uva_10361_Automatic Poetry

water
#include <cstdio>
#include <cstring>
#include <algorithm>
using namespace std;

#define MAXN    5
#define MAXV    101

char str[MAXN][MAXV], second[MAXV];

void deal_first(void)
{
        gets(second);
        int idx(0), pos(0);
        for(int i = 0; '\0' != second[i]; i ++, pos ++) {
                if( '<' == second[i] || '>' == second[i] ) {
                        str[idx][pos] = '\0'; idx ++; pos = -1; continue;
                }
                str[idx][pos] = second[i];
        }
        str[idx][pos] = '\0';
}

void deal_second(void)
{
        gets(second); int pos;
        for(pos = 0; '.' != second[pos]; pos ++) {
                ;
        }
        second[pos] = '\0';
}

int main(int argc, char const *argv[])
{
#ifndef ONLINE_JUDGE
        freopen("test.in", "r", stdin);
#endif
        char v;
        int  n;
        while( ~scanf("%d", &n) ) { getchar();
                for( ; n; n --) {
                        deal_first(); deal_second();

                        //first output
                        for(int i = 0; i < MAXN; i ++) {
                                printf("%s", str[i]);
                        }
                        printf("\n");

                        //second output
                        printf("%s%s%s%s%s\n", second, str[3], str[2], str[1], str[4]);
                }
        }
        return 0;
}

内容概要:本文提出了一种基于融合鱼鹰算法和柯西变异的改进麻雀优化算法(OCSSA),用于优化变分模态分解(VMD)的参数,进而结合卷积神经网络(CNN)与双向长短期记忆网络(BiLSTM)构建OCSSA-VMD-CNN-BILSTM模型,实现对轴承故障的高【轴承故障诊断】基于融合鱼鹰和柯西变异的麻雀优化算法OCSSA-VMD-CNN-BILSTM轴承诊断研究【西储大学数据】(Matlab代码实现)精度诊断。研究采用西储大学公开的轴承故障数据集进行实验验证,通过优化VMD的模态数和惩罚因子,有效提升了信号分解的准确性与稳定性,随后利用CNN提取故障特征,BiLSTM捕捉时间序列的深层依赖关系,最终实现故障类型的智能识别。该方法在提升故障诊断精度与鲁棒性方面表现出优越性能。; 适合人群:具备一定信号处理、机器学习基础,从事机械故障诊断、智能运维、工业大数据分析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解决传统VMD参数依赖人工经验选取的问题,实现参数自适应优化;②提升复杂工况下滚动轴承早期故障的识别准确率;③为智能制造与预测性维护提供可靠的技术支持。; 阅读建议:建议读者结合Matlab代码实现过程,深入理解OCSSA优化机制、VMD信号分解流程以及CNN-BiLSTM网络架构的设计逻辑,重点关注参数优化与故障分类的联动关系,并可通过更换数据集进一步验证模型泛化能力。
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