以P和O(大写字母O)表示入栈和出栈操作,根据一个P和O的序列,对一个空堆栈进行操作,当进行操作结束后,堆栈为空,则该序列是合法的,否则为非法的

该代码实现了一个基于C语言的程序,用于判断一个由'P'(入栈)和'O'(出栈)组成的序列是否能导致空栈。程序首先创建一个固定大小的栈,然后根据输入的PO序列执行相应的入栈和出栈操作。如果序列合法,即所有操作完成后栈为空,程序将输出"合法!";否则,输出"非法!"并显示栈中剩余的元素。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

内容:
假设以P和O(大写字母O)表示入栈和出栈操作,根据一个P和O的序列,对一个空堆栈进行操作,当进行操作结束后,堆栈为空,则该序列是合法的,否则为非法的(包括栈满操作没完成,栈空操作没完成,操作完成但堆栈为空)。当判断为P时,输入入栈元素并入栈,当判断为O时输出栈顶元素并出栈。入栈元素类型设为int型。

代码:

#include"stdio.h"
#include"string.h"
#include"stdlib.h"

#define MAXSIZE 10
 
typedef struct 
{
	int num[MAXSIZE];//存储数字 
	int top;          //指向num栈顶 
 } SqStack, *Sq;
 
 void Display(Sq S)  // 显示函数,输出栈中元素 
{
	if(S->top== -1)
	{
		printf("栈为空"); 
	}
	else
	{
		printf("栈中元素是:"); 
		while(S->top != -1)
		{
			printf("%d ",S->num[S->top]);
		    S->top--;
		}
	}
}

  
int Push(Sq S )//数字入栈 
{   int flag=1;
	if(S->top == MAXSIZE-1)  // 栈满 
	{   
	   flag = 0;
	}
	else
	{  
		S->top++;
		printf("输入入栈数字:");
	    scanf("%d",&S->num[S->top]);
	    flag = 1;
	}
	return flag;
}


int Pop(Sq S)//数字出栈 
{   
    int flag = 1;
	if(S->top == -1)
	{   
	   flag = 0; 
	}
	else
	{
	    printf("输出出栈元素:%d",S->num[S->top]);
	    printf("\n");
		S->top--;
		flag = 1;
	}
	 return flag;
} 


  
int main()
{
	Sq S=(SqStack *)malloc(sizeof(SqStack));
 	S->top = -1;  //初始化栈 
	int flag = 1;  //标志变量 
	int l;          // 储存Po序列长度 
	char PO[MAXSIZE]; //Po序列数组
	printf("输入PO序列:"); 
	gets(PO);
	l=strlen(PO);    //计算PO序列长度 
	
	for(int j=0; j<l; j++)  //根据PO序列 ,P为数字入栈,O为数字出栈 
	{
		if(PO[j]=='P')
		flag = Push(S);      
		else if(PO[j]=='O') 
		flag = Pop(S);
		else if(flag == 0)    // if(flag == 0)跳出循环 
		break;
	}

	
	if(flag==1 && S->top==-1)  //各步执行合法 即Push(S), Pop(S),执行完毕后栈为空! 
	printf("合法!");
	
	else                       //若PO序列 执行后不合法,输出栈中剩余元素 
	{
		printf("非法!\n");
	    Display(S); 
	}
	
	return 0;
}
  

动物目标检测数据集 一、基础信息 数据集名称:动物目标检测数据集 图片数量: - 训练集:9,134张图片 - 验证集:1,529张图片 - 测试集:1,519张图片 总计:12,182张图片 分类类别: Bear(熊)、Cat(猫)、Cattle(牛)、Chicken(鸡)、Deer(鹿)、Dog(狗)、Elephant(大象)、Horse(马)、Monkey(猴子)、Sheep(绵羊) 标注格式: YOLO格式,包含归一化坐标的边界框数字编码类别标签,支持目标检测模型开发。 数据特性: 涵盖俯拍视角、地面视角等多角度动物影像,适用于复杂环境下的动物识别需求。 二、适用场景 农业智能监测: 支持畜牧管理系统开发,自动识别牲畜种类并统计数量,提升养殖场管理效率。 野生动物保护: 应用于自然保护区监控系统,实时检测特定动物物种,辅助生态研究盗猎预警。 智能养殖设备: 为自动饲喂系统、健康监测设备等提供视觉识别能力,实现精准个体识别。 教育研究工具: 适用于动物行为学研究计算机视觉教学,提供标准化的多物种检测数据集。 遥感图像分析: 支持航拍图像中的动物种群分布分析,适用于生态调查栖息地研究。 三、数据集优势 多物种覆盖: 包含10类常见经济动物野生动物,覆盖陆生哺乳动物与家禽类别,满足跨场景需求。 高密度标注: 支持单图多目标检测,部分样本包含重叠目标标注,模拟真实场景下的复杂检测需求。 数据平衡性: 经分层抽样保证各类别均衡分布,避免模型训练时的类别偏差问题。 工业级适用性: 标注数据兼容YOLO系列模型框架,支持快速迁移学习生产环境部署。 场景多样性: 包含白天/夜间、近距离/远距离、单体/群体等多种拍摄条件,增强模型鲁棒性。
数据集介绍:农场与野生动物目标检测数据集 一、基础信息 数据集名称:农场与野生动物目标检测数据集 图片规模: - 训练集:13,154张图片 - 验证集:559张图片 - 测试集:92张图片 分类类别: - Cow(牛):农场核心牲畜,包含多种姿态场景 - Deer(鹿):涵盖野外环境中的鹿类目标 - Sheep(羊):包含不同品种的绵羊山羊 - Waterdeer(獐):稀有野生动物目标检测样本 标注格式: YOLO格式标准标注,含精确边界框坐标类别标签 数据特征: 包含航拍、地面拍摄等多视角数据,适用于复杂环境下的目标检测任务 二、适用场景 智慧农业系统开发: 支持畜牧数量统计、牲畜行为监测等农业自动化管理应用 野生动物保护监测: 适用于自然保护区生物多样性监测系统的开发与优化 生态研究数据库构建: 为动物分布研究提供标准化视觉数据支撑 智能畜牧管理: 赋能养殖场自动化监控系统,实现牲畜健康状态追踪 多目标检测算法验证: 提供跨物种检测基准,支持算法鲁棒性测试 三、数据集优势 多场景覆盖能力: 整合农场环境与自然场景数据,包含光照变化、遮挡等真实场景 精确标注体系: - 经专业团队双重校验的YOLO格式标注 - 边界框精准匹配动物形态特征 数据多样性突出: - 包含静态、动态多种动物状态 - 涵盖个体与群体检测场景 任务适配性强: - 可直接应用于YOLO系列模型训练 - 支持从目标检测扩展到行为分析等衍生任务 生态研究价值: 特别包含獐等稀有物种样本,助力野生动物保护AI应用开发
数据集介绍:多环境动物及人类活动目标检测数据集 一、基础信息 数据集名称:多环境动物及人类活动目标检测数据集 图片数量: - 训练集:12,599张图片 - 验证集:1,214张图片 - 测试集:607张图片 总计:14,420张图片 分类类别: - bear(熊): 森林生态系统的顶级掠食者 - bird(鸟类): 涵盖多种飞行及陆栖鸟类 - cougar(美洲狮): 山地生态关键物种 - person(人类): 自然环境与人类活动交互场景 - truck(卡车): 工业及运输场景的车辆目标 - ungulate(有蹄类动物): 包括鹿、羊等草食性哺乳动物 - wolf(狼): 群体性捕食动物代表 标注格式: YOLO格式标注,包含归一化坐标的边界框及类别标签,可直接适配YOLOv5/v7/v8等主流检测框架。 数据特性: 涵盖航拍、地面监控等多视角数据,包含昼夜不同光照条件及复杂背景场景。 二、适用场景 野生动物保护监测: 支持构建自动识别森林/草原生态系统中濒危物种的监测系统,用于种群数量统计栖息地研究。 农业与畜牧业管理: 检测农场周边的捕食动物(如狼、美洲狮),及时预警牲畜安全风险。 智能交通系统: 识别道路周边野生动物与运输车辆,为自动驾驶系统提供碰撞预警数据支持。 生态研究数据库: 提供7类典型生物与人类活动目标的标注数据,支撑生物多样性分析与人类活动影响研究。 安防监控增强: 适用于自然保护区监控系统,同时检测可疑人员(person)与车辆(truck)的非法闯入。 三、数据集优势 多场景覆盖: 包含森林、公路、山地等多类型场景,覆盖从独居动物(cougar)到群体生物(wolf)的检测需求。 类别平衡设计: 7个类别经专业数据采样,避免长尾分布问题,包含: - 3类哺乳动物捕食者(bear/cougar/wolf) - 2类环境指示物种(bird/ung
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