组合总和。给定一个无重复元素的数组 candidates
和一个目标数 target
,找出 candidates
中所有可以使数字和为 target
的组合。
candidates
中的数字可以无限制重复被选取。
说明:
- 所有数字(包括
target
)都是正整数。 - 解集不能包含重复的组合。
示例 1:
1 |
|
组合总和。给定一个无重复元素的数组 candidates
和一个目标数 target
,找出 candidates
中所有可以使数字和为 target
的组合。
candidates
中的数字可以无限制重复被选取。
说明:
target
)都是正整数。示例 1:
1 |
|
报数。报数序列是一个整数序列,按照其中的整数的顺序进行报数,得到下一个数。其前五项如下:
1 |
|
初始值第一行是 1。
第二行读第一行,1 个 1,去掉个字,所以第二行就是 11。
第三行读第二行,2 个 1,去掉个字,所以第三行就是 21。
第四行读第三行,1 个 2,1 个 1,去掉所有个字,所以第四行就是 1211。
第五行读第四行,1 个 1,1 个 2,2 个 1,去掉所有个字,所以第五航就是 111221。
第六行读第五行,3 个 1,2 个 2,1 个 1,去掉所以个字,所以第六行就是 312211。
给定一个正整数 n(1 ≤ n ≤ 30),输出报数序列的第 n 项。
注意:整数顺序将表示为一个字符串。
解数独。编写一个程序,通过已填充的空格来解决数独问题。
一个数独的解法需遵循如下规则:
1-9
在每一行只能出现一次。1-9
在每一列只能出现一次。1-9
在每一个以粗实线分隔的 3x3
宫内只能出现一次。空白格用 '.'
表示。
一个数独。
答案被标成红色。
有效的数独。判断一个 9x9 的数独是否有效。只需要根据以下规则,验证已经填入的数字是否有效即可。
1-9
在每一行只能出现一次。1-9
在每一列只能出现一次。1-9
在每一个以粗实线分隔的 3x3
宫内只能出现一次。上图是一个部分填充的有效的数独。
数独部分空格内已填入了数字,空白格用 '.'
表示。
示例 1:
1 |
|
搜索插入位置。给定一个排序数组和一个目标值,在数组中找到目标值,并返回其索引。如果目标值不存在于数组中,返回它将会被按顺序插入的位置。
你可以假设数组中无重复元素。
示例 1:
1 |
|
示例 2:
1 |
|
示例 3:
1 |
|
示例 4:
1 |
|
在排序数组中查找元素的第一个和最后一个位置。给定一个按照升序排列的整数数组 nums
,和一个目标值 target
。找出给定目标值在数组中的开始位置和结束位置。
你的算法时间复杂度必须是 O(log n) 级别。
如果数组中不存在目标值,返回 [-1, -1]
。
示例 1:
1 |
|
示例 2:
1 |
|
搜索旋转排序数组。假设按照升序排序的数组在预先未知的某个点上进行了旋转。( 例如,数组 [0,1,2,4,5,6,7]
可能变为 [4,5,6,7,0,1,2]
)。
搜索一个给定的目标值,如果数组中存在这个目标值,则返回它的索引,否则返回 -1
。
你可以假设数组中不存在重复的元素。
你的算法时间复杂度必须是 O(log n) 级别。
示例 1:
1 |
|
示例 2:
1 |
|
最长有效括号。给定一个只包含 '('
和 ')'
的字符串,找出最长的包含有效括号的子串的长度。
示例 1:
1 |
|
示例 2:
1 |
|
Comprehensive Distance-Preserving Autoencoders for Cross-Modal Retrieval 论文阅读笔记。
ACM MM 2018
如何减少提取的图片或者文本特征中冗余噪声的负面影响
上图中背景信息的特征即是冗余的特征。
如何直接使用不同对象的表示来度量它们之间的关系
在之前的无监督跨模态检索方法中,只考虑了上图中实线之间的关系,没有考虑虚线之间的关系。
Weakly Supervised Deep Image Hashing through Tag Embeddings 论文阅读笔记。
CVPR 2019
本文提出了弱监督图像哈希的问题,由于图像的标签信息不容易获得,而从Web上得到的图像数据可能包含大量的 tag 信息,使用这些 tag 信息来学习图像的哈希码的问题即为弱监督图像哈希问题。本文提出了使用 word2vec 来编码 tag 信息并设计了三个损失函数的方法进行弱监督图像哈希的学习。
弱监督图像哈希和跨模态哈希的区别,前者使用 $(image, tags)$ 对进行学习,后者使用 $(image, tags, labels)$ 三元组进行学习,所以前者称为弱监督,而后者则是监督学习;而且,前者学习的目标是借助 tag 信息将图像映射到哈希空间,进行的还是图像之间的检索,后者则是 image 和 tags 相互影响,学习目标是将图像和文本一起映射到同一个哈希空间,进行的是图像到文本或者文本到图像的检索问题。