leecode - Reverse Linked List

本文介绍两种链表逆序的方法:非递归和递归。非递归方式使用两个指针进行节点链接调整,递归方式则从链表尾部开始逐级调整链接。文章包含完整的C++代码实现及测试案例。

链表逆序 - Reverse Linked List

描述

Reverse a singly linked list. (链表逆序)

方法有两种

都不需要申请额外内存;
- 非递归方法:两个指针完成逆序;
- 递归方法:递归从尾到头完成逆序;

类方法代码,测试代码如下:
#include<iostream>
#include<stdlib.h>
#include<time.h>
using namespace std;

typedef struct LinkNode{
    int data;
    struct LinkNode *next;
}LinkNode;

/****** leecode 提交代码:非递归 *******/
class Solution {
public:
    LinkNode* reverseLinkList(LinkNode* head) {
        if (!head)
            return NULL;
        LinkNode *pre = head;
        LinkNode *cur = head->next;
        while(cur)
        {
            pre->next = cur->next;
            cur->next = head;
            head = cur;
            cur = pre->next;
        }
        return head;
    }
};
/*******************************/


/****** leecode 提交代码:递归(很有意思~) *******/
class SolutionRec{
public:
    LinkNode* reverseLinkList(LinkNode* head) {
        if (head==NULL || head->next==NULL)
            return head;
        LinkNode* newhead = reverseLinkList(head->next);
        head->next->next = head;
        head->next = NULL;

        return newhead;
    }
};
/*******************************/

/* 打印顺序链表 */
void PrintLinkList(LinkNode* L)
{
    LinkNode *s = L;
    while(s)
    {
        cout << s->data << " ";
        s = s->next;
    }
    cout << endl;;
}


/* 头插法:随机产生数据头插构建链表 */
LinkNode* CreateListHead(int n)
{
    int i;
    srand(time(0));
    LinkNode *L, *p;
    L = (LinkNode*)malloc(sizeof(LinkNode));
    L->data = 0;
    L->next = NULL;

    for(i=0; i<n; i++)
    {
        p = new LinkNode;
        p->data = rand()%100 + 1;
        p->next = L->next;
        L->next = p;
    }
    return L;
}

int main()
{
    LinkNode *L, *newL;

    L = CreateListHead(10);
    PrintLinkList(L);

    Solution s;
    newL = s.reverseLinkList(L);
    PrintLinkList(newL);

    SolutionRec sr;
    newL = sr.reverseLinkList(newL);
    PrintLinkList(newL);

    return 0;
}
基于TROPOMI高光谱遥感仪器获取的大气成分观测资料,本研究聚焦于大气污染物一氧化氮(NO₂)的空间分布与浓度定量反演问题。NO₂作为影响空气质量的关键指标,其精确监测对环境保护与大气科学研究具有显著价值。当前,利用卫星遥感数据结合先进算法实现NO₂浓度的高精度反演已成为该领域的重要研究方向。 本研究构建了一套以深度学习为核心的技术框架,整合了来自TROPOMI仪器的光谱辐射信息、观测几何参数以及辅助气象数据,形成多维度特征数据集。该数据集充分融合了不同来源的观测信息,为深入解析大气中NO₂的时空变化规律提供了数据基础,有助于提升反演模型的准确性与环境预测的可靠性。 在模型架构方面,项目设计了一种多分支神经网络,用于分别处理光谱特征与气象特征等多模态数据。各分支通过独立学习提取代表性特征,并在深层网络中进行特征融合,从而综合利用不同数据的互补信息,显著提高了NO₂浓度反演的整体精度。这种多源信息融合策略有效增强了模型对复杂大气环境的表征能力。 研究过程涵盖了系统的数据处理流程。前期预处理包括辐射定标、噪声抑制及数据标准化等步骤,以保障输入特征的质量与一致性;后期处理则涉及模型输出的物理量转换与结果验证,确保反演结果符合实际大气浓度范围,提升数据的实用价值。 此外,本研究进一步对不同功能区域(如城市建成区、工业带、郊区及自然背景区)的NO₂浓度分布进行了对比分析,揭示了人类活动与污染物空间格局的关联性。相关结论可为区域环境规划、污染管控政策的制定提供科学依据,助力大气环境治理与公共健康保护。 综上所述,本研究通过融合TROPOMI高光谱数据与多模态特征深度学习技术,发展了一套高效、准确的大气NO₂浓度遥感反演方法,不仅提升了卫星大气监测的技术水平,也为环境管理与决策支持提供了重要的技术工具。 资源来源于网络分享,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