UVALive 6906 A - Cluster Analysis

思路:排个序,依次选就好了。

#include <bits/stdc++.h>
#define PB push_back
#define MP make_pair
using namespace std;
typedef long long LL;
typedef pair<int,int> PII;
#define PI acos((double)-1)
#define E exp(double(1))
#define K 1000+9
int a[K];
int main(void)
{
    int t,cs=1;cin>>t;
    while(t--)
    {
        int n,m,sum=1,x;
        cin>>n>>m;
        for(int i=1;i<=n;i++)
           scanf("%d",&a[i]);
        sort(a+1,a+n+1);
        x=a[1];
        for(int i=1;i<=n;i++)
        {
            if(a[i]-x>m)
                sum++;
            x=a[i];
        }

        printf("Case #%d: %d\n",cs++,sum);
    }

    return 0;
}
时间: 2024-10-17 21:53:14

UVALive 6906 A - Cluster Analysis的相关文章

Cluster analysis

https://en.wikipedia.org/wiki/Cluster_analysis Cluster analysis or clustering is the task of grouping a set of objects in such a way that objects in the same group (called a cluster) are more similar (in some sense or another) to each other than to t

cluster analysis in data mining

https://en.wikipedia.org/wiki/K-means_clustering k-means clustering is a method of vector quantization, originally from signal processing, that is popular for cluster analysis in data mining. k-means clustering aims to partition n observations into k

Cluster Analysis in Python

聚类 数据是么有标签的,属于无监督学习 hierarchical clustering 层次聚类法 linkage:聚合距离函数 fcluster:层次聚类函数 使用scipy包中的函数 # Import linkage and fcluster functions from scipy.cluster.hierarchy import linkage, fcluster # Use the linkage() function to compute distances Z = linkage(

370 门免费编程与计算机科学在线课程

简评:这篇文章为大家整理出 370 门精选的免费高质量编程计算机科学类的课程(涵盖程序语言.人工智能.深度学习与机器学习等热门话题).这370 门课程是从 Class Central数据库里面的 7000 门课程挑选出来的,每个课程的 Rating(评价)也是由该网站上获取下来的平均值. 370 门课程里面根据难易程度被分为: 入门 中级 进阶 所收录的大部分教程都已经更新完毕了,你可以按照自己的节奏(Self Paced)随时观看学习,有小部分教程还在持续更新至中,当然了,它们全都是免费的!

第一章 绪论

1.什么是数据挖掘 数据挖掘是在大型数据存储库中,自动地发现有用信息的过程.数据挖掘技术用来探查大型数据库,发现先前未知的有用模式.数据挖掘还可以预测未来观测结果. VS  信息检索(information retrieval) 2.数据挖掘与知识发现 数据挖掘是数据库中知识发现(knowledge Discovery  in database,KDD)不可缺少的一部分,而KDD是将未加工的数据转换为有用信息的整个过程. 3.数据挖掘任务 (1)预测任务 这些任务的目标是根据其他属性的值,预测特

K-Means 聚类算法

K-Means 概念定义: K-Means 是一种基于距离的排他的聚类划分方法. 上面的 K-Means 描述中包含了几个概念: 聚类(Clustering):K-Means 是一种聚类分析(Cluster Analysis)方法.聚类就是将数据对象分组成为多个类或者簇 (Cluster),使得在同一个簇中的对象之间具有较高的相似度,而不同簇中的对象差别较大. 划分(Partitioning):聚类可以基于划分,也可以基于分层.划分即将对象划分成不同的簇,而分层是将对象分等级. 排他(Exclu

【数据挖掘导论】——绪论

数据挖掘导论读书笔记之绪论 数据挖掘的前提:数据收集和数据存储技术的快速进步. 数据挖掘是一种技术,它将传统的数据分析方法与处理大量数据的复杂算法相结合.为探查和分析新的数据类型以及用新方法分析就有数据类型提供了令人振奋的机会. 数据挖掘是在大型数据存储库中,自动的发现有用信息的过程. 数据挖掘与知识发现 数据挖掘是数据库中知识发现不可缺少的一部分(knowledge deiscovery in database)KDD,KDD是将未加工的数据转换为有用信息的整个过程. 输入数据:输入各种形式存

K-means聚类算法

聚类分析(英语:Cluster analysis,亦称为群集分析) K-means也是聚类算法中最简单的一种了,但是里面包含的思想却是不一般.最早我使用并实现这个算法是在学习韩爷爷那本数据挖掘的书中,那本书比较注重应用.看了Andrew Ng的这个讲义后才有些明白K-means后面包含的EM思想. 聚类属于无监督学习,以往的回归.朴素贝叶斯.SVM等都是有类别标签y的,也就是说样例中已经给出了样例的分类.而聚类的样本中却没有给定y,只有特征x,比如假设宇宙中的星星可以表示成三维空间中的点集.聚类

Python高级数据处理与可视化(一)

1. 聚类分析 聚类分析(cluster analysis):以相似性为基础把相似的对象通过静态分类的方法分成不同的组别或更多的子集.特性:基于相似性,有多个聚类中心. K-Means:「K-均值」算法表示以空间中K个点为中心进行聚类,对最靠近他们的对象归类. In [47]: from numpy import vstack In [48]: from scipy.cluster.vq import kmeans,vq In [49]: list1 = [88.0,74.0,96.0,85.0