1063 Set Similarity (25分)

本文介绍了一种计算两个集合相似度的方法,分子为两集合中相同元素的数量(去重),分母为两集合总元素数量(去重)。通过C++代码实现,使用unordered_set存储集合元素,遍历集合进行比较计算。

Given two sets of integers, the similarity of the sets is defined to be N​c​​/N​t​​×100%, where N​c​​ is the number of distinct common numbers shared by the two sets, and N​t​​ is the total number of distinct numbers in the two sets. Your job is to calculate the similarity of any given pair of sets.

Input Specification:

Each input file contains one test case. Each case first gives a positive integer N (≤50) which is the total number of sets. Then N lines follow, each gives a set with a positive M (≤10​4​​) and followed by M integers in the range [0,10​9​​]. After the input of sets, a positive integer K (≤2000) is given, followed by K lines of queries. Each query gives a pair of set numbers (the sets are numbered from 1 to N). All the numbers in a line are separated by a space.

Output Specification:

For each query, print in one line the similarity of the sets, in the percentage form accurate up to 1 decimal place.

Sample Input:

3
3 99 87 101
4 87 101 5 87
7 99 101 18 5 135 18 99
2
1 2
1 3

Sample Output:

50.0%
33.3%

题意:求两个集合相似度,分子为相同的元素个数(去重),分母为总共的元素个数(去重)

#include<unordered_set>
#include<iostream>
#include<vector>

using namespace std;

int main(){

    int n;
    cin >> n;
    vector<unordered_set<int> > vec (n + 1);
    for(int i = 1; i <= n; i++){
        int m;
        scanf("%d", &m);
        for(int j = 0; j < m; j++){
            int temp;
            scanf("%d", &temp);
            vec[i].insert(temp);

        }


    }
    int k;
    cin >> k;
    for(int i = 0; i < k; i++){

        int a, b;
        scanf("%d %d", &a, &b);
        int nc = 0;
        int nt = 0;
        for(auto it : vec[a]){
    
            if(vec[b].find(it) != vec[b].end()){
                nc++;
            } 
        }
        nt = vec[a].size() + vec[b].size() - nc;
        float result = 1.0 * nc / nt * 100;
        printf("%.1f%%\n", result);
    }
    return 0;
}

 

该数据集通过合成方式模拟了多种发动机在运行过程中的传感器监测数据,旨在构建一个用于机械系统故障检测的基准资源,特别适用于汽车领域的诊断析。数据按固定时间间隔采集,涵盖了发动机性能指标、异常状态以及工作模式等多维度信息。 时间戳:数据类型为日期时间,记录了每个数据点的采集时刻。序列起始于2024年12月24日10:00,并以5钟为间隔持续生成,体现了对发动机运行状态的连续监测。 温度(摄氏度):以浮点数形式记录发动机的温度读数。其数值范围通常处于60至120摄氏度之间,反映了发动机在常规工况下的典型温度区间。 转速(转/钟):以浮点数表示发动机曲轴的旋转速度。该参数在1000至4000转/钟的范围内随机生成,符合多数发动机在正常运转时的转速特征。 燃油效率(公里/升):浮点型变量,用于衡量发动机的燃料利用效能,即每升燃料所能支持的行驶里程。其取值范围设定在15至30公里/升之间。 振动_X、振动_Y、振动_Z:这三个浮点数列别记录了发动机在三维空间坐标系中各轴向的振动强度。测量值标准化至0到1的标度,较高的数值通常暗示存在异常振动,可能与潜在的机械故障相关。 扭矩(牛·米):以浮点数表征发动机输出的旋转力矩,数值区间为50至200牛·米,体现了发动机的负载能力。 功率输出(千瓦):浮点型变量,描述发动机单位时间内做功的速率,取值范围为20至100千瓦。 故障状态:整型类变量,用于标识发动机的异常程度,共为四个等级:0代表正常状态,1表示轻微故障,2对应中等故障,3指示严重故障。该列作为类任务的目标变量,支持基于传感器数据预测故障等级。 运行模式:字符串类型变量,描述发动机当前的工作状态,主要包括:怠速(发动机运转但无负载)、巡航(发动机在常规负载下平稳运行)、重载(发动机承受高负荷或高压工况)。 数据集整体包含1000条记录,每条记录对应特定时刻的发动机性能快照。其中故障状态涵盖从正常到严重故障的四级类,有助于训练模型实现故障预测与诊断。所有数据均为合成生成,旨在模拟真实的发动机性能变化与典型故障场景,所包含的温度、转速、燃油效率、振动、扭矩及功率输出等关键传感指标,均为影响发动机故障判定的重要因素。 资源来源于网络享,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!
### Halcon 中的相似性匹配功能 在 Halcon 中,相似性匹配是一种用于识别图像中特定模式的技术。该技术通过模板匹配的方式,在目标图像内寻找与给定模型最接近的部。为了实现这一目的,Halcon 提供了一系列算子来创建和应用这些模型。 #### 创建相似性模型 要执行相似性匹配,首先需要定义一个或多个感兴趣区域作为模板,并基于此构建模型。这可以通过 `create_similarity_model` 函数完成: ```cpp // 定义模板窗口并读取模板图像 read_image (Image, 'template_path') reduce_domain (Image, Region, ImageReduced) // 使用默认参数创建相似度量模型 create_similarity_model (ImageReduced, 0.5, 0.7, 'use_polarity', \ 'gauss', 3, 1, SimilarityModelID) ``` 上述代码片段展示了如何加载一幅图片到内存中,并将其指定为模板的一部;随后调用 `create_similarity_model()` 来初始化一个新的相似性检测器实例[^2]。 #### 应用相似性模型进行搜索 一旦建立了模型之后,则可以利用它来进行实际的目标查找工作。下面的例子说明了怎样在一个新输入的画面里定位之前设定好的对象位置: ```cpp // 加载待处理的新图象 read_image (SceneImage, 'scene_path') // 执行相似性匹配操作 find_all_similar_objects (SimilarityModelID, SceneImage, MinScore, MaxOverlap,\ NumMatches, RowBegin, ColumnBegin, Angle, ScaleRow, \ ScaleColumn, Score, HandleArray) ``` 这里的关键在于函数 `find_all_similar_objects()`, 这个命令会遍历整个场景图像去发现所有可能存在的匹配项,并返回它们各自的坐标以及其他相关信息如角度旋转和平移缩放因子等属性值[^3]。 #### 结果可视化 最后一步通常是将找到的结果直观地显示出来以便验证效果好坏与否: ```cpp dev_display(SceneImage); for i := 0 to |HandleArray|-1 by 1 do dev_set_color ('red'); gen_rectangle1 (RowBegin[i], ColumnBegin[i],\ RowBegin[i]+ScaleRow[i]*TemplateHeight,\ ColumnBegin[i]+ScaleColumn[i]*TemplateWidth); endfor; ``` 这段脚本会在原始画面上绘制红色矩形框标记出每一个被成功辨认出来的物体轮廓边界线[^1]。
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