第十二周项目1—图基本算法库

 copyright (c) 2016,烟台大学计算机学院 
 All rights reserved. 
 文件名称:1.cpp 
 作者:孟令康
 完成日期:2016年9月12日 
 版本号:v1.0 
 问题描述:定义图的邻接矩阵和邻接表存储结构,实现其基本运算,并完成测试。    
     要求:   
          1、头文件graph.h中定义相关的数据结构并声明用于完成基本运算的函数。对应基本运算的函数包括:   
          void ArrayToMat(int *Arr, int n, MGraph &g); //用普通数组构造图的邻接矩阵  
          void ArrayToList(int *Arr, int n, ALGraph *&); //用普通数组构造图的邻接表  
          void MatToList(MGraph g,ALGraph *&G);//将邻接矩阵g转换成邻接表G  
          void ListToMat(ALGraph *G,MGraph &g);//将邻接表G转换成邻接矩阵g  
          void DispMat(MGraph g);//输出邻接矩阵g  
          void DispAdj(ALGraph *G);//输出邻接表G      
          2、在graph.cpp中实现这些函数  
          3、用main.cpp中的main函数中完成测试。     
 输入描述: 无   
 程序输出: 测试数据    

 代码

main.cpp:

#include <stdio.h>
#include "graph.h"    
int main()    
{    
    MGraph g1,g2;    
    ALGraph *G1,*G2;    
    int A[6][6]=    
    {    
        {0,5,0,7,0,0},    
        {0,0,4,0,0,0},    
        {8,0,0,0,0,9},    
        {0,0,5,0,0,6},    
        {0,0,0,5,0,0},    
        {3,0,0,0,1,0}    
    };    
     ArrayToMat(A[0], 6, g1);  //取二维数组的起始地址作实参,用A[0],因其实质为一维数组地址,与形参匹配    
    printf(" 有向图g1的邻接矩阵:\n");    
    DispMat(g1);    
    ArrayToList(A[0], 6, G1);    
    printf(" 有向图G1的邻接表:\n");    
    DispAdj(G1);    
    MatToList(g1,G2);    
    printf(" 图g1的邻接矩阵转换成邻接表G2:\n");    
    DispAdj(G2);    
    ListToMat(G1,g2);    
    printf(" 图G1的邻接表转换成邻接邻阵g2:\n");    
    DispMat(g2);    
    printf("\n");    
    return 0;    
}  

graph.h:

#ifndef GRAPH_H_INCLUDED    
#define GRAPH_H_INCLUDED    
#include <stdio.h>    
#include <malloc.h>    
#define MAXV 100                //最大顶点个数    
#define INF 32767       //INF表示∞    
typedef int InfoType;    
  
//以下定义邻接矩阵类型    
typedef struct    
{    
    int no;                     //顶点编号    
    InfoType info;              //顶点其他信息,在此存放带权图权值    
} VertexType;                   //顶点类型    
typedef struct                  //图的定义    
{    
    int edges[MAXV][MAXV];      //邻接矩阵    
    int n,e;                    //顶点数,弧数    
    VertexType vexs[MAXV];      //存放顶点信息    
} MGraph;                       //图的邻接矩阵类型    
//以下定义邻接表类型    
typedef struct ANode            //弧的结点结构类型    
{    
    int adjvex;                 //该弧的终点位置    
    struct ANode *nextarc;      //指向下一条弧的指针    
    InfoType info;              //该弧的相关信息,这里用于存放权值    
} ArcNode;    
typedef int Vertex;    
typedef struct Vnode            //邻接表头结点的类型    
{    
    Vertex data;                //顶点信息    
    int count;                  //存放顶点入度,只在拓扑排序中用    
    ArcNode *firstarc;          //指向第一条弧    
} VNode;    
typedef VNode AdjList[MAXV];    //AdjList是邻接表类型    
typedef struct    
{    
    AdjList adjlist;            //邻接表    
    int n,e;                    //图中顶点数n和边数e    
} ALGraph;                      //图的邻接表类型    
//功能:由一个反映图中顶点邻接关系的二维数组,构造出用邻接矩阵存储的图    
//参数:Arr - 数组名,由于形式参数为二维数组时必须给出每行的元素个数,在此将参数Arr声明为一维数组名(指向int的指针)    
//      n - 矩阵的阶数    
//      g - 要构造出来的邻接矩阵数据结构    
void ArrayToMat(int *Arr, int n, MGraph &g); //用普通数组构造图的邻接矩阵    
void ArrayToList(int *Arr, int n, ALGraph *&); //用普通数组构造图的邻接表    
void MatToList(MGraph g,ALGraph *&G);//将邻接矩阵g转换成邻接表G    
void ListToMat(ALGraph *G,MGraph &g);//将邻接表G转换成邻接矩阵g    
void DispMat(MGraph g);//输出邻接矩阵g    
void DispAdj(ALGraph *G);//输出邻接表G    
#endif // GRAPH_H_INCLUDED  

graph.cpp:

#include <stdio.h>
#include "graph.h"    
//功能:由一个反映图中顶点邻接关系的二维数组,构造出用邻接矩阵存储的图    
//参数:Arr - 数组名,由于形式参数为二维数组时必须给出每行的元素个数,在此将参数Arr声明为一维数组名(指向int的指针)    
//      n - 矩阵的阶数    
//      g - 要构造出来的邻接矩阵数据结构    
void ArrayToMat(int *Arr, int n, MGraph &g)    
{    
    int i,j,count=0;  //count用于统计边数,即矩阵中非0元素个数    
    g.n=n;    
    for (i=0; i<g.n; i++)    
        for (j=0; j<g.n; j++)    
        {    
            g.edges[i][j]=Arr[i*n+j]; //将Arr看作n×n的二维数组,Arr[i*n+j]即是Arr[i][j],计算存储位置的功夫在此应用    
            if(g.edges[i][j]!=0)    
                count++;    
        }    
    g.e=count;    
}    
  
void ArrayToList(int *Arr, int n, ALGraph *&G)    
{    
    int i,j,count=0;  //count用于统计边数,即矩阵中非0元素个数    
    ArcNode *p;    
    G=(ALGraph *)malloc(sizeof(ALGraph));    
    G->n=n;    
    for (i=0; i<n; i++)                 //给邻接表中所有头节点的指针域置初值    
        G->adjlist[i].firstarc=NULL;    
    for (i=0; i<n; i++)                 //检查邻接矩阵中每个元素    
        for (j=n-1; j>=0; j--)    
            if (Arr[i*n+j]!=0)      //存在一条边,将Arr看作n×n的二维数组,Arr[i*n+j]即是Arr[i][j]    
            {    
                p=(ArcNode *)malloc(sizeof(ArcNode));   //创建一个节点*p    
                p->adjvex=j;    
                p->info=Arr[i*n+j];    
                p->nextarc=G->adjlist[i].firstarc;      //采用头插法插入*p    
                G->adjlist[i].firstarc=p;    
            }    
    G->e=count;    
}    
  
void MatToList(MGraph g, ALGraph *&G)    
//将邻接矩阵g转换成邻接表G    
{    
    int i,j;    
    ArcNode *p;    
    G=(ALGraph *)malloc(sizeof(ALGraph));    
    for (i=0; i<g.n; i++)                   //给邻接表中所有头节点的指针域置初值    
        G->adjlist[i].firstarc=NULL;    
    for (i=0; i<g.n; i++)                   //检查邻接矩阵中每个元素    
        for (j=g.n-1; j>=0; j--)    
            if (g.edges[i][j]!=0)       //存在一条边    
            {    
                p=(ArcNode *)malloc(sizeof(ArcNode));   //创建一个节点*p    
                p->adjvex=j;    
                p->info=g.edges[i][j];    
                p->nextarc=G->adjlist[i].firstarc;      //采用头插法插入*p    
                G->adjlist[i].firstarc=p;    
            }    
    G->n=g.n;    
    G->e=g.e;    
}    
  
void ListToMat(ALGraph *G,MGraph &g)    
//将邻接表G转换成邻接矩阵g    
{    
    int i,j;    
    ArcNode *p;    
    for (i=0; i<g.n; i++)   //先初始化邻接矩阵    
        for (j=0; j<g.n; j++)    
            g.edges[i][j]=0;    
    for (i=0; i<G->n; i++)  //根据邻接表,为邻接矩阵赋值    
    {    
        p=G->adjlist[i].firstarc;    
        while (p!=NULL)    
        {    
            g.edges[i][p->adjvex]=p->info;    
            p=p->nextarc;    
        }    
    }    
    g.n=G->n;    
    g.e=G->e;    
}    
  
  
  
  
void DispMat(MGraph g)    
//输出邻接矩阵g    
{    
    int i,j;    
    for (i=0; i<g.n; i++)    
    {    
        for (j=0; j<g.n; j++)    
            if (g.edges[i][j]==INF)    
                printf("%3s","∞");    
            else    
                printf("%3d",g.edges[i][j]);    
        printf("\n");    
    }    
}    
  
  
  
  
void DispAdj(ALGraph *G)    
//输出邻接表G    
{    
    int i;    
    ArcNode *p;    
    for (i=0; i<G->n; i++)    
    {    
        p=G->adjlist[i].firstarc;    
        printf("%3d: ",i);    
        while (p!=NULL)    
        {    
            printf("-->%d/%d ",p->adjvex,p->info);    
            p=p->nextarc;    
        }    
        printf("\n");    
    }    
}  
运行结果:


知识点总结:

       图基本算法库。

学习心得:

       图算法库在生活中非常实用。

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断像中的目标属于哪个类别。 定位问题:确定目标在像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断像中的目标属于哪个类别。 定位问题:确定目标在像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
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