堆_215.数组中的第K个最大元素

本文介绍了一种基于二叉堆的数据排序方法——堆排序,并通过两个示例详细展示了如何利用堆排序来解决寻找数组中第k大的数的问题。此外,还提供了一个使用Java内置堆排序接口的简便解决方案。
下标为i的节点的父节点下标:(n-2)/2 = n/2 -1
下标为i的节点的左孩子节点下标:2*i + 1
下标为i的节点的右节点下标:2*i + 2
  1. 先写一个堆排序
public class MergeSort {
    public static void main(String[] args) {
        int[] nums={1,2,3,4,5,6};
        int n=nums.length;
        //建堆
        for (int j=(n-2)/2;j>=0;j--){	//注意这里j的初始值
            motify(nums,j,n);
        }
        //排序
        for (int j=n-1;j>=0;j--){
            swap(nums,0,j);
            motify(nums,0,j);	//注意这里传进去的长度是j,j随循环而减小
        }
    }
    public static void motify(int[] nums,int i,int n){
        int lson=2*i+1;
        int rson=2*i+2;
        int max=i;
        if(lson<n&&nums[lson]>nums[max]){
            max=lson;
        }
        if(rson<n&&nums[rson]>nums[max]){
            max=rson;
        }
        if(max!=i){
            swap(nums,max,i);
            motify(nums,max,n);
        }
    }
    public static void swap(int[] nums,int i,int j){
        int temp=nums[i];
        nums[i]=nums[j];
        nums[j]=temp;
    }
}

2.题解一:自己实现堆排序

class Solution {
    public int findKthLargest(int[] nums, int k) {
        int n=nums.length;
        //建堆
        for (int j=(n-2)/2;j>=0;j--){
            motify(nums,j,n);
        }
        //排序
        for (int j=n-1;j>=n-k+1;j--){	//注意这里j>=n-k+1,只有这里和返回值和堆排序有区别
            swap(nums,0,j);
            motify(nums,0,j);
        }
        return nums[0];
    }
    public static void motify(int[] nums,int i,int n){
        int lson=2*i+1;
        int rson=2*i+2;
        int max=i;
        if(lson<n&&nums[lson]>nums[max]){
            max=lson;
        }
        if(rson<n&&nums[rson]>nums[max]){
            max=rson;
        }
        if(max!=i){
            swap(nums,max,i);
            motify(nums,max,n);
        }
    }
    public static void swap(int[] nums,int i,int j){
        int temp=nums[i];
        nums[i]=nums[j];
        nums[j]=temp;
    }
}

3.题解二:使用java堆排序接口

class Solution {
    public int findKthLargest(int[] nums, int k) {
        PriorityQueue<Integer> pq=new PriorityQueue<>(Collections.reverseOrder());//创建大根堆
        for(Integer i:nums){
            pq.add(i);
        }
        while(k>1){    //当k=1时堆顶的元素就是第k大的了,终止循环
            pq.poll();
            k--;
        }
        return pq.poll();
    }
}
本指南详细阐述基于Python编程语言结合OpenCV计算机视觉库构建实时眼部状态分析系统的技术流程。该系统能够准确识别眼部区域,并对眨眼动作与持续闭眼状态进行判别。OpenCV作为功能强大的图像处理工具库,配合Python简洁的语法特性与丰富的第三方模块支持,为开发此类视觉应用提供了理想环境。 在环境配置阶段,除基础Python运行环境外,还需安装OpenCV核心模块与dlib机器学习库。dlib库内置的HOG(方向梯度直方图)特征检测算法在面部特征定位方面表现卓越。 技术实现包含以下关键环节: - 面部区域检测:采用预训练的Haar级联分类器或HOG特征检测器完成初始人脸定位,为后续眼部分析建立基础坐标系 - 眼部精确定位:基于已识别的人脸区域,运用dlib提供的面部特征点预测模型准确标定双眼位置坐标 - 眼睑轮廓分析:通过OpenCV的轮廓提取算法精确勾勒眼睑边缘形态,为状态判别提供几何特征依据 - 眨眼动作识别:通过连续帧序列分析眼睑开合度变化,建立动态阈值模型判断瞬时闭合动作 - 持续闭眼检测:设定更严格的状态持续时间与闭合程度双重标准,准确识别长时间闭眼行为 - 实时处理架构:构建视频流处理管线,通过帧捕获、特征分析、状态判断的循环流程实现实时监控 完整的技术文档应包含模块化代码实现、依赖库安装指引、参数调优指南及常见问题解决方案。示例代码需具备完整的错误处理机制与性能优化建议,涵盖图像预处理、光照补偿等实际应用中的关键技术点。 掌握该技术体系不仅有助于深入理解计算机视觉原理,更为疲劳驾驶预警、医疗监护等实际应用场景提供了可靠的技术基础。后续优化方向可包括多模态特征融合、深度学习模型集成等进阶研究领域。 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