STL 容器 priority_queue(优先队列)

priority_queue

在优先队列中,优先级高的元素先出队列。
标准库默认使用元素类型的<操作符来确定它们之间的优先级关系。
优先队列的第一种用法,也是最常用的用法:

priority_queue < int >  qi;

通过<操作符可知在整数中元素大的优先级高。
故示例1中输出结果为:9 6 5 3 2

第二种方法:
在示例1中,如果我们要把元素从小到大输出怎么办呢?
这时我们可以传入一个比较函数,使用functional.h函数对象作为比较函数。

priority_queue < int , vector < int > , greater < int >   > qi2;

其中
第二个参数为容器类型。
第二个参数为比较函数。
故示例2中输出结果为:2 3 5 6 9

第三种方法:
自定义优先级。

struct node
{
    
friend  bool operator <  (node n1, node n2)
    {
        
return  n1.priority  <  n2.priority;
    }
    
int  priority;
    
int  value;
};

也可写成这样
   struct node
{

    
int  priority;
    
int  value;
};
    bool operator<(node n1,node n2)
   {
        return n1.priority<n2.priority;
   }

在该结构中,value为值,priority为优先级。
通过自定义operator<操作符来比较元素中的优先级。
在示例3中输出结果为:
优先级  值
9          5
8          2
6          1
2          3
1          4
但如果结构定义如下:

struct node
{
    
friend  bool operator >  (node n1, node n2)
    {
        
return  n1.priority  >  n2.priority;
    }
    
int  priority;
    
int  value;
};

则会编译不过(G++编译器)
因为标准库默认使用元素类型的<操作符来确定它们之间的优先级关系。
而且自定义类型的<操作符与>操作符并无直接联系,故会编译不过。

//代码清单

 

#include < iostream >
#include
< functional >
#include
< queue >
using 
namespace  std;
struct node
{
    
friend  bool operator <  (node n1, node n2)
    {
        
return  n1.priority  <  n2.priority;
    }
    
int  priority;
    
int  value;
};
int  main()
{
    
const   int   len   =   5 ;
    
int  i;
    
int  a[ len =  { 3 , 5 , 9 , 6 , 2 };
    
// 示例1
    priority_queue
< int >  qi;
    
for (i  =   0 ; i  <   len ; i ++ )
        qi.push(a[i]);
    
for (i  =   0 ; i  <   len ; i ++ )
    {
        cout
<< qi.top() << "   " ;
        qi.pop();
    }
    cout
<< endl;
    
// 示例2
    priority_queue
< int , vector < int > , greater < int >   > qi2;
    
for (i  =   0 ; i  <   len ; i ++ )
        qi2.push(a[i]);
    
for (i  =   0 ; i  <   len ; i ++ )
    {
        cout
<< qi2.top() << "   " ;
        qi2.pop();
    }
    cout
<< endl;
    
// 示例3
    priority_queue
< node >  qn;
    node b[
len ];
    b[
0 ].priority  =   6 ; b[ 0 ].value  =   1
    b[
1 ].priority  =   9 ; b[ 1 ].value  =   5
    b[
2 ].priority  =   2 ; b[ 2 ].value  =   3
    b[
3 ].priority  =   8 ; b[ 3 ].value  =   2
    b[
4 ].priority  =   1 ; b[ 4 ].value  =   4

    
for (i  =   0 ; i  <   len ; i ++ )
        qn.push(b[i]);
    cout
<< " 优先级 " << ' /t'<<"值"<<endl;
     for (i  =   0 ; i  <   len ; i ++ )
    {
        cout
<< qn.top().priority << ' /t'<<qn.top().value<<endl;
        qn.pop();
    }
    
return   0 ;
}

  • 0
    点赞
  • 2
    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