关于双向循环链表基本操作

简单写了一下,留作纪念,欢迎指错----->

#include<stdio.h>
#include<stdlib.h>
typedef struct _node
{
    int val;
    struct _node *next;
    struct _node *prev;
}Node;
typedef struct _list
{
    Node *head;
    Node *tail;
    Node *sign_next;
    Node *sign_prev;
}List;
void Creat_list(List *list)
{
    int len=4;
    for(int i=0;i<len;++i) {
        Node *p = (Node *) malloc(sizeof(Node));
        p->val = i;
        if (!i) {
            list->head = p;
            list->tail = list->head;
            list->tail->next = list->tail->prev = list->tail;
        } else {
            list->tail->next = p;
            list->tail->next->prev = list->tail;
            list->tail = p;
        }
    }
    list->tail->next=list->head;
    }
void Printf_list(List*list)
{
    Node *p=list->tail;
    while(1)
    {
        printf("%d",p->val);
        if(p==list->head)
            break;
        p=p->prev;
    }
}
int Check_list(List*list)
{
    int n;
    printf("please input n");
    scanf("%d",&n);
    Node *p=list->tail;
    int count=0;
    while(1)
    {
           count++;
        if(n==count)
        {
                list->sign_prev=p;
                list->sign_next=p->next;
                break;
        }
        p=p->prev;
    }
    return n;
}
void Input_list(List*list)
{
    printf("Input list");
    int n=Check_list(list);
    Node *p=(Node*)malloc(sizeof(Node));
        p->val=9;
        p->next = list->sign_next;
        p->prev = list->sign_prev;
        list->sign_prev->next = p;
        list->sign_next->prev = p;
    if(n==1)
        list->tail=p;
    }
void Delete_list(List*list)
{
    printf("Delete list");
    int n=Check_list(list);
    Node *q=list->sign_prev->prev;
    q->next=list->sign_next;
    list->sign_next->prev=q;
    if(n==1)
        list->tail=list->sign_prev->prev;
    free(list->sign_prev);
}
void Printf_list_back(List *list)
{
    Node *p=list->head;
    while(1)
    {
        printf("%d",p->val);
        if(p==list->tail)
            break;
        p=p->next;
    }
}
void Free_list(List*list)
{
    Node *p=list->head;
    Node *q=NULL;
    while(1)
    {
        if(p==list->tail)
            break;
        q=p->next;
        free(p);
        p=q;


    }
}
int main(void)
{
    List list;
    list.head=list.tail=list.sign_next=list.sign_prev=NULL;
    Creat_list(&list);
    Input_list(&list);
    Delete_list(&list);
    printf("Printf_back_order_list");
    Printf_list(&list);
    printf("\n");
    printf("Printf_normal_order_list");
    Printf_list_back(&list);
    Free_list(&list);
}

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
### 支持向量机非线性回归通用MATLAB程序解析 #### 一、概述 本文将详细介绍一个基于MATLAB的支持向量机(SVM)非线性回归的通用程序。该程序采用支持向量机方法来实现数据的非线性回归,并通过不同的核函数设置来适应不同类型的数据分布。此外,该程序还提供了数据预处理的方法,使得用户能够更加方便地应用此程序解决实际问题。 #### 二、核心功能与原理 ##### 1. 支持向量机(SVM) 支持向量机是一种监督学习模型,主要用于分类和回归分析。对于非线性回归任务,SVM通过引入核技巧(kernel trick)将原始低维空间中的非线性问题转换为高维空间中的线性问题,从而实现有效的非线性建模。 ##### 2. 核函数 核函数的选择直接影响到模型的性能。本程序内置了三种常用的核函数: - **线性核函数**:`K(x, y) = x'y` - **多项式核函数**:`K(x, y) = (x'y + 1)^d` - **径向基函数(RBF)**:`K(x, y) = exp(-γ|x - y|^2)` 其中RBF核函数被广泛应用于非线性问题中,因为它可以处理非常复杂的非线性关系。本程序默认使用的是RBF核函数,参数`D`用于控制高斯核函数的宽度。 ##### 3. 数据预处理 虽然程序本身没有直接涉及数据预处理的过程,但在实际应用中,对数据进行适当的预处理是非常重要的。常见的预处理步骤包括归一化、缺失值处理等。 ##### 4. 模型参数 - **Epsilon**: ε-insensitive loss function的ε值,控制回归带宽。 - **C**: 松弛变量的惩罚系数,控制模型复杂度与过拟合的风险之间的平衡。 #### 三、程序实现细节 ##### 1. 函数输入与输出 - **输入**: - `X`: 输入特征矩阵,维度为(n, l),其中n是特征数量,l是样本数量。 - `Y`: 目标值向量,长度为l。 - `Epsilon`: 回归带宽。 - `C`: 松弛变量的惩罚系数。 - `D`: RBF核函数的参数。 - **输出**: - `Alpha1`: 正的拉格朗日乘子向量。 - `Alpha2`: 负的拉格朗日乘子向量。 - `Alpha`: 拉格朗日乘子向量。 - `Flag`: 标记向量,表示每个样本的类型。 - `B`: 偏置项。 ##### 2. 核心代码解析 程序首先计算所有样本间的核矩阵`K`,然后构建二次规划问题并求解得到拉格朗日乘子向量。根据拉格朗日乘子的值确定支持向量,并计算偏置项`B`。 - **核矩阵计算**:采用RBF核函数,通过`exp(-(sum((xi-xj).^2)/D))`计算任意两个样本之间的相似度。 - **二次规划**:构建目标函数和约束条件,使用`quadprog`函数求解最小化问题。 - **支持向量识别**:根据拉格朗日乘子的大小判断每个样本是否为支持向量,并据此计算偏置项`B`。 #### 四、程序扩展与优化 - **多核函数支持**:可以通过增加更多的核函数选项,提高程序的灵活性。 - **自动调参**:实现参数自动选择的功能,例如通过交叉验证选择最优的`Epsilon`和`C`值。 - **并行计算**:利用MATLAB的并行计算工具箱加速计算过程,特别是当样本量很大时。 #### 五、应用场景 该程序适用于需要进行非线性回归预测的场景,如经济预测、天气预报等领域。通过调整核函数和参数,可以有效应对各种类型的非线性问题。 ### 总结 本程序提供了一个支持向量机非线性回归的完整实现框架,通过灵活的核函数设置和参数调整,能够有效地处理非线性问题。对于需要进行回归预测的应用场景,这是一个非常实用且强大的工具。
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