From 0c268c67f226da8d113757aa240059f26a8ece78 Mon Sep 17 00:00:00 2001
From: krahets <krahets@163.com>
Date: Mon, 12 Jun 2023 23:14:01 +0800
Subject: [PATCH] build

---
 chapter_heap/top_k.md | 10 +++++-----
 1 file changed, 5 insertions(+), 5 deletions(-)

diff --git a/chapter_heap/top_k.md b/chapter_heap/top_k.md
index be6f0c3d0..8f3974c09 100644
--- a/chapter_heap/top_k.md
+++ b/chapter_heap/top_k.md
@@ -16,9 +16,9 @@ comments: true
 
 该方法只适用于 $k \ll n$ 的情况，因为当 $k$ 与 $n$ 比较接近时，其时间复杂度趋向于 $O(n^2)$ ，非常耗时。
 
-![遍历寻找最大的 $k$ 个元素](top_k.assets/top_k_traversal.png)
+![遍历寻找最大的 k 个元素](top_k.assets/top_k_traversal.png)
 
-<p align="center"> Fig. 遍历寻找最大的 $k$ 个元素 </p>
+<p align="center"> Fig. 遍历寻找最大的 k 个元素 </p>
 
 !!! tip
 
@@ -30,9 +30,9 @@ comments: true
 
 显然，该方法“超额”完成任务了，因为我们只需要找出最大的 $k$ 个元素即可，而不需要排序其他元素。
 
-![排序寻找最大的 $k$ 个元素](top_k.assets/top_k_sorting.png)
+![排序寻找最大的 k 个元素](top_k.assets/top_k_sorting.png)
 
-<p align="center"> Fig. 排序寻找最大的 $k$ 个元素 </p>
+<p align="center"> Fig. 排序寻找最大的 k 个元素 </p>
 
 ## 8.3.3. &nbsp; 方法三：堆
 
@@ -44,7 +44,7 @@ comments: true
 4. 遍历完成后，堆中保存的就是最大的 $k$ 个元素；
 
 === "<1>"
-    ![基于堆寻找最大的 $k$ 个元素](top_k.assets/top_k_heap_step1.png)
+    ![基于堆寻找最大的 k 个元素](top_k.assets/top_k_heap_step1.png)
 
 === "<2>"
     ![top_k_heap_step2](top_k.assets/top_k_heap_step2.png)