实验15

本文通过四个具体的C++程序实例介绍了指针的基本用法及其在数组中的应用,并实现了一个简单的排序算法。通过这些实例,读者可以了解如何声明和使用指针变量,如何通过指针访问数组元素,以及如何利用指针来实现排序。

任务一

#include<iostream>
using namespace std;
int main()
{
	double ted=20.2;
	double *ptr = &ted;
	cout << "ted=" << ted << endl;
	cout << "*ptr=" << *ptr << endl;
	return 0;
}

任务二

#include<iostream>
using namespace std;
void ptr2()
{
	float treacle[10]={1,2,3,4,5,6,7,8,9,0},*ptr;
	ptr=&treacle[0];
	cout<<"first="<<*ptr<<endl;
	cout<<"final="<<*(ptr+9)<<endl;
}
int main()
{
	ptr2();
	return 0;
}

任务三

#include<iostream>
using namespace std;
void fun1(int a,int b,int c,int *one,int *two,int *three)
{
	if(a<b)
		if(a<c)
		{
			*one=a;
			if(b<c)
			{
				*two=b;
				*three=c;
			}
		}
		else
		{
			*one=c;
			*two=a;
			*three=b;
		}
	else if(b>c)
	{
		*one=c;
		*two=b;
		*three=a;
	}
	else if(a>c)
	{
		*one=b;
		*two=c;
		*three=a;
	}
	else
	{
		*one=b;
		*two=a;
		*three=c;
	}
}
int main()
{
	int a=10,b=9,c=8,x,y,z;
	fun1(a,b,c,&x,&y,&z);
	cout<<x<<' '<<y<<' '<<z<<endl;
}

方案二

#include<iostream>
using namespace std;
void fun1(int *a,int *b,int *c)
{
	int t;
	if (*a > *b)
	{
		t = *a;
		*a = *b;
		*b = t;
	}
	if (*a > *c)
	{
		t = *a;
		*a = *c;
		*c = t;
	}
	if (*c < *b)
	{
		t = *b;
		*b = *c;
		*c = t;
	}
}
int main()
{
	int a = 10, b = 9, c = 8;
	fun1(&a, &b, &c);
	cout << a << ' ' << b << ' ' << c << endl;
}

任务四

#include<iostream>
using namespace std;
double fun2(int *p,int n)
{
	double sum=0;
	for(int i=0;i<n;i++)
		{
		sum+=p[i];
		}
	return sum/n;
}
int main()
{
	int f[10]={1,2,3,4,5,6,7,8,9,10};
	cout<<fun2(f,10)<<endl;
	return 0;
}
数据集介绍:垃圾分类检测数据集 一、基础信息 数据集名称:垃圾分类检测数据集 图片数量: 训练集:2,817张图片 验证集:621张图片 测试集:317张图片 总计:3,755张图片 分类类别: - 金属:常见的金属垃圾材料。 - 纸板:纸板类垃圾,如包装盒等。 - 塑料:塑料类垃圾,如瓶子、容器等。 标注格式: YOLO格式,包含边界框和类别标签,适用于目标检测任务。 数据格式:图片来源于实际场景,格式为常见图像格式(如JPEG/PNG)。 二、适用场景 智能垃圾回收系统开发: 数据集支持目标检测任务,帮助构建能够自动识别和分类垃圾材料的AI模型,用于自动化废物分类和回收系统。 环境监测与废物管理: 集成至监控系统或机器人中,实时检测垃圾并分类,提升废物处理效率和环保水平。 学术研究与教育: 支持计算机视觉与环保领域的交叉研究,用于教学、实验和论文发表。 三、数据集优势 类别覆盖全面: 包含三种常见垃圾材料类别,覆盖日常生活中主要的可回收物类型,具有实际应用价值。 标注精准可靠: 采用YOLO标注格式,边界框定位精确,类别标签准确,便于模型直接训练和使用。 数据量适中合理: 训练集、验证集和测试集分布均衡,提供足够样本用于模型学习和评估。 任务适配性强: 标注兼容主流深度学习框架(如YOLO等),可直接用于目标检测任务,支持垃圾检测相关应用。
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