poj1265皮克定理

给出每次所走的距离dx,dy; 求多边形内部点的个数、边上点的个数、面积.

#include<iostream>
#include<cmath>
#include<iomanip>
using namespace std;
struct point
{
   int x,y;
};
int gcd(int m,int n)
{
	if(n==0) return m;
	return gcd(n,m%n);
}

int bian(point A,point B)//算出点A和点B组成的线段上的点
{
	return gcd(abs(A.x-B.x),abs(A.y-B.y));	
}

int f(point a[],int n)//求n边形的面积
{
	int i,ans=0;
	a[n]=a[0];
	for(i=0;i<n;i++)
	ans+=(a[i].x*a[i+1].y-a[i].y*a[i+1].x);
	if(ans<0) ans=-ans;
	return ans;
}


int main()
{  int s,ans,t,n,i,j=0;
   point a[105];
   cin>>t;
   while(j<t)
   { cin>>n;
     for(i=0;i<n;i++)
      {cin>>a[i].x>>a[i].y;
       if(i>0) {a[i].x+=a[i-1].x; a[i].y+=a[i-1].y;}
      }
      for(s=i=0;i<n;i++)
      { if(i==n-1) s+=bian(a[i],a[0]);
      else
      	s+=bian(a[i],a[i+1]);
      }
  	    
  	    ans=f(a,n);
  	    cout<<"Scenario #"<<++j<<":"<<endl<<(ans-s)/2+1<<" "<<s<<" "<<fixed<<setprecision(1)<<ans/2.0<<endl<<endl;
   }
	return 0;
}


【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:本文研究了一种基于机器习(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、闪变等常见扰动的关键信息;随后结合机器习分类器(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关专业的研究生、科研人员及从事电能质量监测与分析的工程技术人员;具备一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,重点关注小波基选择、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
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