算法day02

算法的第二天,复习一下搜索问题。
1.DFS

void dfs(int step)//step表示站在第几个盒子前
{
    int i;
    if(step==n+1)//如果站在第n+1个盒子面前,则表示前n个盒子已经放好
    {
        for(i=1;i<=n;i++)
            printf("%d ",a[i]);
        printf("\n");

        return ;//返回前一步(最近一次调用dfs函数的地方)
    }

    //此时站在第step个盒子面前,应该放哪张牌?
    //按照1/2/3/4.。.n的顺序一一尝试
    for(i=1;i<=n;i++)
    {
        //判断扑克牌i是否还在手上
        if(book[i]==0)//表示i号扑克牌还在手上
        {
            //开始尝试使用扑克牌i
            a[step]=i;//将i号扑克牌放入盒子中
            book[i]=1;//表示扑克牌已经不在手上

            //循环递归
            dfs(step+1);
            book[i]=0;
        }
    }
    return;
}

2.给定一些 points 和一个 origin,从 points 中找到 k 个离 origin 最近的点。按照距离由小到大返回。如果两个点有相同距离,则按照x值来排序;若x值也相同,就再按照y值排序。

#include <stdio.h>

int a[100];

struct node
{
    int a;
    int b;
};

double dist(int a, int b,int c, int d)
{
    double dis;
    dis=(c-a)*(c-a)+(d-b)*(d-b);
    return dis;
}

void quicksort(int left,int right)
{
    int i,j,t,temp;
    if(left>right)
        return;

    i=left;j=right;temp=left;
    while(i!=j)
    {
        while(a[j]>=temp && i<j)
            j--;
        while(a[i]<=temp && i<j)
            i++;
        if(i<j)
        {
            t=a[left];a[left]=temp;temp=t;
        }
    }
     //归准基准数
    a[left]=a[i];
    a[i]=temp;

    quicksort(left,i-1);
    quicksort(i+1,right);
}
int main()
{
    struct node origin;
    struct node points[6];
    int k,i;
    for(i=1;i<=5;i++)
        scanf("%d%d",&points[i].a,&points[i].b);

    scanf("%d",&k);
    scanf("%d%d",&origin.a,&origin.b);

    for(i=1;i<=5;i++)
    {
        a[i]=dist(origin.a,origin.b,points[i].a,points[i].b);
    }
    quicksort(1,6);
    for(i=1;i<=k;i++)
        printf("%d ",a[i]);


    return 0;
}

明天修改,要断网了。。。

内容概要:本文介绍了MATLAB实现DBN-RBF深度置信网络结合RBF神经网络多输入单输出回归预测的详细项目实例。项目旨在通过深度置信网络(DBN)和径向基函数神经网络(RBF)的结合,设计出一种高效的回归预测模型,以应对高维数据和非线性关系的挑战。DBN用于无监督特征提取,RBF用于快速回归,两者结合显著提升了预测精度和模型泛化能力。文中详细描述了项目的背景、目标、挑战、解决方案、模型架构、代码实现、GUI设计、性能评估及未来改进方向。 适合人群:具备一定编程基础,对机器学习和深度学习有一定了解的研发人员,尤其是从事金融预测、医疗健康、智能制造等领域的工程师和技术人员。 使用场景及目标:①解决高维数据的特征提取难题,提升非线性回归的拟合精度;②通过无监督学习与快速训练能力的结合,提高模型的预测精度和泛化能力;③应用于金融预测、医疗健康、智能制造等多个领域,提供高效的回归预测工具;④通过实时数据流处理和GPU加速推理,确保系统在实时应用中的快速响应。 其他说明:此项目不仅提供了详细的理论分析和代码实现,还涵盖了系统架构设计、模型部署与应用、安全性与用户隐私保护等方面的全面指导。通过结合其他深度学习模型、多任务学习、增量学习等技术,项目具备广阔的扩展性和应用前景。系统还支持自动化CI/CD管道、API服务与业务集成、前端展示与结果导出等功能,确保了系统的高可用性和易用性。
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