floyd—多源最短路

 

动态规划

dist [ I ] [ j ] 表示 I - j 的最小值

dist [ I ] [ j ] = dist [ I ] [ k ] + dist [ k ] [ j ] ;

k的每一次操作都会更新dist[i][j]的距离(经过k点)

因为每个经过的点都经过了更新,所以三次循环后的结果为最小的

#include<cstdio>
#include<iostream>
#include<cmath>
using namespace std;
const int N=210,INF=0x3f3f3f3f;
int n,m,k;
int d[N][N];
void floyd()
{
  for(int k =n;k>=1;k--)
    for(int i =1;i<=n;i++)
      for(int j=1;j<=n;j++){
      d[i][j]=min(d[i][k]+d[k][j],d[i][j]);
      // printf("d[%d][%d]=d[%d][%d]+d[%d][%d]   %d \n",i,j,i,k,k,j,k);
      }
}
int main()
{

  scanf("%d%d%d",&n,&m,&k);
  for(int i =1;i<=n;i++)
    for(int j =1;j<=n;j++)
    if(i==j) d[i][j]=0;
    else d[i][j]=INF;
  
  while(m--)
  {
      int x,y,z;
      scanf("%d%d%d",&x,&y,&z);
      d[x][y]=min(d[x][y],z);
  }
  floyd();
  while(k--)
  {
    int l,r;
    scanf("%d%d",&l,&r);
    if(d[l][r]>INF/2) printf("impossible\n");
    else printf("%d\n",d[l][r]);
  }
  return 0;
}

 

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