C语言:Day7~Day8

本文详细探讨了C语言在第7天到第8天的学习重点,涵盖了关键概念、语法和实践应用。通过对指针、数组、函数等核心知识点的深入解析,帮助读者巩固基础并提升编程能力。

点击右键查看原图



示例代码1
二维数组遍历:  
    两个for循环,外层循环控制行数,内层循环控制列  
  
   例:  
        for (int i=0; i<2; i++) {  
          
            for (int j=0; j<3; j++) {  
              
                printf("%d  ",nums[i][j]);//因为普通的取值方法:数组名[行][列]  
            }  
        }  

示例代码2
由用户输入一个字符串,打印出这个字符串的个数不考虑中文  
  
char str[50];  
      
    scanf("%s",str);  
      
    //int len = sizeof(str) / sizeof(char);//这个是用来计算数组总长度的  
      
    //printf("len=%d\n",len);  
      
    int len = strlen(str);  
      
    printf("你输入的个数为%d个\n",len);  

将字符串"每天进步一点点"通过字符串复制函数赋给一个字符数组并输出  
char str[50];  
    strcpy(str, "每天进步一点点");  
      
    puts(str);  

示例代码3
1.设计一个”学生“结构体  
    1> 成员  
 *  姓名   char数组  
 *  生日   日期的结构体  
 *  年龄   int  
 * 身高(单位是m) float  
 * 体重(单位是kg)  float  
 typedef struct{  
      
    char name[50];  //姓名  
      
    myDate birthDay; //出生日期  
      
    int age;  //年龄  
      
    int height; //身高  
      
    float weight; //体重  
      
    char gender; //性别  
       
}Student;  


内容概要:本文提出了一种基于融合鱼鹰算法和柯西变异的改进麻雀优化算法(OCSSA),用于优化变分模态分解(VMD)的参数,进而结合卷积神经网络(CNN)与双向长短期记忆网络(BiLSTM)构建OCSSA-VMD-CNN-BILSTM模型,实现对轴承故障的高【轴承故障诊断】基于融合鱼鹰和柯西变异的麻雀优化算法OCSSA-VMD-CNN-BILSTM轴承诊断研究【西储大学数据】(Matlab代码实现)精度诊断。研究采用西储大学公开的轴承故障数据集进行实验验证,通过优化VMD的模态数和惩罚因子,有效提升了信号分解的准确性与稳定性,随后利用CNN提取故障特征,BiLSTM捕捉时间序列的深层依赖关系,最终实现故障类型的智能识别。该方法在提升故障诊断精度与鲁棒性方面表现出优越性能。; 适合人群:具备一定信号处理、机器学习基础,从事机械故障诊断、智能运维、工业大数据分析等相关领域的研究生、科研人员及工程技术人员。; 使用场景及目标:①解决传统VMD参数依赖人工经验选取的问题,实现参数自适应优化;②提升复杂工况下滚动轴承早期故障的识别准确率;③为智能制造与预测性维护提供可靠的技术支持。; 阅读建议:建议读者结合Matlab代码实现过程,深入理解OCSSA优化机制、VMD信号分解流程以及CNN-BiLSTM网络架构的设计逻辑,重点关注参数优化与故障分类的联动关系,并可通过更换数据集进一步验证模型泛化能力。
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