华为机试_HJ99 自守数【简单】

本文介绍了一种算法,用于找出指定范围内所有自守数的数量。自守数是一种特殊的自然数,其平方的尾数等于自身。文章通过具体实例解释了自守数的概念,并提供了一段C语言代码实现。

目录

描述

输入描述:

输出描述:

解题过程

提交代码


描述

自守数是指一个数的平方的尾数等于该数自身的自然数。例如:25^2 = 625,76^2 = 5776,9376^2 = 87909376。请求出n(包括n)以内的自守数的个数

数据范围: 1≤n≤10000 

输入描述:

int型整数

输出描述:

n以内自守数的数量。

解题过程

略。注意的点是,一定要读懂题!

提交代码

#include <stdio.h>

int main() {
    int a=10,n,num,i,j,count=0;
    while (scanf("%d", &n) != EOF) {
        for(i=0;i<=n;i++)
        {
        num=i*i;
        for(j=1;j<=6;j++)//判断位数
        {
            if(i/a==0)break;
            else a*=10;
        }
            if(i==(num%a))
            count++;
        }      
        printf("%d",count);
    }
    return 0;
}

【轴承故障诊断】加权多尺度字典学习模型(WMSDL)及其在轴承故障诊断上的应用(Matlab代码实现)内容概要:本文介绍了加权多尺度字典学习模型(WMSDL)在轴承故障诊断中的应用,并提供了基于Matlab的代码实现。该模型结合多尺度分析与字典学习技术,能够有效提取轴承振动信号中的故障特征,提升故障识别精度。文档重点阐述了WMSDL模型的理论基础、算法流程及其在实际故障诊断中的实施步骤,展示了其相较于传统方法在特征表达能力和诊断准确性方面的优势。同时,文中还提及该资源属于一个涵盖多个科研方向的技术合集,包括智能优化算法、器学习、信号处理、电力系统等多个领域的Matlab仿真案例。; 适合人群:具备一定信号处理和器学习基础,从事械故障诊断、工业自动化、智能制造等相关领域的研究生、科研人员及工程技术人员。; 使用场景及目标:①学习并掌握加权多尺度字典学习模型的基本原理与实现方法;②将其应用于旋转械的轴承故障特征提取与智能诊断;③结合实际工程据复现算法,提升故障诊断系统的准确性和鲁棒性。; 阅读建议:建议读者结合提供的Matlab代码进行实践操作,重点关注字典学习的训练过程与多尺度分解的实现细节,同时可参考文中提到的其他相关技术(如VMD、CNN、BILSTM等)进行对比实验与算法优化。
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