Probability|Given UVA - 11181

本文解析了一道关于概率计算的编程题,通过枚举法求解特定条件下每个人购买商品的概率,并提供了完整的C++代码实现。

Probability|Given UVA - 11181

数学·概率

http://www.cnblogs.com/staginner/archive/2011/12/13/2286032.html

题目大意:

有n个人去超市买东西,给出r,每个人买东西的概率是p[i],当有r个人买东西的时候,第i个人恰好买东西的概率.

题解:

设事件B为一共有r个人买了东西,设事件Ai为第i个人买了东西。
那么这个题目实际上就是求P(Ai|B),而P(Ai|B)=P(AiB)/P(B),其中P(AiB)表示事件Ai与事件B同时发生的概率,同时总状态并不多,因此我们可以枚举买东西的状态预处理出P(AiB)和P(B),再代入计算即可。

Code:

#include <iostream>
#include <cstdio>
#include <cstring>
using namespace std;
const int N = 21;

int bitcnt(int S){
    int cnt=0;
    for(int i=0;(1<<i)<=S;i++){
        if(S&(1<<i)) cnt++;
    }
    return cnt;
}

int main(){
    freopen("a.in","r",stdin);
    int cas=0; int n,r; double p[N],ap[N];
    while(~scanf("%d%d",&n,&r) && (n||r)){
        memset(ap,0,sizeof(ap));
        double rp=0;
        for(int i=0;i<n;i++) scanf("%lf",&p[i]);
        for(int S=0;S<(1<<n);S++){
            if(bitcnt(S)==r){
                double ans=1;
                for(int i=0;i<n;i++){
                    if(S&(1<<i)) ans*=p[i];
                    else ans*=(1-p[i]);
                }
                rp+=ans;
                for(int i=0;i<n;i++){
                    if(S&(1<<i)) ap[i]+=ans;
                }
            }
        }
        printf("Case %d:\n",++cas);
        for(int i=0;i<n;i++) printf("%.6f\n",ap[i]/rp);
    }
}
本课题设计了一种利用Matlab平台开发的植物叶片健康状态识别方案,重点融合了色彩与纹理双重特征以实现对叶片病害的自动化判别。该系统构建了直观的图形操作界面,便于用户提交叶片影像并快速获得分析结论。Matlab作为具备高效数值计算与数据处理能力的工具,在图像分析与模式分类领域应用广泛,本项目正是借助其功能解决农业病害监测的实际问题。 在色彩特征分析方面,叶片影像的颜色分布常与其生理状态密切相关。通常,健康的叶片呈现绿色,而出现黄化、褐变等异常色彩往往指示病害或虫害的发生。Matlab提供了一系列图像处理函数,例如可通过色彩空间转换与直方图统计来量化颜色属性。通过计算各颜色通道的统计参数(如均值、标准差及主成分等),能够提取具有判别力的色彩特征,从而为不同病害类别的区分提供依据。 纹理特征则用于描述叶片表面的微观结构与形态变化,如病斑、皱缩或裂纹等。Matlab中的灰度共生矩阵计算函数可用于提取对比度、均匀性、相关性等纹理指标。此外,局部二值模式与Gabor滤波等方法也能从多尺度刻画纹理细节,进一步增强病害识别的鲁棒性。 系统的人机交互界面基于Matlab的图形用户界面开发环境实现。用户可通过该界面上传待检图像,系统将自动执行图像预处理、特征抽取与分类判断。采用的分类模型包括支持向量机、决策树等机器学习方法,通过对已标注样本的训练,模型能够依据新图像的特征向量预测其所属的病害类别。 此类课题设计有助于深化对Matlab编程、图像处理技术与模式识别原理的理解。通过完整实现从特征提取到分类决策的流程,学生能够将理论知识与实际应用相结合,提升解决复杂工程问题的能力。总体而言,该叶片病害检测系统涵盖了图像分析、特征融合、分类算法及界面开发等多个技术环节,为学习与掌握基于Matlab的智能检测技术提供了综合性实践案例。 资源来源于网络分享,仅用于学习交流使用,请勿用于商业,如有侵权请联系我删除!
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