poj:487-3279

一道中文 ,一道英文一共交了52次,太搞了,哈哈。

# include<stdio.h>
#include <stdlib.h>
#include<cmath>
int id1[100000];
int cmp ( const void *a , const void *b )
{
    return *(int *)a - *(int *)b;
}
int Exchange(char *p)
{
   int Case=0;
   int exchange[]={2,2,2,3,3,3,4,4,4,5,5,5,6,6,6,7,7,7,7,8,8,8,9,9,9};
   for(int i=0;*(p+i)!='\0';i++)
      if(*(p+i)>='A'&&*(p+i)<='Y') Case=exchange[(*(p+i)-'A')]+Case*10;
      else if((*(p+i)>='0'&&*(p+i)<='9')) Case=(*(p+i)-'0')+Case*10;
   return Case;
}
int main()
{

    char a[100];
    int n,i,j=-1,e,f,d;
	scanf("%d",&n);
    for (i=0;i<n;i++){
     scanf("%s",a);
     id1[i]=Exchange(&a[0]);
    }
    qsort(id1,n,sizeof(id1[0]),cmp);
	for(i=0;i<n-1;i++)       {
	   if(id1[i]==id1[i+1])  {
	      for(j=i;j<n;j++)
	        if(id1[i]!=id1[j]) break;
	   printf("%03d-%04d %d\n",id1[i]/10000,id1[i]%10000,j-i);
	   i=j-1;
	   }
	}
	if(j==-1) printf("No duplicates.\n");
}
l.自己写的快排超时,用库函数OK。

2.输出格式不规范,按数字数缺0补齐。

3.系统比较数字比字符快。

下面是自己写的快排:

那位有兴趣可以帮忙看下究竟怎么回事,先谢谢了。

# include<stdio.h>
#include <stdlib.h>
#include<cmath>
int id1[100000];
void Quicksort(int llow,int hhigh)
{
    if(llow>=hhigh) return ;
    int low=llow,high=hhigh;
    int id3=id1[low],id2;
    while(low<high) {
        while(low<high&&id1[high]>=id3) high--;
        if(id1[high]<id3) {
        id2=id1[high];
        id1[high]=id3;
        id1[low]=id2;
        }
        while(low<high&&id1[low]<=id3) low++;
        if(id1[low]>id3) {
        id2=id1[low];
        id1[low]=id3;
        id1[high]=id2;
        }
    }
    Quicksort(llow,high-1);
    Quicksort(low+1,hhigh);
}
int Exchange(char *p)
{
   int Case=0;
   int exchange[]={2,2,2,3,3,3,4,4,4,5,5,5,6,6,6,7,7,7,7,8,8,8,9,9,9};
   for(int i=0;*(p+i)!='\0';i++)
      if(*(p+i)>='A'&&*(p+i)<='Y') Case=exchange[(*(p+i)-'A')]+Case*10;
      else if((*(p+i)>='0'&&*(p+i)<='9')) Case=(*(p+i)-'0')+Case*10;
   return Case;
}
int main()
{

    char a[100];
    int n,i,j=-1,e,f,d;
	scanf("%d",&n);
    for (i=0;i<n;i++) scanf("%s",a),id1[i]=Exchange(&a[0]);

    Quicksort(0,n-1);
	for(i=0;i<n-1;i++)       {
	   if(id1[i]==id1[i+1])  {
	      for(j=i;j<n;j++)
	        if(id1[i]!=id1[j]) break;
	   printf("%03d-%04d %d\n",id1[i]/10000,id1[i]%10000,j-i);
	   i=j-1;
	   }
	}
	if(j==-1) printf("No duplicates.\n");
}

本项目构建于RASA开源架构之上,旨在实现一个具备多模态交互能力的智能对话系统。该系统的核心模块涵盖自然语言理解、语音转文本处理以及动态对话流程控制三个主要方面。 在自然语言理解层面,研究重点集中于增强连续对话中的用户目标判定效能,并运用深度神经网络技术提升关键信息提取的精确度。目标判定旨在解析用户话语背后的真实需求,从而生成恰当的反馈;信息提取则专注于从语音输入中析出具有特定意义的要素,例如个体名称、空间位置或时间节点等具体参数。深度神经网络的应用显著优化了这些功能的实现效果,相比经典算法,其能够解析更为复杂的语言结构,展现出更优的识别精度与更强的适应性。通过分层特征学习机制,这类模型可深入捕捉语言数据中隐含的语义关联。 语音转文本处理模块承担将音频信号转化为结构化文本的关键任务。该技术的持续演进大幅提高了人机语音交互的自然度与流畅性,使语音界面日益成为高效便捷的沟通渠道。 动态对话流程控制系统负责维持交互过程的连贯性与逻辑性,包括话轮转换、上下文关联维护以及基于情境的决策生成。该系统需具备处理各类非常规输入的能力,例如用户使用非规范表达或对系统指引产生歧义的情况。 本系统适用于多种实际应用场景,如客户服务支持、个性化事务协助及智能教学辅导等。通过准确识别用户需求并提供对应信息或操作响应,系统能够创造连贯顺畅的交互体验。借助深度学习的自适应特性,系统还可持续优化语言模式理解能力,逐步完善对新兴表达方式与用户偏好的适应机制。 在技术实施方面,RASA框架为系统开发提供了基础支撑。该框架专为构建对话式人工智能应用而设计,支持多语言环境并拥有活跃的技术社区。利用其内置工具集,开发者可高效实现复杂的对话逻辑设计与部署流程。 配套资料可能包含补充学习文档、实例分析报告或实践指导手册,有助于使用者深入掌握系统原理与应用方法。技术文档则详细说明了系统的安装步骤、参数配置及操作流程,确保用户能够顺利完成系统集成工作。项目主体代码及说明文件均存放于指定目录中,构成完整的解决方案体系。 总体而言,本项目整合了自然语言理解、语音信号处理与深度学习技术,致力于打造能够进行复杂对话管理、精准需求解析与高效信息提取的智能语音交互平台。 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
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