树种统计

本文介绍了一种使用C++和map容器实现的树种统计程序。该程序能够根据输入的树种名称,统计并输出每种树的数量及所占百分比。通过简单的代码示例,展示了如何利用map进行高效的数据处理。
树种统计(25 分)

随着卫星成像技术的应用,自然资源研究机构可以识别每一棵树的种类。请编写程序帮助研究人员统计每种树的数量,计算每种树占总数的百分比。

输入格式:

输入首先给出正整数N(105),随后N行,每行给出卫星观测到的一棵树的种类名称。种类名称由不超过30个英文字母和空格组成(大小写不区分)。

输出格式:

按字典序递增输出各种树的种类名称及其所占总数的百分比,其间以空格分隔,保留小数点后4位。

输入样例:

29
Red Alder
Ash
Aspen
Basswood
Ash
Beech
Yellow Birch
Ash
Cherry
Cottonwood
Ash
Cypress
Red Elm
Gum
Hackberry
White Oak
Hickory
Pecan
Hard Maple
White Oak
Soft Maple
Red Oak
Red Oak
White Oak
Poplan
Sassafras
Sycamore
Black Walnut
Willow

输出样例:

Ash 13.7931%
Aspen 3.4483%
Basswood 3.4483%
Beech 3.4483%
Black Walnut 3.4483%
Cherry 3.4483%
Cottonwood 3.4483%
Cypress 3.4483%
Gum 3.4483%
Hackberry 3.4483%
Hard Maple 3.4483%
Hickory 3.4483%
Pecan 3.4483%
Poplan 3.4483%
Red Alder 3.4483%
Red Elm 3.4483%
Red Oak 6.8966%
Sassafras 3.4483%
Soft Maple 3.4483%
Sycamore 3.4483%
White Oak 10.3448%
Willow 3.4483%
Yellow Birch 3.4483%

这个题用map炒鸡简单!

不过,前提是你要知道map<string,int>的value默认是0偷笑

我一开始也不晓得,想着用个嵌套的map,但是写着写着,我发现我写不下去了。。。

话不多说,上代码,一看就能懂

#include<iostream>
#include<string>
#include<stdio.h>
#include<map>
using namespace std;
int main()
{
    int n,count=0,flag;
    string name;
    cin>>n;
	getchar();
	map<string,double> tree;
	for(int i=0;i<n;i++)
	{
		getline(cin,name);
		tree[name]++;//这里就是重点啦!直接自增就可以啦!就是这么简单啦!哈哈哈哈
	}
	map<string,double>::iterator iter;
	for(iter=tree.begin();iter!=tree.end();iter++)
	{
		cout<<iter->first<<' ';
		printf("%.4f%%\n",iter->second/n*100);
	}
    return 0;
}

### 使用点云和高光谱数据进行树种分类的方法和技术 对于树种分类而言,融合点云与高光谱影像的数据能够显著提升识别精度。通过三维激光扫描仪获取的点云数据提供了树木结构特征的信息;而由成像光谱仪捕获的高光谱图像则携带了丰富的物质成分特性。 #### 数据预处理阶段 在实际应用之前,需先对原始采集到的不同模态的数据集执行必要的前处理操作。这包括但不限于坐标转换以实现多源异构数据间的精确配准[^1],以及去除噪声干扰来提高后续分析的有效性。 #### 特征提取过程 针对点云部分,可以利用几何形态学方法计算诸如高度、冠幅等宏观尺度上的统计量作为初级描述子。与此同时,在像素级别上解析出反射率曲线并从中挑选敏感波段组合形成新的表征向量,则构成了基于高光谱维度下的细粒度属性表达方式[^2]。 #### 分类模型构建 为了充分利用上述两种类型的输入信息,可考虑采用集成学习框架下的随机森林算法或是支持向量机来进行监督式的训练建模工作。另外,深度神经网络特别是卷积层加全连接层的设计思路也被证明适用于此类任务场景下复杂模式的学习捕捉能力。 ```python from sklearn.ensemble import RandomForestClassifier import numpy as np # 假设X_pointcloud, X_hyperspectral分别为经过前期准备后的两类特征矩阵 # y代表已知标签列表 clf = RandomForestClassifier(n_estimators=100) data_combined = np.hstack((X_pointcloud, X_hyperspectral)) clf.fit(data_combined, y) ```
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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