题目描述
小 A 和小 S 是 ACM 队友。小 A 的眼睛很大、视力出众，往往能从数据中看出奇怪的规律。
某次训练，小 S 在纸上画了个圆。小 A 看了一眼，说：你这明明是正 17 边形啊！他又拿出许多正多边形图片，让小 S 观察。但小 S 对此毫无头绪，于是他请你帮忙鉴定一下。
具体来说，给定多边形最大边数 $n$，小 A 采用以下方式生成了平面上的 $N$ 个点：
- 首先，选取一个点 $(x,y)$ 作为中心。这个点可能固定为 $(0, 0)$，也可能是在 $[-1,1] \times [-1,1]$ 中均匀选取的。
- 随机在 $[\max(3, n-5),n]$ 中选取一个整数 $k$。
- 考虑以 $(x, y)$ 为圆心， $1$ 为半径的圆。均匀随机选取圆的一个内接正 $k$ 边形。
- 重复 $N$ 次，每次均匀随机选取正 $k$ 边形边界上的一点 $u$，并把 $\hat u=u+\mathcal N$ 加入到数据中。这里，$\mathcal N$ 是一个随机噪声，其两维坐标分别独立遵循以 $0$ 为均值，$0.01$ 为标准差的高斯分布。
- 以上所有随机过程独立。
你需要从这 $N$ 个点中，还原出多边形的边数 $k$。
输入格式
从标准输入读入数据。
本题有多组测试数据。第一行输入正整数 $T$，表示测试数据组数。
对于每组数据，第一行输入两个正整数 $N,n$，表示点数和多边形边数的最大可能值。之后 $N$ 行，每行两个浮点数 $\hat u_x, \hat u_y$，表示一个点 $\hat u$ 的坐标。输入中所有浮点数均保留 $6$ 位有效数字。
输出格式
输出到标准输出。
对于每组数据，输出一个 $k$ 表示多边形的边数。
样例一
见下发文件。
解释
以下分别是样例第 $2,4,5,8$ 组数据的可视化图像。
子任务
对于所有测试点，$T=200$，$N=1000$，$3 \le n \le 30$。
本题共十个测试点，每个测试点十分，不捆绑测试。
| 测试点编号 | $n \le$ | 中心的选取方式 |
|---|---|---|
| 1 | $4$ | 在 $[-1,1] \times [-1,1]$ 中均匀选取$ |
| 2 | 固定为 $(0,0)$ | |
| 3 | $10$ | 在 $[-1,1] \times [-1,1]$ 中均匀选取 |
| 4 | 固定为 $(0,0)$ | |
| 5 | $20$ | 在 $[-1,1] \times [-1,1]$ 中均匀选取 |
| 6 | 固定为 $(0,0)$ | |
| 7 | $25$ | 在 $[-1,1] \times [-1,1]$ 中均匀选取 |
| 8 | 固定为 $(0,0)$ | |
| 9 | $30$ | 在 $[-1,1] \times [-1,1]$ 中均匀选取 |
| 10 | 固定为 $(0,0)$ |
评分方式
对于每个测试点，若你在至多一组测试数据上答案错误，可以获得全部分数，否则不能获得任何分数。
提示
你可能需要以下数学定义，但无法理解以下内容并不影响你的解题：
一个随机变量 $X$ 遵循均值为 $\mu$、标准差为 $\sigma$ 的高斯分布 $\mathcal N(\mu, \sigma^2)$ 意味着其概率密度函数为 $$f(x) = \frac{1}{\sqrt{2 \pi} \sigma} e^{-\frac{(x-\mu)^2}{2\sigma^2}}.$$ 对于一个概率密度函数为 $f(x)$ 的连续随机变量 $X$ 以及实数 $a < b$，随机变量 $X$ 生成的随机数落在区间 $(a,b)$ 的概率为 $$\Pr(X \in (a,b)) = \int_a^b f(x) dx.$$
你可能需要以下问题性质：
高斯分布的特点为：其密度从均值往左右以指数速度下降，因此在标准差较小的情况下，随机变量的值高概率与均值相近。例如，在本题的情境中，$\mu = 0$，$\sigma = 0.01$，生成出的随机数的绝对值大于 $0.04$ 的概率约为 $6 \times 10^{-4}$，大于 $0.05$ 的概率不超过 $6 \times 10^{-7}$，大于 $0.07$ 的概率不超过 $3 \times 10^{-12}$。