PAT-B 1015. 德才论(同PAT 1062. Talent and Virtue)

本文介绍了一种使用C++实现的人员分类算法,通过输入人员的ID、美德和才能值,将人员分为圣人、君子、愚人和小人四类,并按照特定规则进行排序。代码中详细展示了如何定义人员结构体,自定义比较运算符,以及如何根据美德和才能的总和、美德值和ID进行排序。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

1. 在排序的过程中,注意边界的处理(小于、小于等于)

2. 对于B-level,这题是比較麻烦一些了。


源代码:

#include <cstdio>
#include <vector>
#include <algorithm>

using namespace std;

struct People
{
	int m_id;
	int m_virtue;
	int m_talent;
	People(int id, int virtue, int talent): m_id(id), m_virtue(virtue), m_talent(talent) {}
	void print()
	{
		printf("%08d %d %d\n", m_id, m_virtue, m_talent);
	}
	friend bool operator< (const People& a, const People& b)
	{
		if (a.m_virtue+a.m_talent != b.m_virtue+b.m_talent)
		{
			return a.m_virtue+a.m_talent > b.m_virtue+b.m_talent;
		} else if (a.m_virtue != b.m_virtue)
		{
			return a.m_virtue > b.m_virtue;
		} else 
		{
			return a.m_id < b.m_id;
		}
	}
};

vector<People> sage, noble_man, fool_man, small_man;
int n, l, h;
int id, virtue, talent;

int main()
{
	scanf("%d%d%d", &n, &l, &h);
	for (int i = 0; i < n; ++ i)
	{
		scanf("%d%d%d", &id, &virtue, &talent);
		if (virtue < l || talent < l)
		{
			continue;
		} else if (virtue >= h && talent >= h)
		{
			sage.push_back( People(id, virtue, talent) );
		} else if (virtue  >= h)
		{
			noble_man.push_back( People(id, virtue, talent) );
		} else if (virtue >= talent)
		{
			fool_man.push_back( People(id, virtue, talent) );
		} else
		{
			small_man.push_back( People(id, virtue, talent) );
		}
	}
	
	sort(sage.begin(), sage.end());
	sort(noble_man.begin(), noble_man.end());
	sort(fool_man.begin(), fool_man.end());
	sort(small_man.begin(), small_man.end());

	printf("%d\n", sage.size() + noble_man.size() + fool_man.size() + small_man.size());
	for (size_t i = 0; i < sage.size(); ++ i)
	{
		sage[i].print();
	}
	for (size_t i = 0; i < noble_man.size(); ++ i)
	{
		noble_man[i].print();
	}
	for (size_t i = 0; i < fool_man.size(); ++ i)
	{
		fool_man[i].print();
	}
	for (size_t i = 0; i < small_man.size(); ++ i)
	{
		small_man[i].print();
	}

	return 0;
}


转载于:https://www.cnblogs.com/ldxsuanfa/p/10678854.html

内容概要:该论文聚焦于T2WI核磁共振图像超分辨率问题,提出了一种利用T1WI模态作为辅助信息的跨模态解决方案。其主要贡献包括:提出基于高频信息约束的网络框架,通过主干特征提取分支和高频结构先验建模分支结合Transformer模块和注意力机制有效重建高频细节;设计渐进式特征匹配融合框架,采用多阶段相似特征匹配算法提高匹配鲁棒性;引入模型量化技术降低推理资源需求。实验结果表明,该方法不仅提高了超分辨率性能,还保持了图像质量。 适合人群:从事医学图像处理、计算机视觉领域的研究人员和工程师,尤其是对核磁共振图像超分辨率感兴趣的学者和技术开发者。 使用场景及目标:①适用于需要提升T2WI核磁共振图像分辨率的应用场景;②目标是通过跨模态信息融合提高图像质量,解决传统单模态方法难以克服的高频细节丢失问题;③为临床诊断提供更高质量的影像资料,帮助医生更准确地识别病灶。 其他说明:论文不仅提供了详细的网络架构设计与实现代码,还深入探讨了跨模态噪声的本质、高频信息约束的实现方式以及渐进式特征匹配的具体过程。此外,作者还对模型进行了量化处理,使得该方法可以在资源受限环境下高效运行。阅读时应重点关注论文中提到的技术创新点及其背后的原理,理解如何通过跨模态信息融合提升图像重建效果。
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