随笔分类 - 算法
摘要：import numpy as np ''' 目标检测中常用到NMS，在faster R-CNN中，每一个bounding box都有一个打分，NMS实现逻辑是： 1，按打分最高到最低将BBox排序 ，例如：A B C D E F 2，A的分数最高，保留。从B-E与A分别求重叠率IoU，假设B、D与A的IoU大于阈值，那么B和D可以认为是重复标记去除 3，余下C E F，重复前面两步。 ''' d
阅读全文
摘要：def compute_iou(rec1, rec2): """ computing IoU :param rec1: (y0, x0, y1, x1), which reflects (top, left, bottom, right) :param rec2: (y0, x0, y1, x1) :return: scala value of IoU """ # computing area o
阅读全文
摘要：import sys h, w = input().strip().split() h = int(h) w = int(w) img = [] for i in range(h): line = sys.stdin.readline().strip() line = list(map(int, line.split(' '))) img.append(line) kernel = [] m =
阅读全文
摘要：# 给一个字符串，按如下规则把它翻译成字符串：1翻译成a，2翻译成b,...25翻译成z；一个数可以有多种翻译方式，比如122可以翻译成abb和kb还可以翻译成aw即3种翻译方式。计算一个数字有几种翻译方式class Solution(object): def numDecodings(self, s): """ :type s: str :rtype: int """ s = str(s) di
阅读全文
摘要：时间复杂度:： 平均：O(nlog(n)) 最坏：O(nlog(n)) 最好：O(nlog(n)) 空间复杂度：O(n) 稳定性：稳定
阅读全文
摘要：简单选择排序的改进：快速排序 时间复杂度:： 平均：O(nlog(n)) 最坏：O(n^2) # 有序 最好：O(nlog(n)) 空间复杂度：O(log(n)) ，最坏的情况O(n) 稳定性：不稳定（选择排序都是不稳定的）
阅读全文
摘要：时间复杂度:： 平均：O(n^2) 最坏：O(n^2) 最好：O(n^2) 空间复杂度：O(1) 稳定性：不稳定(三个简单排序中唯一一个不稳定的算法，也是最好最坏情况一样复杂的一个，其他两个最优情况都是O(n))
阅读全文
摘要：插入排序的改进：希尔排序 时间复杂度:： 平均：O(nlog(n)) 最坏：O(nlog(n)) # 倒序 空间复杂度：O(1) 稳定性：不稳定
阅读全文
摘要：时间复杂度:： 平均：O(n^2) 最坏：O(n^2) # 倒序 最好：O(n) # 有序的时候 空间复杂度：O(1) 稳定性：稳定
阅读全文
摘要：时间复杂度:： 平均：O(n*log(n)) 最坏：O(n*log(n)) 最好：O(n*log(n)) 空间复杂度：O(1) 稳定性：不稳定
阅读全文
摘要：改进： 时间复杂度： 平均：O(n^2) 最好：O(n) (递增/递减) 最坏：O(n^2) （递减/递增） 空间复杂度：O(1) 稳定性：稳定
阅读全文
摘要：递归算法中什么时候用return啥时候不用呢? 使用2个例子来说明:快速排序和二分查找 所以需不需要return？就看这个函数需不需要返回值，如果需要有返回值，那么一定得确保最后有返回值。
阅读全文
摘要：def func2(head): p = head.next while p.next: q = p.next p.next = q.next # 重点 head.next = q q.next = p p.next = head head = head.next p.next.next ...
阅读全文
摘要：我觉得我的算法比较简单易懂，比网上的那些简单些。至于时间复杂度就没有比较了。 算法思想：从最外层向内层遍历矩阵
阅读全文
