A1137.Final Grading

题意

输入考生的ID,G_P,G_M,G_F;按照一定的要求筛选出不符合要求的学生,并对符合要求的考生信息进行排序。

思路分析

因为输入考生的G_P,G_M,G_F是分块进行的,所以可以开一个map<string,record> mp存储考生id到结构体record的映射。输入完学生id后,使用mp.find(id)可以找到对应id的value。注意不要使用mp[id],遍历时使用迭代器auto it:mp,并且最后要将所有符合要求的mpvalue存储到vector<record> ve中。最后再对ve进行sort排序,cmp函数如下:

bool cmp(const record &a,const record &b) {
    if(a.G != b.G) return a.G > b.G;
    else return a.id < b.id;
}

参考代码

// online programming >= 200分,final_grade大于等于60才会被被排名
// 期中考试大于期末考试则G=表达式。否则G=期中考试 
// 按照最终成绩的从大到小排序,相同则按照ID字典序排序。

#include <bits/stdc++.h>
using namespace std;
const int max = 1e4+10;
struct record{
    string id;
    int G_P,G_M,G_F,G;
}temp;
map<string,record> mp;
vector<record> ve;

bool cmp(const record &a,const record &b) {
    if(a.G != b.G) return a.G > b.G;
    else return a.id < b.id;
}

int main(void){
    int p,m,n;
    cin>>p>>m>>n;
    for(int i = 0;i < p;i++) {      //输入编程成绩 
        cin>>temp.id>>temp.G_P;     
        temp.G_M = temp.G_F = -1;
        if(temp.G_P >= 200) {           //G_P成绩不小于200 
            mp[temp.id] = temp;
        }
    }
    
    for(int i = 0;i < m;i++) {          //输入期中成绩 
        cin>>temp.id>>temp.G_M;
        if(mp.find(temp.id)!=mp.end()) {
            mp[temp.id].G_M = temp.G_M;
        }
    }
    
    for(int i = 0;i < n;i++) {
        cin>>temp.id>>temp.G_F;
        if(mp.find(temp.id) != mp.end()) {
            mp[temp.id].G_F = temp.G_F;
        }
    }
    
    for(auto it:mp) {   
        if(it.second.G_M >= it.second.G_F) it.second.G = round(it.second.G_M * 0.4 + it.second.G_F * 0.6) + 0.5;            //final_grade四舍五入 
        else it.second.G = it.second.G_F;
        if(it.second.G >= 60)           //find_grade要求大于等于60 
            ve.push_back(it.second);
    }
    
    sort(ve.begin(),ve.end(),cmp);
    for(int i = 0;i < ve.size();i++) {
        cout<<ve[i].id<<" ";
        printf("%d %d %d %d\n",ve[i].G_P,ve[i].G_M,ve[i].G_F,ve[i].G);
    }
    return 0;
} 

转载于:https://www.cnblogs.com/Western-Trail/p/10350454.html

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
图像识别技术在病虫害检测中的应用是一个快速发展的领域,它结合了计算机视觉和机器学习算法来自动识别和分类植物上的病虫害。以下是这一技术的一些关键步骤和组成部分: 1. **数据收集**:首先需要收集大量的植物图像数据,这些数据包括健康植物的图像以及受不同病虫害影响的植物图像。 2. **图像预处理**:对收集到的图像进行处理,以提高后续分析的准确性。这可能包括调整亮度、对比度、去噪、裁剪、缩放等。 3. **特征提取**:从图像中提取有助于识别病虫害的特征。这些特征可能包括颜色、纹理、形状、边缘等。 4. **模型训练**:使用机器学习算法(如支持向量机、随机森林、卷积神经网络等)来训练模型。训练过程中,算法会学习如何根据提取的特征来识别不同的病虫害。 5. **模型验证和测试**:在独立的测试集上验证模型的性能,以确保其准确性和泛化能力。 6. **部署和应用**:将训练好的模型部署到实际的病虫害检测系统中,可以是移动应用、网页服务或集成到智能农业设备中。 7. **实时监测**:在实际应用中,系统可以实时接收植物图像,并快速给出病虫害的检测结果。 8. **持续学习**:随着时间的推移,系统可以不断学习新的病虫害样本,以提高其识别能力。 9. **用户界面**:为了方便用户使用,通常会有一个用户友好的界面,显示检测结果,并提供进一步的指导或建议。 这项技术的优势在于它可以快速、准确地识别出病虫害,甚至在早期阶段就能发现问题,从而及时采取措施。此外,它还可以减少对化学农药的依赖,支持可持续农业发展。随着技术的不断进步,图像识别在病虫害检测中的应用将越来越广泛。
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