【数据结构】-宏观认识

  宏观认识数据结构的内容,有一个整体的理解,才能让知识之间产生联系,联系织成网,对知识的理解也会更加深刻。宏观的认识就像是进入陌生领域的地图,有了它学习更有目标,效率也就越高。


  在计算机中解决问题的步骤:




  下图是数据结构的重点内容



1.概念

  数据结构是计算机组织数据和存储数据的方式。数据结构一组相互之间存在一种或多种特定关系的数据的组织方式和他们在计算机内的存储方式,以及定义在该组数据上的一组操作。


2.术语

  


  宏观上看,它们反映了数据组织的三个层次,数据可由若干个数据元素组成,数据元素可由若干数据项组成

  

3.组成

  数据结构是相互之间存在一种或者多种特定关系的数据元素的集合,包括数据的逻辑结构,数据的存储结构和数据的基本运算


逻辑结构

  集合:集合中任意节点之间没有邻接关系,组织形式松散。
  线性结构:节点按逻辑关系依次排列形成一条“链",结点之间一个一个依次相邻接。
  树形结构:具有分支,层次特性,形式像自然界中的树,上层的结点可以和下层多个结点相邻接,但下层结点只能和上层的一个结点相邻接。
  图结构:任何两个结点都可以相邻接


存储结构

  数据的逻辑结构在计算机中的实现为数据存储结构,包括以下两个部分。

  1.存储数据元素

  2.数据元素之间的关联方式

  数据元素之间的关联方式包括:

     顺序存储方式:所有的存储结点存储在一个连续的存储区里,利用结点在存储器中的相对位置来表示数据之间的逻辑关系。

     链式存储方式:每个存储结点除了含有一个数据元素外,还包括指针,每个指针指向一个与本结点有逻辑关系的结点,用指针表示数据元素之间的逻辑关系

     索引存储方式

     散列存储方式


运算

  某种逻辑结构上施加的操作。对逻辑结构的加工。包括:建立,查找,读取,插入和删除等


4.算法

  一个算法规定了求解给定问题所需的处理步骤及其执行顺序,使得给定问题能在有限时间内被求解。

评价算法好坏的因素:

  正确性:能够正确的实现预定的功能,满足具体问题的需要
  易读性:易于阅读,理解和交流,便于调试,修改和扩充
  健壮性:使用非法数据,能适当的做出反应或处理,不会产生预料不到的运算结果。
  时空性:一个算法的时空性是指该算法的时间性能(时间效率)--->算法包含的计算量

                          空间性能(空间效率)--->算法需要的存储量


5.总结

  数据结构是计算机组织数据和存储数据的方式,合理的数据结构可以降低程序设计的复杂度,提高程序执行的效率。数据结构主要内容是思维导图中展示的项,然后是针对逻辑结构和对它的运算以及数据结构进行详细阐述。


  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 28
    评论
### 回答1: HighD数据集是一个用于研究高速公路车辆行驶行为的数据集,包含了从德国高速公路收集的大量车辆行驶轨迹以及相关的车辆信息数据。对于这个数据集的宏观分析可以从如下几个方面展开: 一、数据规模 HighD数据集相对较大,包含了超过70万个车辆轨迹以及大量的车辆信息和路况数据,其中每一条车辆轨迹都包括了300秒的记录,每个时间间隔为0.1秒,这意味着数据的总体积应该超过70GB。 二、车辆行驶速度分布 通过对HighD数据集进行分析可以得知,在德国高速公路上的车辆行驶速度分布大致呈现出双峰分布的特征,其中在80km/h和130km/h附近存在两个速度的峰值,这也说明了德国高速公路上存在着不同的车辆类型,对应着不同的速度水平。 三、车辆行驶特征 由于HighD数据集提供了车辆的GPS和传感器数据,因此可以通过对数据的分析得知不同的车辆行驶特征,如加速度、制动情况、车辆间距等,这些数据不仅可以用于研究车辆行驶安全性,也可以为自动驾驶技术的研发提供帮助。 四、路段拥堵情况 HighD数据集中包含了大量的路况信息数据,包括了交通拥堵程度、车速等情况,有助于分析某些路段存在的拥堵情况,并为道路规划和交通管理提供参考。 综上所述,HighD数据集对于车辆行驶行为的研究以及自动驾驶技术的研发都有很大的帮助,通过对数据集的分析可以得到丰富的车辆行驶特征和路况信息。 ### 回答2: HighD数据集是一个基于机动车辆高速公路行车行为的大规模视频数据集,包含了超过40,000个视频片段,每个视频片段持续时间为30秒,以及与之对应的交通状态注释。这个数据集是为了促进机器视觉、计算机视觉和自动驾驶等领域的研究而构建的,它提供了一个用于训练和评估的平台,以在这些领域中解决现实世界中复杂的问题。 在宏观分析方面,HighD数据集突出体现了以下几个特点:一是其数据量大规模,涵盖了包括车速、车道偏移、交通流密度等多方面的交通状态注释,具有很高的真实性和代表性。二是其视频片段覆盖了不同的天气、道路和交通条件,从而提高了数据集的多样性。三是数据集还提供了足够的场景、视角及车辆数量变化等多维度的信息,有助于实现更深入的交通行为分析和预测。四是数据集精细的标注使得它能够支持高级别的计算机视觉任务,如路面检测、车辆追踪、交通流量预测等。 总之,HighD数据集是一个非常强大的高速公路交通数据集,为研究者提供了一个全面、有效、丰富多彩的工具,能够有效加速AI领域在自动驾驶和交通行为分析等领域的研究和应用。 ### 回答3: HighD数据集是一个高速公路驾驶行为数据集,由德国联邦公路研究所(BASt)和德国联邦公路研究院(DLR)联合收集并提供。该数据集采集了高速公路驾驶员的车载传感器数据、录像监控数据及定位数据等信息,利用高精度地图进行数据标注,并通过机器学习等技术进行数据分析和处理,为智能驾驶等交通领域的研究和应用提供了实用准确的数据基础。 在HighD数据集的宏观分析中,可以发现这个数据集的主要特点是数据量大、数据类型丰富、数据质量高。数据集中包含了多种类型的数据,如传感器数据、录像监控数据和定位数据等,总共约有60万组数据,包含了约12.4万公里的高速公路驾驶行为数据。这些数据可用于对高速公路行驶状态的研究和分析。 此外,HighD数据集的数据质量非常高,其采集的数据经过多重处理和标注,可以满足研究者对数据特征和行为分析的需求。同时,在数据标注方面,HighD数据集采用了高精度的地图,可为研究者提供更准确、更完整和更有参考价值的数据分析结果。 总体而言,HighD数据集的宏观分析结果表明,这是一组非常有价值的高速公路驾驶行为数据。它的数据量大、数据质量高,并且提供了多种类型的数据,为研究者提供了非常有参考价值的数据基础。令人期待的是,这个数据集将在交通领域的智能驾驶和其他研究工作中发挥越来越重要的作用。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 28
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