Wall Game(并查集)

这篇博客介绍了一种利用并查集数据结构处理图上加点和查询联通块边数量的问题。代码实现中,首先对点进行离散化,然后通过并查集维护连通性。在遇到加点操作时,更新集合信息;在查询操作时,输出相应联通块的边数。整个解决方案简洁高效。

题目链接

题意 :
n组输入,每组输入三个数字,第一个数字代表操作类型, 第二三个数字代表坐标。
操作1:在整个图上添加点,并和相邻的点联通
操作2:查询这个点的整个联通的快,输出整个块的边的数量

思路 :
对于图上加点,可以给每个点的坐标离散化成序号,然后丢到并查集维护连通性。
对于输出联通块边的数量,维护一下每个集合内点的数量和重复边的数量,*6-v输出即可。

AC代码 :

#include <iostream>
#include <map>
#include <cstring>
#include <algorithm>
#include <math.h>
#include <utility>

#define IOS ios::sync_with_stdio(false), cin.tie(0), cout.tie(0)
using namespace std;

typedef pair<int,int > PII;
const int N = 5e5 + 10;

int pre[N];
int num[N], rpp[N];

void init(int n){
    for (int i = 0; i <= n; i++)
        pre[i] = i;
}

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

void merge(int x, int y){
    int fx = find(x);
    int fy = find(y);
    if (fx != fy)
        pre[fx] = fy;
}

int cnt = 0;
map<PII, int> mp;
int dx[] = {1, 1, 0, 0, -1, -1};
int dy[] = {0, -1, -1, 1, 0, 1};

int main()
{
    IOS;
    int T;
    cin >> T;
    init(T + 1);
    while (T--)
    {
        int op, x, y;
        cin >> op >> x >> y;
        if (op == 1)
        {
            mp[(PII){x, y}] = ++cnt;
            num[cnt] = 1;
            rpp[cnt] = 0;
            for (int i = 0; i < 6; i++)
            { 
                int nx = x + dx[i], ny = y + dy[i];
                if (!mp.count((PII){nx, ny}))
                    continue;
                int old = find(mp[(PII){nx, ny}]); 
                if (old != cnt)
                {
                    pre[old] = cnt;
                    rpp[cnt] += rpp[old] + 2;
                    num[cnt] += num[old];
                }
                else
                {
                    rpp[cnt] += 2;
                }
            }
        }
        else
        {
            PII t = (PII){x, y};
            if (!mp.count(t))
                cout << 6 << "\n";
            else
            {
                int x = find(mp[t]);
                cout << num[x] * 6 - rpp[x] << "\n";
            }
        }
    }
    return 0;
}

/*
8
1 0 0
2 0 0
1 0 2
1 1 2
1 0 3
2 0 3
1 0 1
2 0 0
*/
### 回答1: Wall数据集是由Stanford University提供的一个包含大量墙面图片的数据集。这些图片是从不同角度和距离拍摄的,包括了多种颜色、花纹和纹理的墙面。这个数据集的主要目的是为计算机视觉领域中图像识别和分类的研究提供支持。 该数据集可以用于图像分类、图像识别、图像分割等任务中。例如,我们可以使用该数据集训练一个分类器,以区分不同种类、颜色、花纹和纹理的墙面。这个分类器可以用来检测和识别各种墙面,从而提供更加准确的信息和应用。 由于该数据集包含大量的墙面图片,因此可以用来训练和测试各种计算机视觉算法。例如,我们可以使用该数据集测试算法的鲁棒性和可靠性,或者用它来提高算法对图像噪声、光线、干扰等因素的抵抗能力。 综上所述,Wall数据集是一个有用的工具,它可以被用来开发和改进计算机视觉领域中的图像识别和分类算法,以及应用于物体检测、环境识别、自动驾驶等各种应用场景。 ### 回答2: Wall数据集是一个用于图像识别与分类的数据集,主要针对的内容是墙面上的图像。这个数据集由一些预先定义的类别组成,比如说瓷砖、石头、砖墙等等。同时,每个类别都有一些不同的样本,每个样本都由一张图片和相应的标签组成。 这个数据集的目的是为计算机视觉的研究和发展提供一个使用真实场景图像实验的平台。对于需要训练图像分类算法的学者和研究人员,Wall数据集可以提供丰富的样本和选项,有助于更准确地进行算法设计和实现。 Wall数据集的应用范围广泛,可以用于墙面上的物品检测、墙面材质分类、建筑物表面的检测等等。此外,这个数据集的使用也有助于监控系统的发展,因为对于真实场景中的监控系统,墙壁上的物体是一项重要的监测内容。 总之,Wall数据集作为一个用于图像识别与分类的数据集,可以为计算机视觉领域的研究人员提供一个实验的平台,同时也为各个领域的应用提供了很多备选的选项。
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