【算法】计算数字k在0到n中的出现的次数,k可能是0~9的一个值

思路:

遍历每一个数,同时每一个数都遍历每一位,遍历每一位的方法是不断地整除10,直到整除为0。

#include <stdio.h>

int digitCounts(int k, int n) 
{
	int sum=0;
	for(int i=0;i<=n;i++)
	{
		int num=i;
		while(num/10!=0)
		{
			if(num%10==k)
			{
				sum++;
			}
		num=num/10;
		}
		if(num==k)
		sum++;
	}
	return sum;
}

void main()
{
	int k,n;
	printf("计算数字k在0到n中的出现的次数,k可能是0~9的一个值:");
	scanf("%d %d",&k,&n);
	printf("数字k在0到n中的出现的次数为%d次!\n",digitCounts(k,n));
}

 

 

 

  • 1
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
首先,需要明确k-means算法的基本原理,它是一种聚类算法,可将n个数据对象分成k个簇。其,每个样本被划分到距离最近的簇,簇心是所有样本的均。在MNIST手写数字图像分类器,需要将图像分成10个簇,每个簇对应一种数字。所以,需要完成以下步骤: 1. 首先,需要将手写数字的图像转换成一维向量,作为k-means算法的输入。这可以通过将图像像素展平并归一化,以便统一处理。 2. 然后,需要选择k个初始簇心。可以随机选取k个样本作为初始心,或者使用更复杂的初始化方法。 3. 接下来,需要计算每个样本与每个簇心的距离,并将样本划分到距离最近的簇。 4. 计算每个簇的心,即每个簇所有样本的均。 5. 重复步骤3和4,直到簇心不再变化或达到最大迭代次数。 6. 最后,将每个样本分配到最终的簇,即可将图像分类为对应的数字。 在实现过程,需要注意以下几点: 1. 要选择合适的距离度量方法,达到较好的分类效果。 2. 要设置合理的迭代次数和初始心点数量,避免算法陷入局部最优解。 3. 可以使用sklearn库的KMeans函数实现k-means算法,也可以自己编写代码实现。 4. 评价分类器的性能时,可以使用准确率和混淆矩阵等指标。 5. 可以尝试使用其他聚类算法或机器学习算法来实现MNIST手写数字图像分类器,以获得更好的分类效果。
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