数组做函数推演

#include "stdlib.h"
#include "string.h"
#include "stdio.h"




//int a[10]  -=-->int a[] ---->int *a
//数组做函数形参的时候,如果在形参中定义int a[10]语句,
//c/c++编译器 会做优化,技术推演如下
//int a[10]  -=-->int a[] ---->int *a
//总结:函数调用的时候,把数组首地址和有效数据长度传给被调用函数才是最正确的做法


//在函数调用哪个的时候 实参的值机械的传给形参(c int数组场景)
//关于形参:
/*
写在函数上形参变量,还是写在函数里面的变量,
从CC++编译的角度来讲,是没有任何区别的(分配4字节内存);
只不过是 写在函数上形参变量 ,具有对外的属性而已
*/


//当数组当做函数参数的话的时候会退化为指针 


int printfArray01(int a[10], int num)
{

int i = 0;
printf("排序之前\n ");
for (i=0; i<10; i++)
{
printf("%d ", a[i]);
}
return 0;
}


int printfArray02(int a[], int num)
{


int i = 0;
printf("排序之前\n ");
for (i=0; i<num; i++)
{
printf("%d ", a[i]);
}
return 0;


}


int printfArray03(int *a, int num)
{
int i = 0;
printf("排序之前\n ");
for (i=0; i<num; i++)
{
printf("%d ", a[i]);
}
return 0;


}




int sortArray(int a[])
{
int i = 0, j = 0;
int tmp;
for (i=0; i<10; i++) //外层循环
{
for (j=i+1; j<10; j++) //内层循环
{
if (a[i] > a[j])
{
tmp = a[i];
a[i] = a[j];
a[j] = tmp;
}
}
}
return 0;
}
void main()
{
/*
//定义数组 打印数组 数组排序
int i = 0, j = 0;
int num2;
int a[10] = {1,3,4,5,65,76,7,34,4,32};
int tmp;


num2 = sizeof(a)/sizeof(*a);
printf("num2:%d \n", num2);
printf("排序之前\n ");


printfArray02(a);
sortArray(a);

printf("排序之后\n ");
printfArray(a);


printf("hello.....\n");
system("pause");
*/
}

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 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(需要遍历计算与所有电影的相似度)。 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