算法训练 关联矩阵(C/C++)

问题描述
  有一个n个结点m条边的有向图,请输出他的关联矩阵。
输入格式
  第一行两个整数n、m,表示图中结点和边的数目。n<=100,m<=1000。
  接下来m行,每行两个整数a、b,表示图中有(a,b)边。
  注意图中可能含有重边,但不会有自环。
输出格式
  输出该图的关联矩阵,注意请勿改变边和结点的顺序。
样例输入
5 9
1 2
3 1
1 5
2 5
2 3
2 3
3 2
4 3
5 4
样例输出
1 -1 1 0 0 0 0 0 0
-1 0 0 1 1 1 -1 0 0
0 1 0 0 -1 -1 1 -1 0
0 0 0 0 0 0 0 1 -1
0 0 -1 -1 0 0 0 0 1

思路:
关联矩阵,emmm线代忘光了,赶紧百度。
在这里插入图片描述
所以,只要知道点和边有没有关联就好了。每一次输入,就是从1开始编号的边,输入的值就是边的起点和终点,定义一个二维数组,一维是点,二维就是边,在输入的同时就记录下点与边的关系,然后数组输出就OK了。

#include 
  • 1
    点赞
  • 6
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
语言实现 卡尔曼滤波是一种递归滤波算法,用于估计一个系统的状态,其基本思想是将系统的状态看作一个随机过程,通过测量值和状态预测值之间的误差来更新状态预测值,从而得到更加准确的状态估计值。 雷达卡尔曼滤波算法的实现步骤如下: 1.初始化状态向量和协方差矩阵 2.进行状态预测 3.计算卡尔曼增益 4.进行状态更新 C/C++语言实现: 首先定义状态向量和协方差矩阵: typedef struct { float x; //状态向量 float y; float vx; float vy; }StateType; typedef struct { float q1; //状态噪声协方差 float q2; float q3; float q4; }StateNoiseType; typedef struct { float r1; //测量噪声协方差 float r2; }MeasurementNoiseType; typedef struct { StateType state; //状态向量 StateNoiseType stateNoise; //状态噪声协方差 MeasurementNoiseType measureNoise; //测量噪声协方差 float p[4][4]; //协方差矩阵 }KalmanType; 然后进行状态预测: void predict(KalmanType *kalman) { kalman->state.x += kalman->state.vx; kalman->state.y += kalman->state.vy; kalman->p[0][0] += kalman->stateNoise.q1; kalman->p[1][1] += kalman->stateNoise.q2; kalman->p[2][2] += kalman->stateNoise.q3; kalman->p[3][3] += kalman->stateNoise.q4; } 计算卡尔曼增益: void calculateGain(KalmanType *kalman, float z1, float z2) { float k1 = kalman->p[0][0] / (kalman->p[0][0] + kalman->measureNoise.r1); float k2 = kalman->p[1][1] / (kalman->p[1][1] + kalman->measureNoise.r2); kalman->state.x += k1 * (z1 - kalman->state.x); kalman->state.y += k2 * (z2 - kalman->state.y); kalman->p[0][0] *= (1 - k1); kalman->p[0][1] *= (1 - k1); kalman->p[1][0] *= (1 - k2); kalman->p[1][1] *= (1 - k2); } 最后进行状态更新: void update(KalmanType *kalman, float z1, float z2) { calculateGain(kalman, z1, z2); predict(kalman); } 以上就是雷达卡尔曼滤波算法的C/C++语言实现过程。

“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 1
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