数据结构之单链表的C实现

#include<stdio.h>
#include<malloc.h>
#include<stdlib.h>

typedef struct List
{
    int data;           //数据域
    struct List *next;  //指针域
}List,*ListType;        //定义链表的结点结构

void IniteList(ListType &l);        //初始化操作
void InsertList(ListType &l,int e); //插入单个元素
void TraverseList(ListType &l);     //遍历单链表
void DeleteList(ListType &l,int i);  //删除单链表中第i个位置的元素

int main()
{
    ListType head;
    IniteList(head);
    InsertList(head,2);
    TraverseList(head);
    return 0;
}

void IniteList(ListType &l)
{
    l = (ListType)malloc(sizeof(List));
    if(!l)
    {
        printf("Over flow\n");
        exit(1);
    }
    l->next = NULL;
}

void InsertList(ListType &l,int e)
{
    ListType tail = l;
    ListType p;
    while(tail->next != NULL)
        tail = tail->next;
    p->data = e;
    p->next = tail->next;
    tail->next = p;
}

void TraverseList(ListType &l)
{
    ListType List = l;
    while(List->next)
    {
        printf("%-3d",List->next->data);
        List = List->next;
    }
    printf("\n");
}

void DeleteList(ListType &l,int i)
{
    ListType d = l;
   if(i <= 0)
       return ;
   i --;
   while(i > 0)
   {
       i --;
       d = d->next;
       if(d->next == NULL)
       {//超出单链表的范围
           return;
       }
   }
   ListType p = d->next;//将要删除的结点赋值给指针p
   d->next = p->next;   //修改删除结点的前驱的指针域即可单链表元素的删除
   free(p);             //释放存储空间
}
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