436. Find Right Interval

本文介绍了一种区间匹配算法,通过对开始区间进行排序并查找对应结束区间的实现方式。该算法首先对所有区间的开始时间进行排序,然后遍历每个区间的结束时间,在排序后的开始时间中寻找第一个大于等于当前结束时间的位置。

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

简单题,主要是题意的理解,先对start做一次排序,然后寻找每一个end在start数组中的位置,找到比他大的第一个数字所在的位置。

/**
 * Definition for an interval.
 * struct Interval {
 *     int start;
 *     int end;
 *     Interval() : start(0), end(0) {}
 *     Interval(int s, int e) : start(s), end(e) {}
 * };
 */
class Solution {
public:

    static bool cmp(pair<int,int>&a,pair<int,int>& b)
    {
        if(a.first<b.first)
            return true;
        else
            return false;
    }

    int findBigOrEqual(int num,vector<pair<int,int>>& starts)
    {
        int left=0;
        int right=starts.size()-1;

        if(num>starts[right].first)
            return -1;

        if(num<starts[left].first)
            return 0;

        while(left<right)
        {
            int mid=left+(right-left)/2;

            if(starts[mid].first<num)
                left=mid+1;
            else if(starts[mid].first>num)
                right=mid;
            else
                return starts[mid].second;
        }

        return starts[left].second;
    }

    vector<int> findRightInterval(vector<Interval>& intervals) {

        vector<pair<int,int>> starts;

        for(int i=0;i<intervals.size();i++)
        {
            pair<int,int> temp(intervals[i].start,i);
            starts.push_back(temp);
        }

        sort(starts.begin(),starts.end(),cmp);//[start,index]

        vector<int> result;
        for(int i=0;i<intervals.size();i++)
        {
            int num=intervals[i].end;

            result.push_back(findBigOrEqual(num,starts));
        }

        return result;



    }
};
一、综合实战—使用极轴追踪方式绘制信号灯 实战目标:利用对象捕捉追踪和极轴追踪功能创建信号灯图形 技术要点:结合两种追踪方式实现精确绘图,适用于工程制图中需要精确定位的场景 1. 切换至AutoCAD 操作步骤: 启动AutoCAD 2016软件 打开随书光盘中的素材文件 确认工作空间为"草图与注释"模式 2. 绘图设置 1)草图设置对话框 打开方式:通过"工具→绘图设置"菜单命令 功能定位:该对话框包含捕捉、追踪等核心绘图辅助功能设置 2)对象捕捉设置 关键配置: 启用对象捕捉(F3快捷键) 启用对象捕捉追踪(F11快捷键) 勾选端点、中心、圆心、象限点等常用捕捉模式 追踪原理:命令执行时悬停光标可显示追踪矢量,再次悬停可停止追踪 3)极轴追踪设置 参数设置: 启用极轴追踪功能 设置角度增量为45度 确认后退出对话框 3. 绘制信号灯 1)绘制圆形 执行命令:"绘图→圆→圆心、半径"命令 绘制过程: 使用对象捕捉追踪定位矩形中心作为圆心 输入半径值30并按Enter确认 通过象限点捕捉确保圆形位置准确 2)绘制直线 操作要点: 选择"绘图→直线"命令 捕捉矩形上边中点作为起点 捕捉圆的上象限点作为终点 按Enter结束当前直线命令 重复技巧: 按Enter可重复最近使用的直线命令 通过圆心捕捉和极轴追踪绘制放射状直线 最终形成完整的信号灯指示图案 3)完成绘制 验证要点: 检查所有直线是否准确连接圆心和象限点 确认极轴追踪的45度增量是否体现 保存绘图文件(快捷键Ctrl+S)
import os import numpy as np import matplotlib.pyplot as plt import re from matplotlib.ticker import MaxNLocator # 解决中文显示问题 plt.rcParams['font.sans-serif'] = ['SimHei', 'Microsoft YaHei', 'WenQuanYi Micro Hei'] plt.rcParams['axes.unicode_minus'] = False def natural_sort_key(s): """自然排序算法:确保文件名按数字顺序排列""" return [int(text) if text.isdigit() else text.lower() for text in re.split(r'(\d+)', s)] def find_stable_intervals(counts, min_window=300, max_window=2000, std_threshold=10.0, merge_gap=300, min_length=500): """ 改进版稳定区间检测:使用标准差作为稳定性指标 :param counts: 预测框数量列表 :param min_window: 最小窗口尺寸 :param max_window: 最大窗口尺寸 :param std_threshold: 标准差阈值(波动范围) :param merge_gap: 相邻区间合并的最大间隔 :param min_length: 最小有效区间长度 :return: 优化后的稳定区间列表 """ n = len(counts) if n == 0: return [] # 1. 自适应窗口机制 window_size = min(max_window, max(min_window, n // 10)) step_size = max(1, window_size // 2) # 50%重叠滑动 # 2. 初始检测稳定区间(使用标准差) base_intervals = [] for i in range(0, n - window_size + 1, step_size): window = counts[i:i + window_size] if len(window) < 2: # 至少需要2个点计算标准差 continue # 计算标准差作为稳定性指标 std_dev = np.std(window) if std_dev < std_threshold: base_intervals.append((i, i + window_size - 1)) # 如果没有检测到任何区间,直接返回 if not base_intervals: return [] # 3. 合并相邻平稳段 base_intervals.sort(key=lambda x: x[0]) # 确保按起始索引排序 merged_intervals = [] current_start, current_end = base_intervals[0] for start, end in base_intervals[1:]: if start - current_end <= merge_gap: # 间隔小于合并阈值 current_end = max(current_end, end) # 扩展当前区间 else: merged_intervals.append((current_start, current_end)) current_start, current_end = start, end merged_intervals.append((current_start, current_end)) # 4. 过滤短时伪平稳段 final_intervals = [ (start, end) for start, end in merged_intervals if (end - start + 1) >= min_length # 区间长度包含两端点 ] return final_intervals def plot_box_count_trend_with_stable_intervals(file_list, box_counts, stable_intervals, output_path): """ 绘制预测框数量变化趋势图并标记稳定区间 :param file_list: 文件名列表 :param box_counts: 预测框数量列表 :param stable_intervals: 稳定区间列表 :param output_path: 输出图片路径 """ plt.figure(figsize=(20, 10)) # 绘制整体趋势 plt.plot(file_list, box_counts, 'b-', linewidth=1.5, label='预测框数量') # 标记稳定区间 for i, (start, end) in enumerate(stable_intervals): interval_files = file_list[start:end + 1] interval_counts = box_counts[start:end + 1] if not interval_counts: # 确保区间有效 continue # 计算区间统计量 avg_count = np.mean(interval_counts) min_count = np.min(interval_counts) max_count = np.max(interval_counts) std_dev = np.std(interval_counts) # 绘制稳定区间 plt.fill_between(interval_files, min_count, max_count, color='green', alpha=0.2, label=f'稳定区间{i + 1}' if i == 0 else "") # 添加区间标注 mid_idx = start + (end - start) // 2 plt.annotate(f"区间{i + 1}: {start + 1}-{end + 1}\n均值: {avg_count:.1f}±{std_dev:.1f}", (file_list[mid_idx], avg_count), xytext=(0, 20), textcoords='offset points', ha='center', fontsize=10, bbox=dict(boxstyle="round,pad=0.3", fc="yellow", alpha=0.7)) # 设置图表属性 plt.title('预测框数量变化趋势及稳定区间分析', fontsize=18) plt.xlabel('图像文件名', fontsize=14) plt.ylabel('预测框数量', fontsize=14) plt.xticks(rotation=90, fontsize=7) plt.grid(True, linestyle='--', alpha=0.6) plt.legend(loc='upper right') # 添加统计信息 stats_text = f"总文件数: {len(file_list)}\n稳定区间数: {len(stable_intervals)}" plt.figtext(0.95, 0.95, stats_text, ha='right', va='top', bbox=dict(facecolor='white', alpha=0.8), fontsize=12) # 限制X轴刻度数量 plt.gca().xaxis.set_major_locator(MaxNLocator(20)) plt.tight_layout() plt.savefig(output_path, dpi=150, bbox_inches='tight') plt.close() # 配置路径 label_dir = "D:/630-3-label-combine" # 替换为您的标签文件夹路径 output_dir = "D:/630-report" # 输出目录 os.makedirs(output_dir, exist_ok=True) # 获取文件列表并按自然顺序排序 file_list = [f for f in os.listdir(label_dir) if f.endswith(".txt")] file_list.sort(key=natural_sort_key) # 提取文件名(不含扩展名) file_names = [os.path.splitext(f)[0] for f in file_list] # 统计每个文件的预测框数量 box_counts = [] for file in file_list: file_path = os.path.join(label_dir, file) count = 0 with open(file_path, 'r') as f: for line in f: if line.strip(): # 非空行 count += 1 box_counts.append(count) # 计算整体统计数据 total_mean = np.mean(box_counts) total_std = np.std(box_counts) # 找出稳定区间(使用标准差作为指标) stable_intervals = find_stable_intervals( box_counts, min_window=300, # 最小检测窗口 max_window=2000, # 最大检测窗口 std_threshold=total_std * 0.5, # 基于整体标准差设置阈值 merge_gap=300, # 合并最大间隔 min_length=500 # 最小有效长度 ) # 生成结果图片 output_path = os.path.join(output_dir, "box_count_stable_intervals_std.png") plot_box_count_trend_with_stable_intervals(file_names, box_counts, stable_intervals, output_path) # 输出详细结果 print(f"分析完成! 共处理 {len(file_list)} 个文件") print(f"整体平均框数: {total_mean:.2f} ± {total_std:.2f}") print(f"发现 {len(stable_intervals)} 个稳定区间:") for i, (start, end) in enumerate(stable_intervals): interval_counts = box_counts[start:end + 1] avg_count = np.mean(interval_counts) std_dev = np.std(interval_counts) print(f"区间{i + 1}:") print(f" - 文件范围: {start + 1}-{end + 1} (共{end - start + 1}个文件)") print(f" - 平均框数: {avg_count:.2f} ± {std_dev:.2f}") print(f" - 最小值: {min(interval_counts)}, 最大值: {max(interval_counts)}") print(f"结果图片已保存至: {output_path}") # 保存区间信息到文本文件 interval_info_path = os.path.join(output_dir, "stable_intervals_report_std.txt") with open(interval_info_path, 'w') as f: f.write(f"稳定区间分析报告(标准差指标)\n") f.write(f"总文件数: {len(file_list)}\n") f.write(f"整体平均框数: {total_mean:.2f} ± {total_std:.2f}\n") f.write(f"稳定区间数: {len(stable_intervals)}\n\n") for i, (start, end) in enumerate(stable_intervals): interval_counts = box_counts[start:end + 1] avg_count = np.mean(interval_counts) std_dev = np.std(interval_counts) f.write(f"区间 {i + 1}:\n") f.write(f" 起始文件索引: {start + 1} ({file_names[start]})\n") f.write(f" 结束文件索引: {end + 1} ({file_names[end]})\n") f.write(f" 文件数量: {end - start + 1}\n") f.write(f" 平均预测框数: {avg_count:.2f} ± {std_dev:.2f}\n") f.write(f" 最小值: {min(interval_counts)}, 最大值: {max(interval_counts)}\n") f.write("-" * 50 + "\n") print(f"详细区间报告已保存至: {interval_info_path}") 将代码中的标准差改为标准差和变异系数和趋势斜率,分别生成三张图,再将三个指标生成的稳定区间合一起生成一张图
07-21
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