7.9作业

本文介绍了一个简单的C++程序,用于实现3x3矩阵的基本运算,包括加法、减法、乘法和除法,并提供了自增操作。通过定义一个名为exam的类来封装这些操作,展示了如何输入和打印矩阵。
#include<iostream>  
#include<iomanip>
using namespace std;
const int PI=3; 
const int P=3;


class exam {  
   public:
        exam();                      
        exam(int a,int b,int c,int d,int e,int f,int g,int h,int i);
        void getexam( );            
        void print();               
        exam operator+(exam &X);    
        exam operator-(exam &X);   
        exam operator/(exam &X);    
        exam operator*(exam &X);
        exam operator++();
  private:
       int A[PI][P];
}; 




exam::exam()
{ for(int i=0; i<PI; i++)
        for(int j=0;j<P; j++)
          A[i][j]=0;  
}


exam::exam(int a,int b,int c,int d,int e,int f,int g,int h,int i)
{                                 
 A[0][0]=a; 
A[0][1]=b; 
 A[0][2]=c;
A[1][0]=d; 
A[1][1]=e; 
A[1][2]=f; 
A[2][0]=g; 
 A[2][1]=h; 
A[2][2]=i;
}




void  exam::getexam( )        
{ cout<<"Please input 3*3  data:"<<endl;
 for (int i=0; i<PI; i++)
   for (int j=0;j<P; j++)
     cin>>A[i][j];  
}




void  exam::print()        
{ for (int i=0; i<PI;i++)
  { for (int j=0;j<P;j++ )
      cout<<setw(5)<< A[i][j];
    cout<<endl;  
       }
}




exam  exam::operator+(exam &X)    
{   exam temp;
       for (int i=0;i<PI; i++)
         for(int j=0;j<P;j++)
           temp.A[i][j]=A[i][j]+X.A[i][j];
       return temp;
}
exam   exam::operator-(exam &X)    
{ exam temp;
   for (int i=0; i<PI; i++)
      for (int j=0; j<P; j++ )
      temp.A[i][j]=A[i][j]-X.A[i][j];
 return temp ;
 }




exam exam::operator/(exam &X)
{ exam temp;
for(int i=0;i<PI;i++)
for(int j=0;j<P;j++)
temp.A[i][j]=A[i][j]/X.A[i][j];
return temp;
}


exam exam::operator*(exam &X)
{ exam temp;
for(int i=0;i<PI;i++)
for(int j=0;j<P;j++)
temp.A[i][j]=A[i][j]*X.A[i][j];
return temp;
}


exam exam::operator++()
{
for(int i=0;i<PI;i++)
    for(int j=0;j<P;j++)
   ++A[i][j];
   return *this;
}




int main()
{ exam X(1,2,3,4,5,6,7,8,9);
 exam Y,Z;
  Y.getexam();
  cout<<"Print  X"<<endl;  
  X.print();
  cout<<"Print  Y"<<endl;  
  Y.print();
  Z=X+Y;
  cout<<" Print Z=X+Y"<<endl;
  Z.print();
  Z=X-Y;
  cout<<" Print Z=X-Y"<<endl; 
  Z.print(); 
  cout<<" Print Z=X/Y"<<endl;
  Z=X/Y;
  Z.print(); 
   cout<<" Print Z=X*Y"<<endl; 
   Z=X*Y;
  Z.print(); 
  cout<<"Print ++X"<<endl;
  ++X;
  X.print() ;


  return 0;
}
内容概要:本文介绍了ENVI Deep Learning V1.0的操作教程,重点讲解了如何利用ENVI软件进行深度学习模型的训练与应用,以实现遥感图像中特定目标(如集装箱)的自动提取。教程涵盖了从数据准备、标签图像创建、模型初始化与训练,到执行分类及结果优化的完整流程,并介绍了精度评价与通过ENVI Modeler实现一键化建模的方法。系统基于TensorFlow框架,采用ENVINet5(U-Net变体)架构,支持通过点、线、面ROI或分类图生成标签数据,适用于多/高光谱影像的单一类别特征提取。; 适合人群:具备遥感图像处理基础,熟悉ENVI软件操作,从事地理信息、测绘、环境监测等相关领域的技术人员或研究人员,尤其是希望将深度学习技术应用于遥感目标识别的初学者与实践者。; 使用场景及目标:①在遥感影像中自动识别和提取特定地物目标(如车辆、建筑、道路、集装箱等);②掌握ENVI环境下深度学习模型的训练流程与关键参数设置(如Patch Size、Epochs、Class Weight等);③通过模型调优与结果反馈提升分类精度,实现高效自动化信息提取。; 阅读建议:建议结合实际遥感项目边学边练,重点关注标签数据制作、模型参数配置与结果后处理环节,充分利用ENVI Modeler进行自动化建模与参数优化,同时注意软硬件环境(特别是NVIDIA GPU)的配置要求以保障训练效率。
内容概要:本文系统阐述了企业新闻发稿在生成式引擎优化(GEO)时代下的全渠道策略与效果评估体系,涵盖当前企业传播面临的预算、资源、内容与效果评估四大挑战,并深入分析2025年新闻发稿行业五大趋势,包括AI驱动的智能化转型、精准化传播、首发内容价值提升、内容资产化及数据可视化。文章重点解析央媒、地方官媒、综合门户和自媒体四类媒体资源的特性、传播优势与发稿策略,提出基于内容适配性、时间节奏、话题设计的策略制定方法,并构建涵盖品牌价值、销售转化与GEO优化的多维评估框架。此外,结合“传声港”工具实操指南,提供AI智能投放、效果监测、自媒体管理与舆情应对的全流程解决方案,并针对科技、消费、B2B、区域品牌四大行业推出定制化发稿方案。; 适合人群:企业市场/公关负责人、品牌传播管理者、数字营销从业者及中小企业决策者,具备一定媒体传播经验并希望提升发稿效率与ROI的专业人士。; 使用场景及目标:①制定科学的新闻发稿策略,实现从“流量思维”向“价值思维”转型;②构建央媒定调、门户扩散、自媒体互动的立体化传播矩阵;③利用AI工具实现精准投放与GEO优化,提升品牌在AI搜索中的权威性与可见性;④通过数据驱动评估体系量化品牌影响力与销售转化效果。; 阅读建议:建议结合文中提供的实操清单、案例分析与工具指南进行系统学习,重点关注媒体适配性策略与GEO评估指标,在实际发稿中分阶段试点“AI+全渠道”组合策略,并定期复盘优化,以实现品牌传播的长期复利效应。
评论
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