相似图片分类 [华为]【并查集】

题目描述:

小明想要处理一批图片,将相似的图片分类,他首先对图片的特征采样,得到图片之间的相似度,然后

按照以下规则判断图片是否可以归为一类:

1)相似度>0表示两张图片相似;

2)如果A和B相似,B和C相似,但A和C不相似,那么认为A和C间接相似,可以把ABC归为一类,但不计算AC的相似度;

3)如果A和所有其他图片都不相似,则A自己归为一类,相似度为0。

给定一个大小为N×N的矩阵M存储任意两张图片的相似度,M[i][j]即为第i个图片和第j个图片的相似度,请按照"从大到小"的顺序返回每个相似类

中所有图片的相似度之和。

输入描述:

第一行为一个整数N,代表矩阵M中有N个图片。下面跟着N行,每行有N列数据,空格分隔(为了显示整齐,空格可能为多个),代表N个图片之间的相似度。

约束:

  1. 0 < N <= 900
  2. 0 <= M[i][j] <= 100,输入保证 M[i][i]=0,M[i][j]=M[j][i]
  3. 输入的矩阵中分隔符为1个或连续多个空格

输出描述:

每个相似类的相似度之和。格式为:一行数字。分隔符为1个空格

样例1

输入

5

0 0 50 0 0

0 0 0 25 0

50 0 0 0 15

0 25 0 0 0

0 0 15 0 0

输出

62 25

样例2

输入

5

0 5 42 0 0

5 0 0 91 0

42 0 0 0 15

0 91 0 0 0

0 0 15 0 0

输出

153

样例3

输入

7

0 1 3 0 0 0 0

1 0 2 0 0 0 0

3 2 0 0 0 0 0

0 0 0 0 3 0 9

0 0 0 3 0 5 0

0 0 0 0 5 0 7

0 0 0 9 0 7 0

输出

24 6

AC代码:

cpp 复制代码
#include <bits/stdc++.h>
using namespace std;
const int N = 1010;

int n, m;
int k[N][N];
int p[N];
map<int, int> p2;
map<int, bool> p3;
vector<int> res;

int find(int x)
{
    if(p[x] != x) p[x] = find(p[x]);
    return p[x];
}

int main()
{
    cin >> n;
    for(int i = 1; i <= n; i ++) p[i] = i;
    for(int i = 1; i <= n; i ++)
    {
        for(int j = 1; j <= n; j ++)
        {
            cin >> k[i][j];
            if(k[i][j] > 0) p[find(i)] = find(j);
        }
    }
    for(int i = 1; i <= n; i ++)
    {
        for(int j = 1; j <= n; j ++)
        {
            if(find(i) == find(j) && k[i][j] > 0) p2[find(i)] += k[i][j];
        }
    }
    for(int i = 1; i <= n; i ++)
    {
        if(p3[find(i)] == false)
        {
            res.push_back(p2[find(i)] / 2);
            p3[find(i)] = true;
        }
    }
    sort(res.begin(), res.end());
    reverse(res.begin(), res.end());
    for(int i = 0; i < res.size(); i ++)
    {
        if(i != res.size() - 1) cout << res[i] << " ";
        else cout <<  res[i];
    }
    return 0;
}
相关推荐
Wect4 小时前
LeetCode 130. 被围绕的区域:两种解法详解(BFS/DFS)
前端·算法·typescript
NAGNIP16 小时前
一文搞懂深度学习中的通用逼近定理!
人工智能·算法·面试
颜酱1 天前
单调栈:从模板到实战
javascript·后端·算法
CoovallyAIHub1 天前
仿生学突破:SILD模型如何让无人机在电力线迷宫中发现“隐形威胁”
深度学习·算法·计算机视觉
CoovallyAIHub1 天前
从春晚机器人到零样本革命:YOLO26-Pose姿态估计实战指南
深度学习·算法·计算机视觉
CoovallyAIHub1 天前
Le-DETR:省80%预训练数据,这个实时检测Transformer刷新SOTA|Georgia Tech & 北交大
深度学习·算法·计算机视觉
CoovallyAIHub1 天前
强化学习凭什么比监督学习更聪明?RL的“聪明”并非来自算法,而是因为它学会了“挑食”
深度学习·算法·计算机视觉
CoovallyAIHub1 天前
YOLO-IOD深度解析:打破实时增量目标检测的三重知识冲突
深度学习·算法·计算机视觉
NAGNIP2 天前
轻松搞懂全连接神经网络结构!
人工智能·算法·面试
NAGNIP2 天前
一文搞懂激活函数!
算法·面试