PAT甲级1036 Boys vs Girls,有题目分析

PAT 甲级 1036

题目说明:给定N个学生的姓名、性别、学号、分数,输出女生中的最高分和男生中的最低分,如果没有输出Absent,最后一行输出女生最高分数减去男生最低分数的结果,没有的话输出NA

**题目分析:**数据录入的时候将男女生分开,建立6个数组分别存放femaleName、femaleID、femaleSocer和maleName、maleID、maleSocer,方便后续操作。对成绩排序的时候需要互换位置的,同时也将name id一并换了顺序,保证其对应性,可用一个方法来解决。


import java.io.BufferedReader;
import java.io.InputStreamReader;
import java.util.Arrays;

public class Main {
    public static void main(String[] args) throws Exception{
        BufferedReader br=new BufferedReader(new InputStreamReader(System.in));
        int N=Integer.parseInt(br.readLine());
        String[] MaleName=new String[N];
        String[] FemnalName=new String[N];
        String[] MaleID=new String[N];
        String[] FemaleID=new String[N];
        int[] MaleSocer=new int[N];
        int[] FemaleSocer=new int[N];
        for(int i=0;i<N;i++){
            String[] str=br.readLine().split(" ");
            String name=str[0];
            String gender=str[1];
            String ID=str[2];
            int socer=Integer.parseInt(str[3]);
            if(gender.equals("M")){
                MaleName[i]=name;
                MaleID[i]=ID;
                MaleSocer[i]=socer;
            }else{
                FemnalName[i]=name;
                FemaleID[i]=ID;
                FemaleSocer[i]=socer;
            }
        }
        br.close();//以上全是录入数据,下边才是算法的开始
        boolean female=false;
        for(int i=0;i<N;i++){//如果女生数组全为空,说明没有女生,记录下来
            if(FemnalName[i]!=null){//准备输出Absent
                female=true;
                break;
            }
        }
        boolean male=false;
        for(int i =0;i<N;i++){//同女生,记录输出Absent的条件
            if(MaleName[i]!=null){
                male=true;
                break;
            }
        }
        int count=0;
        if(female==false){
            System.out.println("Absent");
        }else{				
            sort(FemnalName,FemaleID,FemaleSocer);
            System.out.println(FemnalName[N-1]+" "+FemaleID[N-1]);
        }//女生输出最大成绩
        
        if(male==false){
            System.out.println("Absent");
        }else{
            sort(MaleName,MaleID,MaleSocer);
            for(int i=0;i<N;i++){
                if(MaleSocer[i]!=0){
                    count=i;
                    break;
                }				//男生输出最小成绩
            }
            System.out.println(MaleName[count]+" "+MaleID[count]);
        }
        
        if(female==false||male==false){
            System.out.println("NA");
        }else{
            System.out.println(FemaleSocer[N-1]-MaleSocer[count]);
        }
    }
    public static void sort(String[] name,String[] ID,int[] socer){//对成绩排序的方法
        for(int i=0;i<socer.length-1;i++){
            for(int j=i+1;j<socer.length;j++){
                if(socer[i]>socer[j]){
                    int temp=socer[i];
                    socer[i]=socer[j];
                    socer[j]=temp;
                    String t=name[i];//一并将name id的位置都换了,保证对应性
                    name[i]=name[j];
                    name[j]=t;
                    t=ID[i];
                    ID[i]=ID[j];
                    ID[j]=t;
                }
            }
        }
    }
}

有不懂的请留言哈,本人看到了定当马上回复。

在当今计算机视觉领域,深度学习模型在图像分割任务中发挥着关键作用,其中 UNet 是一种在医学影像分析、遥感图像处理等领域广泛应用的经典架构。然而,面对复杂结构和多尺度特征的图像,UNet 的性能存在局限性。因此,Nested UNet(也称 UNet++)应运而生,它通过改进 UNet 的结构,增强了特征融合能力,提升了复杂图像的分割效果。 UNet 是 Ronneberger 等人在 2015 年提出的一种卷积神经网络,主要用于生物医学图像分割。它采用对称的编码器 - 解码器结构,编码器负责提取图像特征,解码器则将特征映射回原始空间,生成像素级预测结果。其跳跃连接设计能够有效传递低层次的细节信息,从而提高分割精度。 尽管 UNet 在许多场景中表现出色,但在处理复杂结构和多尺度特征的图像时,性能会有所下降。Nested UNet 通过引入更深层次的特征融合来解决这一问。它在不同尺度上建立了密集的连接路径,增强了特征的传递与融合。这种“嵌套”结构不仅保持了较高分辨率,还增加了特征学习的深度,使模型能够更好地捕获不同层次的特征,从而显著提升了复杂结构的分割效果。 模型结构:在 PyTorch 中,可以使用 nn.Module 构建 Nested UNet 的网络结构。编码器部分包含多个卷积层和池化层,并通过跳跃连接传递信息;解码器部分则包含上采样层和卷积层,并与编码器的跳跃连接融合。每个阶段的连接路径需要精心设计,以确保不同尺度信息的有效融合。 编码器 - 解码器连接:Nested UNet 的核心在于多层次的连接。通过在解码器中引入“skip connection blocks”,将编码器的输出与解码器的输入相结合,形成一个密集的连接网络,从而实现特征的深度融合。 训练与优化:训练 Nested UNet 时,需要选择合适的损失函数和优化器。对于图像分割任务,常用的损失
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