C.0402

本文包含三个实用的C语言编程实例:猜数字游戏,数组中查找特定数字的折半搜索算法,以及密码验证功能实现。此外,还提供了一个字符大小写转换的程序,展示了基本的输入输出操作和条件判断。

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

1、猜数字游戏。
#define _CRT_SECURE_NO_WARNINGS
#include <stdio.h>
#include <stdlib.h>
#include <time.h>

int main()
{
int a, n;
n = rand() % 100 + 1;
do{
printf(“输入你猜的数字:”);
scanf("%d", &a);
if (a < n)
printf(“低了\n”);
else if (a>n)
printf(“高了\n”);
} while (a != n);
printf(“猜对了\n”);
system(“pause”);
return 0;
}
2、在整型有序数组中查找想要的数字,找到了返回下标,找不到返回 - 1.(折半查找)
#include <stdio.h>
#include <stdlib.h>

int halfFindArgs(int a[], int n, int f)
{
int left = 0, right = n - 1;
int mid;
while (left <= right)
{
mid = (left + right) / 2;
if (a[mid] < f)
{
left = mid + 1;
}
else if (a[mid] > f)
{
right = mid - 1;
}
else
{
return mid;
}
}
return -1;
}

int main()
{
int a[10] = { 1, 3, 5, 6, 8, 10, 11, 14, 17, 20 };
printf("%d\n", halfFindArgs(a, 10, 11));
system(“pause”);
return 0;
}
3、密码输入。
#define _CRT_SECURE_NO_WARNINGS
#include <stdio.h>
#include <stdlib.h>
#include <string.h>

int pwdJudge(char pwd[])
{
char input[21] = { 0 };
int i;
for (i = 0; i < 2; i++)
{
scanf("%s", input);
if (0 == strcmp(input, pwd))
{
return 1;
}
printf(“请重新输入\n”);
}
if (i = 3)
{
scanf("%s", input);
if (0 == strcmp(input, pwd))
{
return 1;
}
}
return 0;
}

int main()
{
char pwd[21] = “love”;

if (pwdJudge(pwd))
{
	printf("输入成功\n");
}
else
{
	printf("输入失败\n");
}
system("pause");
return 0;

}
4、小写字母转大写字母。
#include <stdio.h>
#include <ctype.h>
#define isBigLetter(ch) (ch <= ‘Z’ && ch >= ‘A’)

int isSmallLetter(char ch)
{
return ch <= ‘z’ && ch >= ‘a’;
}

int main()
{
char ch;
while (1)
{
ch = getchar();
if (ch == ’ ')
{
break;
}
if (isSmallLetter(ch))
{
putchar(ch - 32);
}
else if (isBigLetter(ch))
{
putchar(ch + 32);
}
else if (isalnum(ch))
{
//printf(“您输入的是数字\n”);
}
else
{
putchar(ch);
}
}
system(“pause”);
return 0;
}

内容概要:本文针对国内加密货币市场预测研究较少的现状,采用BP神经网络构建了CCi30指数预测模型。研究选取2018年3月1日至2019年3月26日共391天的数据作为样本,通过“试凑法”确定最优隐结点数目,建立三层BP神经网络模型对CCi30指数收盘价进行预测。论文详细介绍了数据预处理、模型构建、训练及评估过程,包括数据归一化、特征工程、模型架构设计(如输入层、隐藏层、输出层)、模型编译与训练、模型评估(如RMSE、MAE计算)以及结果可视化。研究表明,该模型在短期内能较准确地预测指数变化趋势。此外,文章还讨论了隐层节点数的优化方法及其对预测性能的影响,并提出了若干改进建议,如引入更多技术指标、优化模型架构、尝试其他时序模型等。 适合人群:对加密货币市场预测感兴趣的研究人员、投资者及具备一定编程基础的数据分析师。 使用场景及目标:①为加密货币市场投资者提供一种新的预测工具和方法;②帮助研究人员理解BP神经网络在时间序列预测中的应用;③为后续研究提供改进方向,如数据增强、模型优化、特征工程等。 其他说明:尽管该模型在短期内表现出良好的预测性能,但仍存在一定局限性,如样本量较小、未考虑外部因素影响等。因此,在实际应用中需谨慎对待模型预测结果,并结合其他分析工具共同决策。
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