TYVJ-P1006

ISBN校验码计算与验证
#include <cmath>
#include <cstdio>
#include <algorithm>
#include <iostream>
using namespace std;

char str[15];
int cnt,sum;
int main()
{
	scanf("%s",str+1);	//数据输入,下标从1开始
	for(int i=1;i<=12;i++)
	{
		if(str[i]!='-')
		{
			cnt++;
			sum+=(str[i]-'0')*cnt;
		}
	} 
	if(sum%11==(str[13]-'0')||(sum%11==10&&str[13]=='X'))   //两个字符相减,或sum%11+'0'(一个数字加一个字符) 
		cout<<"Right"<<endl;
	else
		{
			if(sum%11==10)
				str[13]='X';
			else
				str[13]=sum%11+'0';	  			//隐式转换 
				//str[13]=char(sum%11+'0');	 	//显式转换 
												//不能这样写str[13]='sum%11';
			printf("%s\n",str+1);
		}
	return 0;
}
better codes:
#include<cmath>
#include<cstdio>
#include<cstring>
#include<algorithm>
using namespace std;
char ch[15],ans;
int num,cnt;
int main()
{
    scanf("%s",ch+1);
    for(int i=1;i<=11;i++)
        if(ch[i]!='-')
        {
            cnt++;
            num+=(ch[i]-'0')*cnt;
            num%=11;
        }
    if(num<10)ans=num+'0';
    else ans='X';
    if(ans==ch[13])puts("Right");
    else
    {
        ch[13]=ans;
        printf("%s",ch+1);
    }
    return 0;
}



fff

【电能质量扰动】基于ML和DWT的电能质量扰动分类方法研究(Matlab实现)内容概要:本文研究了一种基于机器学习(ML)和离散小波变换(DWT)的电能质量扰动分类方法,并提供了Matlab实现方案。首先利用DWT对电能质量信号进行多尺度分解,提取信号的时频域特征,有效捕捉电压暂降、暂升、中断、谐波、闪变等常见扰动的关键信息;随后结合机器学习分类器(如SVM、BP神经网络等)对提取的特征进行训练与分类,实现对不同类型扰动的自动识别与准确区分。该方法充分发挥DWT在信号去噪与特征提取方面的优势,结合ML强大的模式识别能力,提升了分类精度与鲁棒性,具有较强的实用价值。; 适合人群:电气工程、自动化、电力系统及其自动化等相关专业的研究生、科研人员及从事电能质量监测与分析的工程技术人员;具备一定的信号处理基础和Matlab编程能力者更佳。; 使用场景及目标:①应用于智能电网中的电能质量在线监测系统,实现扰动类型的自动识别;②作为高校或科研机构在信号处理、模式识别、电力系统分析等课程的教学案例或科研实验平台;③目标是提高电能质量扰动分类的准确性与效率,为后续的电能治理与设备保护提供决策依据。; 阅读建议:建议读者结合Matlab代码深入理解DWT的实现过程与特征提取步骤,重点关注小波基选择、分解层数设定及特征向量构造对分类性能的影响,并尝试对比不同机器学习模型的分类效果,以全面掌握该方法的核心技术要点。
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