选择排序与冒泡排序 笔记

1.选择排序
以升序为例:
若不说进行比较的具体过程,用选择排序就是先确定数组中最小的数放在数组的第一个位置,再确定第二小的放在数组的第二个位置,再确定第三小的放在数组的第三个位置…以此类推。
先用数组的第一个数据a[0]分别与数组中的其他数据a[i]进行比较,若a[0]>a[i],就把a[0]的值赋给a[i],a[i]的值赋给a[0],这样便利数组比较完成后,最小的数值就放在了数组的第一个位置a[0]中了。
然后再用a[1]与数组中其他数进行比较(比较a[1]后面的数,不在比较a[0],因为已经确定a[0]为数组中的最小的了),若a[1]>a[i],就把a[1]的值赋给a[i],a[i]的值赋给a[1],比较完成后数组第二小的数就放在数组的第二个位置a[1]中了。
以此类推,用a[3],a[4],…a[n-2]与它们之后的数进行比较,排序就完成了。

简单样例:

#include<stdio.h>
#include<stdlib.h>
int main()
{
    int a[5];
    int i,j;
    printf("输入:");
    for(i=0;i<5;i++)
    {
        scanf("%d",&a[i]);
    }
    for(i=0;i<5-1;i++)
    {
        for(j=i+1;j<5;j++)
        {
            if(a[i]>a[j])//交换值
            {
                int k;
                k=a[i];
                a[i]=a[j];
                a[j]=k;
            }
        }
    }
    for(i=0;i<5;i++)
    {
        printf("%d ",a[i]);
    }
    printf("\n");
}

在这里插入图片描述

2.冒泡排序
冒泡排序的原理是:从左到右,相邻两个元素进行比较,把较小的(或较大的)元素后移,每遍历数组比较一轮,就会找到序列中最大的一个或最小的一个(看你是升序还是降序排列)。这个数就会从序列的最右边冒出来。
以从小到大排序为例,第一轮比较后,所有数中最大的(或最小的)那个数就会浮到最右边;第二轮比较后,所有数中第二大的那个数就会浮到倒数第二个位置……就这样一轮一轮地比较,最后实现从小到大排序。
简单样例(以升序为例):

#include<stdio.h>
#include<stdlib.h>
int main()
{
    int i,j;
    int n;
    int a[50];
    printf("数组元素个数:");
    scanf("%d",&n);
    printf("输入元素:");
    for(i=0;i<n;i++)
    {
        scanf("%d",&a[i]);
    }
    for(i=0;i<n-1;i++)//冒泡排序
    {
        for(j=0;j<n-i-1;j++)
        {
            if(a[j]>a[j+1])
            { 
                int k;
                k=a[j];
                a[j]=a[j+1];
                a[j+1]=k;
            }
        }
    }
    printf("结果:");
    for(i=0;i<n;i++)
    {
        printf("%d ",a[i]);
    }
    printf("\n");
    return 0;
}

在这里插入图片描述

内容概要:本文介绍了MATLAB实现DBN-RBF深度置信网络结合RBF神经网络多输入单输出回归预测的详细项目实例。项目旨在通过深度置信网络(DBN)和径向基函数神经网络(RBF)的结合,设计出一种高效的回归预测模型,以应对高维数据和非线性关系的挑战。DBN用于无监督特征提取,RBF用于快速回归,两者结合显著提升了预测精度和模型泛化能力。文中详细描述了项目的背景、目标、挑战、解决方案、模型架构、代码实现、GUI设计、性能评估及未来改进方向。 适合人群:具备一定编程基础,对机器学习和深度学习有一定了解的研发人员,尤其是从事金融预测、医疗健康、智能制造等领域的工程师和技术人员。 使用场景及目标:①解决高维数据的特征提取难题,提升非线性回归的拟合精度;②通过无监督学习与快速训练能力的结合,提高模型的预测精度和泛化能力;③应用于金融预测、医疗健康、智能制造等多个领域,提供高效的回归预测工具;④通过实时数据流处理和GPU加速推理,确保系统在实时应用中的快速响应。 其他说明:此项目不仅提供了详细的理论分析和代码实现,还涵盖了系统架构设计、模型部署与应用、安全性与用户隐私保护等方面的全面指导。通过结合其他深度学习模型、多任务学习、增量学习等技术,项目具备广阔的扩展性和应用前景。系统还支持自动化CI/CD管道、API服务与业务集成、前端展示与结果导出等功能,确保了系统的高可用性和易用性。
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

打赏作者

月半清风.

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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