leetcode 140: Letter Combinations of a Phone Number

本文介绍了一种算法,用于根据电话号码生成所有可能的字母组合。包括递归和迭代两种实现方式,适用于理解数字到字母映射的应用场景。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

1,

Letter Combinations of a Phone Number

Total Accepted: 10538 Total Submissions: 40738

Given a digit string, return all possible letter combinations that the number could represent.

A mapping of digit to letters (just like on the telephone buttons) is given below.

Input:Digit string "23"
Output: ["ad", "ae", "af", "bd", "be", "bf", "cd", "ce", "cf"].

Note:
Although the above answer is in lexicographical order, your answer could be in any order you want.



2, recursive

class Solution {
public:
    vector<string> letterCombinations(string digits) {
        vector<string> res;
        string temp;
        
        rec(res, temp, digits, 0);
        return res;
    }
    
private:
    void rec(vector<string> &res, string &temp, const string &digits, unsigned int level) {
        if(level == digits.length()) {
            res.push_back(temp);
            return;
        }          
        string str = getMapChars(digits[level]);
        for(int i=0; i< str.length(); i++) {
            temp.push_back( str[i] );
            rec(res, temp, digits, level+1);
            temp.pop_back();
        }
    }

    string getMapChars(char digit) {
        if(digit<'2' || digit >'9') return "";
        string arr[] = {"abc","def","ghi", "jkl", "mno", "pqrs", "tuv", "wxyz"}; 
        return arr[digit - '0' - 2];
    }
};


2. iterative java

public class Solution {
    public List<String> letterCombinations(String digits) {
        //init check 
        List<String> res = new ArrayList<String>();
        if(digits==null || digits.length()==0) return res; 
        res.add("");
        
        String[] map = {"abc", "def", "ghi", "jkl", "mno", "pqrs", "tuv", "wxyz"};
        
        for(int i=0; i<digits.length(); i++) {
            int index = digits.charAt(i) - '2' ;            
            String s = map[index]; //check valid number
            int len = res.size();
            for(int j=0; j<len; j++) {
                String str = res.get(j);
                res.set(j, str + s.charAt(0));
                for(int m=1; m<s.length(); m++) {
                    res.add(str + s.charAt(m));
                }
            }
        }
        
        return res;
    }
}


3, iterative c++

class Solution {
public:
    vector<string> letterCombinations(string digits) {
        // Start typing your C/C++ solution below
        // DO NOT write int main() function
        const string letters[] = {"abc", "def", "ghi", "jkl", "mno", "pqrs", "tuv", "wxyz"};

        vector<string> ret(1, "");
        for (int i = 0; i < digits.size(); ++i) {
            for (int j = ret.size() - 1; j >= 0; --j) {
                const string &s = letters[digits[i] - '2'];
                for (int k = s.size() - 1; k >= 0; --k) {
                    if (k)
                        ret.push_back(ret[j] + s[k]);
                    else
                        ret[j] += s[k];
                }
            }
        }

        return ret;
    }
};


内容概要:该论文聚焦于T2WI核磁共振图像超分辨率问题,提出了一种利用T1WI模态作为辅助信息的跨模态解决方案。其主要贡献包括:提出基于高频信息约束的网络框架,通过主干特征提取分支和高频结构先验建模分支结合Transformer模块和注意力机制有效重建高频细节;设计渐进式特征匹配融合框架,采用多阶段相似特征匹配算法提高匹配鲁棒性;引入模型量化技术降低推理资源需求。实验结果表明,该方法不仅提高了超分辨率性能,还保持了图像质量。 适合人群:从事医学图像处理、计算机视觉领域的研究人员和工程师,尤其是对核磁共振图像超分辨率感兴趣的学者和技术开发者。 使用场景及目标:①适用于需要提升T2WI核磁共振图像分辨率的应用场景;②目标是通过跨模态信息融合提高图像质量,解决传统单模态方法难以克服的高频细节丢失问题;③为临床诊断提供更高质量的影像资料,帮助医生更准确地识别病灶。 其他说明:论文不仅提供了详细的网络架构设计与实现代码,还深入探讨了跨模态噪声的本质、高频信息约束的实现方式以及渐进式特征匹配的具体过程。此外,作者还对模型进行了量化处理,使得该方法可以在资源受限环境下高效运行。阅读时应重点关注论文中提到的技术创新点及其背后的原理,理解如何通过跨模态信息融合提升图像重建效果。
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