[随笔]笔记本

这篇博客涵盖了编程基础知识,如ASCII值转换、条件语句switch、数据存储单位、位操作和编码。还讨论了字符串函数如strcpy、清空、长度获取。此外,介绍了STL中的向量、栈、队列和堆的使用。最后提到了一些优化技巧,如 cin 和 cout 的同步关闭,并提供了浮点数比较和四舍五入的方法。

前言

博主随便写写,当个笔记本

ASC||值

A(65)+32=a(97)(大小写字母的相互转化)

switch

switch()
case(…)
case(…)

default(其他情况)

存储单位

1024B=1KB MB GB TB PB

8b(bit)=1B

原码 补码 反码

0取反是-1
1取反是-2
2取反是-3
3取反是-4
4取反是-5
5取反是-6
6取反是-7

因为 补码= 反码 +1
6的反码是-7 ,
-7+1 = -6
正好是6 的补码。
这是补码数(有符号数)编码设计造成的
一对相反数,互为补码,其和 =0

反码和原码的每位的01正好相反。
所以其和为全1

补码数中
正数和0 的编码为原码
负数为补码

**字符串的一些应用

strcpy(s1,s2) 将s1的值复制给s2

s1.clear()将s1清空

s1.size()指s1的长度

STL

不定数组

vector<int> a;
a.push_back(b);//输入b
a.size();//a数组的大小

satck<int> a;
a.top();//顶端值
a.empty();//是否为空
a.pop();//退出
a.push(b);//读入b
a.size();//a的大小

队列

queue<int> q;
q.front()//队列中最下端的值
priority_queue<int> q//优先队列
depue<int> q;//双端队列
a.push_front(b);
a.push_back(b);
a.pop_front();
a.pop_back();

priority_queue<int> //大根堆(虽然和上面优先队列一毛一样)
priority_queue<int ,vector<int>,greater<int> >q;//小根堆

优化(玄学)

ios::sync_with_stdio(false)
cin.tie(NULL);cout.tie(NULL);
取消cin,cout的后效性,使cin.cout的复杂度几乎与scanf,printf相同。

for(register int i=1;i<=n;i++)
register会使for循环更快一点点

杂七杂八

二维前缀和

sum[i][j]=sum[i-1][j]+sum[i][j-1]-sum[i-1][j-1]+a[i][j];

判断两个浮点数是否相同

fabs(x-y)<1e-10;

四舍五入函数

round();

打开某一网页

#include<windows.h>
system("start www.baidu.com");

baidu打钱

待补充…

本课题设计了一种利用Matlab平台开发的植物叶片健康状态识别方案,重点融合了色彩与纹理双重特征以实现对叶片病害的自动化判别。该系统构建了直观的图形操作界面,便于用户提交叶片影像并快速获得分析结论。Matlab作为具备高效数值计算与数据处理能力的工具,在图像分析与模式分类领域应用广泛,本项目正是借助其功能解决农业病害监测的实际问题。 在色彩特征分析方面,叶片影像的颜色分布常与其生理状态密切相关。通常,健康的叶片呈现绿色,而出现黄化、褐变等异常色彩往往指示病害或虫害的发生。Matlab提供了一系列图像处理函数,例如可通过色彩空间转换与直方图统计来量化颜色属性。通过计算各颜色通道的统计参数(如均值、标准差及主成分等),能够提取具有判别力的色彩特征,从而为不同病害类别的区分提供依据。 纹理特征则用于描述叶片表面的微观结构与形态变化,如病斑、皱缩或裂纹等。Matlab中的灰度共生矩阵计算函数可用于提取对比度、均匀性、相关性等纹理指标。此外,局部二值模式与Gabor滤波等方法也能从多尺度刻画纹理细节,进一步增强病害识别的鲁棒性。 系统的人机交互界面基于Matlab的图形用户界面开发环境实现。用户可通过该界面上传待检图像,系统将自动执行图像预处理、特征抽取与分类判断。采用的分类模型包括支持向量机、决策树等机器学习方法,通过对已标注样本的训练,模型能够依据新图像的特征向量预测其所属的病害类别。 此类课题设计有助于深化对Matlab编程、图像处理技术与模式识别原理的理解。通过完整实现从特征提取到分类决策的流程,学生能够将理论知识与实际应用相结合,提升解决复杂工程问题的能力。总体而言,该叶片病害检测系统涵盖了图像分析、特征融合、分类算法及界面开发等多个技术环节,为学习与掌握基于Matlab的智能检测技术提供了综合性实践案例。 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
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