排序(一):选择排序

一、步骤
1、找到数组中的最小元素;
2、将第一步找到的最小元素与数组第一个元素交换位置(如果第一个元素就是最小元素则和自己交换);
3、在剩下的元素中找到最小元素,将它与第二个元素交换位置。如此反复,直到将整个数组排序。

二、优缺点
1、运行时间和输入无关。为了找出最小的元素而扫描一遍数组并不能为下一次扫描提供什么信息。这种性质在某些情况下是缺点,因为一个有序的数组或是主键全部相等的数组和一个元素随机排列的数组所用的排序时间是一样的。
2、数据移动最少。假设长度为N的数组,每次交换都会改变两个数组元素的值,因此选择排序用了N次交换,交换次数跟N成线性关系。而大多数其他算法增长数量级都是线性对数或者平方级别。

三、实现

public <T> void sort(Comparable<T>[] arr) {
        for(int i=0;i<arr.length;i++) {
            int min = i;

            for(int j=i+1;j<arr.length;j++) {
                if(less(arr[j], arr[min])) {//下标为j的元素是否小于下标为min的元素
                    min = j;
                }
            }

            exch(arr, i, min);//下标为i的和下标为min的元素互换位置
        }
    }
【电能质量扰动】基于ML和DWT的电能质量扰动分类方法研究(Matlab实现)内容概要:本文研究了种基于机器学习(ML)和离散小波变换(DWT)的电能质量扰动分类方法,并提供了Matlab实现方案。首先利用DWT对电能质量信号进行多尺度分解,提取信号的时频域特征,有效捕捉电压暂降、暂升、中断、谐波、闪变等常见扰动的键信息;随后结合机器学习分类器(如SVM、BP神经网络等)对提取的特征进行训练与分类,实现对不同类型扰动的自动识别与准确区分。该方法充分发挥DWT在信号去噪与特征提取方面的优势,结合ML强大的模式识别能力,提升了分类精度与鲁棒性,具有较强的实用价值。; 适合人群:电气工程、自动化、电力系统及其自动化等相专业的研究生、科研人员及从事电能质量监测与分析的工程技术人员;具备定的信号处理基础和Matlab编程能力者更佳。; 使用场景及目标:①应用于智能电网中的电能质量在线监测系统,实现扰动类型的自动识别;②作为高校或科研机构在信号处理、模式识别、电力系统分析等课程的教学案例或科研实验平台;③目标是提高电能质量扰动分类的准确性与效率,为后续的电能治理与设备保护提供决策依据。; 阅读建议:建议读者结合Matlab代码深入理解DWT的实现过程与特征提取步骤,重点注小波基选择、分解层数设定及特征向量构造对分类性能的影响,并尝试对比不同机器学习模型的分类效果,以全面掌握该方法的核心技术要点。
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