《算法笔记》codeup_100000572_A

本文探讨了C语言中结构体的初始化方法,特别是数组结构体的使用,并讲解了如何通过scanf和gets读取输入,同时强调了处理输入换行符的重要性。

解答:

#include <stdio.h>
#include <string.h>
struct person {
	char name[20];
	int count;
}leader[3] = {"Li", 0, "Zhang", 0, "Fun", 0};    //初始化三个结构体变量 

int main() {
	int total_count;
	scanf("%d", &total_count);
	
	getchar();                                    //吸收结束scanf输入的换行符 
	
	for(int i=0; i<=total_count-1; i++) {
		char s[10];
		gets(s);
		if(!strcmp(s,"Li")) 
			leader[0].count++;
		else if(!strcmp(s,"Zhang")) 
			leader[1].count++;
		else if(!strcmp(s,"Fun")) 
			leader[2].count++;
	}
	
	printf("Li:%d\n", leader[0].count);
	printf("Zhang:%d\n", leader[1].count);
	printf("Fun:%d\n", leader[2].count);
	return 0;
}

总结:

  1. leader[3] = {"Li", 0, "Zhang", 0, "Fun", 0};的结构体数组初始化方法书中似乎没有提到。
  2. switch参数只能是整型,字符型,枚举型。
  3. 书中P49:scanf后使用gets需要在中间加一个getchar吸收前面的换行符。
内容概要:本文详细介绍了一个基于Java和Vue的联邦学习隐私保护推荐系统的设计与实现。系统采用联邦学习架构,使用户数据在本地完成模型训练,仅上传加密后的模型参数或梯度,通过中心服务器进行联邦平均聚合,从而实现数据隐私保护与协同建模的双重目标。项目涵盖完整的系统架构设计,包括本地模型训练、中心参数聚合、安全通信、前后端解耦、推荐算法插件化等模块,并结合差分隐私与同态加密等技术强化安全性。同时,系统通过Vue前端实现用户行为采集与个性化推荐展示,Java后端支撑高并发服务与日志处理,形成“本地训练—参数上传—全局聚合—模型下发—个性化微调”的完整闭环。文中还提供了关键模块的代码示例,如特征提取、模型聚合、加密上传等,增强了项目的可实施性与工程参考价值。 适合人群:具备一定Java和Vue开发基础,熟悉Spring Boot、RESTful API、分布式系统或机器学习相关技术,从事推荐系统、隐私计算或全栈开发方向的研发人员。 使用场景及目标:①学习联邦学习在推荐系统中的工程落地方法;②掌握隐私保护机制(如加密传输、差分隐私)与模型聚合技术的集成;③构建高安全、可扩展的分布式推荐系统原型;④实现前后端协同的个性化推荐闭环系统。 阅读建议:建议结合代码示例深入理解联邦学习流程,重点关注本地训练与全局聚合的协同逻辑,同时可基于项目架构进行算法替换与功能扩展,适用于科研验证与工业级系统原型开发。
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