输出水仙花数、菱形图案

1、输出0~999中的水仙花数

/*在数论中,水仙花数(Narcissistic number)也称为自恋数、自幂数、阿姆斯壮数或阿姆斯特朗数(Armstrong number),是指一N位数,其各个数之N次方和等于该数。 例如153、370、371及407就是三位数的水仙花数,其各个数之立方和等于该数: 153 = 1^3 + 5^3 + 3^3。 370 = 3^3 + 7^3 + 0^3。 371 = 3^3 + 7^3 + 1^3。 407 = 4^3 + 0^3 + 7^3。*/

#include<stdio.h>
#include<windows.h>
#include<math.h>
int main()
{
	int i, a, b, c, a1;
	for (i = 0; i <= 999; i++)
	{
		for (i = 0; i <= 9; i++)//一位数,则是一次方
		{
			printf("%d\n", i);
		}
		for (i = 10; i <= 99; i++)//二位数,则是二次方
		{
			if (pow((i / 10), 2) + pow((i % 10), 2) == i)
			{
				printf("%d\n", i);
			}
		}
		for (i = 100; i <= 999; i++)//三位数,则是三次方
		{
			a1 = i % 100;//取个位和十位
			a = i / 100;//取百位
			b = a1 / 10;//取十位
			c = a1 % 10;//取个位
			if (pow(a, 3) + pow(b, 3) + pow(c, 3) == i)
			{
				printf("%d\n", i);
			}
		}
	}
	system("pause");
	return 0;
}

2、输出菱形图案

#include<stdio.h>
#include<windows.h>
int main()
{
	int i, j, k;
	for (i = 1; i <= 13; i += 2)//输出图案前七行*的个数分别为1、3、5、7、9、11、13
	{
		for (j = (13 - i) / 2; j >= 1; j--)//输出前七行空格
		{
			printf(" ");
		}
		for (k = 1; k <= i; k++)//输入每行的*
		{
			printf("*");
		}
		printf("\n");
	}
	for (i = 11; i >= 1; i -= 2)//后六行*的个数分别为11、9、7、5、3、1
	{
		for (j = (13 - i) / 2; j >= 1; j--)//先输出后六行空格
		{
			printf(" ");
		}
		for (k = i; k >= 1; k--)//输出后六行的*
		{
			printf("*");
		}
		printf("\n");
	}
	system("pause");
	return 0;
}



  • 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,其主要任务是找出图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,即定位出图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:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 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,将输入图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,通过卷积层提取图像特征,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