二叉搜索树(BST)demo

本文介绍了一个二叉搜索树(BST)的C++实现,包括插入、查找、删除节点等核心操作,并提供了详细的代码示例。
#include <iostream>

using namespace std;

class Node {
public:
	Node(int key_):left(NULL),right(NULL),key(key_){}
	Node* left;
	Node* right;
	int key;
};

class BST {
public:
	BST() : root(NULL) {}

	~BST() {
		clear(root);
	}

	void clear(Node* node) {
		if (node == NULL) return;
		clear(node->left);
		clear(node->right);
		delete node;
	}

	Node* searchNode(int key) {
		Node* result = root;
		while(result != NULL) {
			if (result->key == key) return result;
			result = key < result->key ? result->left : result->right;
		}
		return result;
	}

	Node* minSubNode(Node* node) {
		Node* result = node;
		while(result->left != NULL) result = result->left;
		return result;
	}

	void insertNode(Node*& node, Node* new_node) {
		if (node == NULL) node = new_node;
		else if (new_node->key < node->key) insertNode(node->left, new_node);
		else insertNode(node->right, new_node);
	}

	void insertKey(int key) {
		Node* new_node = new Node(key);
		insertNode(root, new_node);
	}

	Node* parNode(Node* child_node) {
		if (child_node == root) return NULL;
		Node* result = root;
		while (result->left != child_node && result->right != child_node)  
			result =  child_node->key < result->key ? result->left : result->right;
		return result;
	}

	void sliceNode(Node* slice_node) {
		Node* par = parNode(slice_node);
		Node* slice_child_node = slice_node->left != NULL ? slice_node->left : slice_node->right;
		if (par == NULL) {
			root = slice_child_node;
		} else {
			if (par->left == slice_node) par->left = slice_child_node;
			else par->right = slice_child_node;
		}
	}

	void deleteNode(Node* del_node) {
		if (del_node->left == NULL || del_node->right == NULL) {
			sliceNode(del_node);
			delete del_node;
		} else {
			Node* suc_node = minSubNode(del_node->left);
			sliceNode(suc_node);
			del_node->key = suc_node->key;
			delete suc_node;
		}
	}

	bool deleteKey(int key) {
		Node* del_node = searchNode(key);
		if (del_node == NULL) return false;
		deleteNode(del_node);
		return true;
	}

private:
	Node* root;
};


 

【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、闪变等常见扰动的关键信息;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
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