(j))j++;  
        next[i+1]=j;  
    }  
          
    return next;  
} 

字符串匹配:

public void search(String original, String find, int next[]) {  
    int j = 0;  
    for (int i = 0; i < original.length(); i++) {  
        while (j > 0 && original.charAt(i) != find.charAt(j))  
            j = next[j];  
        if (original.charAt(i) == find.charAt(j))  
            j++;  
        if (j == find.length()) {  
            System.out.println("find at position " + (i - j));  
            System.out.println(original.subSequence(i - j + 1, i + 1));  
            j = next[j];  
        }  
    }  
}  

下载前可以先看下教程 https://pan.quark.cn/s/a426667488ae 标题“仿淘宝jquery图片左右切换带数字”揭示了这是一个关于运用jQuery技术完成的图片轮播机制,其特色在于具备淘宝在线平台普遍存在的图片切换表现,并且在整个切换环节中会展示当前图片的序列号。 此类功能一般应用于电子商务平台的产品呈现环节,使用户可以便捷地查看多张商品的照片。 说明中的“NULL”表示未提供进一步的信息,但我们可以借助标题来揣摩若干核心的技术要点。 在构建此类功能时,开发者通常会借助以下技术手段:1. **jQuery库**:jQuery是一个应用广泛的JavaScript框架,它简化了HTML文档的遍历、事件管理、动画效果以及Ajax通信。 在此项目中,jQuery将负责处理用户的点击动作(实现左右切换),并且制造流畅的过渡效果。 2. **图片轮播扩展工具**:开发者或许会采用现成的jQuery扩展,例如Slick、Bootstrap Carousel或个性化的轮播函数,以达成图片切换的功能。 这些扩展能够辅助迅速构建功能完善的轮播模块。 3. **即时数字呈现**:展示当前图片的序列号,这需要通过JavaScript或jQuery来追踪并调整。 每当图片切换时,相应的数字也会同步更新。 4. **CSS美化**:为了达成淘宝图片切换的视觉效果,可能需要设计特定的CSS样式,涵盖图片的排列方式、过渡效果、点状指示器等。 CSS3的动画和过渡特性(如`transition`和`animation`)在此过程中扮演关键角色。 5. **事件监测**:运用jQuery的`.on()`方法来监测用户的操作,比如点击左右控制按钮或自动按时间间隔切换。 根据用户的交互,触发相应的函数来执行...
垃圾实例分割数据集 一、基础信息 • 数据集名称:垃圾实例分割数据集 • 图片数量: 训练集:7,000张图片 验证集:426张图片 测试集:644张图片 • 训练集:7,000张图片 • 验证集:426张图片 • 测试集:644张图片 • 分类类别: 垃圾(Sampah) • 垃圾(Sampah) • 标注格式:YOLO格式,包含实例分割的多边形点坐标,适用于实例分割任务。 • 数据格式:图片文件 二、适用场景 • 智能垃圾检测系统开发:数据集支持实例分割任务,帮助构建能够自动识别和分割图像中垃圾区域的AI模型,适用于智能清洁机器人、自动垃圾桶等应用。 • 环境监控与管理:集成到监控系统中,用于实时检测公共区域的垃圾堆积,辅助环境清洁和治理决策。 • 计算机视觉研究:支持实例分割算法的研究和优化,特别是在垃圾识别领域,促进AI在环保方面的创新。 • 教育与实践:可用于高校或培训机构的AI课程,作为实例分割技术的实践数据集,帮助学生理解计算机视觉应用。 三、数据集优势 • 精确的实例分割标注:每个垃圾实例都使用详细的多边形点进行标注,确保分割边界准确,提升模型训练效果。 • 数据多样性:包含多种垃圾物品实例,覆盖不同场景,增强模型的泛化能力和鲁棒性。 • 格式兼容性强:YOLO标注格式易于与主流深度学习框架集成,如YOLO系列、PyTorch等,方便研究人员和开发者使用。 • 实际应用价值:直接针对现实世界的垃圾管理需求,为自动化环保解决方案提供可靠数据支持,具有重要的社会意义。
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