【C++】计算并集分割成的子区间的样本密度平均值

原创已于 2022-04-01 14:38:54 修改 · 695 阅读

1 ·

CC 4.0 BY-SA版权

文章标签：

#聚类算法 #动态规划 #算法 #聚类 #c++

于 2021-04-27 19:44:48 首次发布

数据结构专栏收录该内容

32 篇文章

订阅专栏

本文介绍如何计算两组非均匀分布样本在区间[0,1]上，经过各自分界点划分后的子区间样本密度平均值。通过实例演示了如何利用输入的分界点位置、子区间密度，合并分界点后计算新的子区间密度平均值。

题目：计算并集分割成的子区间的样本密度平均值

有两组样本数据非均匀分布在区间[0,1] 内。区间存在两组分界点，和。每组分界点个数为(K-1) ，这(K-1)个分界点将整个区间分割成K个子区间。已知每一组分界点的位置和由这组分界点分割成的K 个子区间的样本密度，请计算由这两组分界点的并集分割成的子区间的样本密度的平均值。如图1所示，区间[0,1] 存在两组分界点{0.25,0.5,0.75} 和{0.125,0.25,0.5} 。由第一组样本点划分出的4个子区间样本密度分别为2、1、0.5、05，由第二组样本点划分出的4个子区间样本密度分别为2.5，1.5、0.8、0.6。以上两组分界点的并集为{0.125,0.25,0.5,0.75} ，包含4个分界点，这4个分界点将整个区间分割成5个子区间，可以计算每个区间样本密度的平均值。以第一个区间[0,0.125] 为例，其样本密度的平均值为。

输入样例：

3（每一组分界点的个数）

0.25 0.5 0.75（第一组分界点位置）

0.125 0.25 0.5 （第二组分界点位置）

2 1 0.5 0.5（由第一组分界点划分的区间样本密度）

2.5 1.5 0.8 0.6（由第二组分界点划分的区间样本密度）

输出样例：

2.25 1.75 0.9 0.55 0.55（由合并后的分界点划分的区间样本密度）

代码示例👇

//author:Mitchell_Donovan
//date:4.27
#include<iostream>
using namespace std;

int main() {
	int size;
	cout << "请输入节点个数：";
	cin >> size;
	double* Va = new double[size + 1];
	double* Vb = new double[size + 1];
	cout << "请输入第一组分界点值：";
	for (int i = 0; i < size; i++) {
		cin >> Va[i];
	}
	Va[size] = 1;
	cout << "请输入第二组分界点值：";
	for (int i = 0; i < size; i++) {
		cin >> Vb[i];
	}
	Vb[size] = 1;
	double* Pa = new double[size + 1];
	double* Pb = new double[size + 1];
	cout << "请输入第一组区间样本密度：";
	for (int i = 0; i < size + 1; i++) {
		cin >> Pa[i];
	}
	cout << "请输入第二组区间样本密度：";
	for (int i = 0; i < size + 1; i++) {
		cin >> Pb[i];
	}
	double a = Va[0], b = Vb[0];
	int i = 0, j = 0;
	while (a != 1 || b != 1) {
		cout << (Pa[i] + Pb[j]) / 2 << " ";
		if (a < b) {
			a = Va[++i];
		}
		else if (a > b) {
			b = Vb[++j];
		}
		else {
			a = Va[++i];
			b = Vb[++j];
		}
	}
	cout << (Pa[i] + Pb[j]) / 2 << " ";
}

输出示例👇