堆与堆排序

原文链接:http://blog.youkuaiyun.com/morewindows/article/details/6709644

void MinHeapFixup1(int *a,int i){
    int j;
    int temp;

    j = (i - 1) / 2;
    temp = a[i];

    while(j >= 0 && i != 0){
        if(a[j] < a[i])
            break;

        a[i] = a[j];
        i = j;
        j = (i - 1) / 2;
    }
    a[i] = a[j];
}
void MinHeapFixup(int *a,int i){
    for(int j = (i - 1) / 2; j >= 0 && i != 0 && a[j] > a[i];i = j,j = (i - 1) / 2)
    swap(a[i],a[j]);
}
void MinHeapAddNum(int *a,int n,int num){
    a[n] = num;
    MinHeapFixup(a,n);
}
void MinHeapFixdown(int *a,int i,int n){
    int j = 2 * i + 1;
    int temp = a[i];

    while(j < n){
        if(j + 1 < n && a[j + 1] < a[j])
            j++;
        if(a[j] > temp)
            break;

        a[j] = temp;
        i = j;
        j = 2 * i + 1;
    }
        a[i] = temp;
}
void MinHeapFixdown2(int *a,int i,int n){
    for(int j = 2 * i + 1; j < n && i < n;i = j,j = 2 * i + 1){
        if(j + 1 < n && a[j + 1] < a[j])
            j++;

        if(a[j] > a[i])
            break;
        swap(a[j],a[i]); 
    }
}
void MinHeapDelNum(int *a,int n){
    swap(a[0],a[n - 1]);
    MinHeapFixdown(a,0,n - 1);
}
void MakeMinHeap(int *a,int n){
    for(int i = n / 2 - 1;i >= 0;i--)
        MinHeapFixdown(a,i,n);
}
void MinHeapSortToDes(int *a,int n){
    MakeMinHeap(a,n);

    for(i = n - 1;i >= 0;i--){
        swap(a[0],a[i]);
        MinHeapFixdown(a,0,i);
    }
}
基于html+python+Apriori 算法、SVD(奇异值分解)的电影推荐算法+源码+项目文档+算法解析+数据集,适合毕业设计、课程设计、项目开发。项目源码已经过严格测试,可以放心参考并在此基础上延申使用,详情见md文档 电影推荐算法:Apriori 算法、SVD(奇异值分解)推荐算法 电影、用户可视化 电影、用户管理 数据统计 SVD 推荐 根据电影打分进行推荐 使用 svd 模型计算用户对未评分的电影打分,返回前 n 个打分最高的电影作为推荐结果 n = 30 for now 使用相似电影进行推荐 根据用户最喜欢的前 K 部电影,分别计算这 K 部电影的相似电影 n 部,返回 K*n 部电影进行推荐 K = 10 and n = 5 for now 根据相似用户进行推荐 获取相似用户 K 个,分别取这 K 个用户的最喜爱电影 n 部,返回 K*n 部电影进行推荐 K = 10 and n = 5 for now Redis 使用 Redis 做页面访问次数统计 缓存相似电影 在使用相似电影推荐的方式时,每次请求大概需要 6.6s(需要遍历计算所有电影的相似度)。 将相似电影存储至 redis 中(仅存储 movie_id,拿到 movie_id 后还是从 mysql 中获取电影详细信息), 时间缩短至:93ms。 十部电影,每部存 top 5 similar movie 登录了 1-6 user并使用了推荐系统,redis 中新增了 50 部电影的 similar movie,也就是说,系统只为 6 为用户计算了共 60 部电影的相似度,其中就有10 部重复电影。 热点电影重复度还是比较高的
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