PAT B1012 数字分类

1012 数字分类 (20 分)
给定一系列正整数,请按要求对数字进行分类,并输出以下 5 个数字:

A​1= 能被 5 整除的数字中所有偶数的和;
A2= 将被 5 除后余 1 的数字按给出顺序进行交错求和,即计算 n1−n​2+n
​3−n​4⋯;
A​3= 被 5 除后余 2 的数字的个数;
A​4= 被 5 除后余 3 的数字的平均数,精确到小数点后 1 位;
A​5= 被 5 除后余 4 的数字中最大数字。
输入格式:
每个输入包含 1 个测试用例。每个测试用例先给出一个不超过 1000 的正整数 N,随后给出 N 个不超过 1000 的待分类的正整数。数字间以空格分隔。

输出格式:
对给定的 N 个正整数,按题目要求计算 A​1~A5
​​ 并在一行中顺序输出。数字间以空格分隔,但行末不得有多余空格。

若其中某一类数字不存在,则在相应位置输出 N。

输入样例 1:
13 1 2 3 4 5 6 7 8 9 10 20 16 18
输出样例 1:
30 11 2 9.7 9
输入样例 2:
8 1 2 4 5 6 7 9 16
输出样例 2:
N 11 2 N 9

这题需要注意的地方是不能通过判断数是否为0而决定是否输出N,因为A2中如果有两个一样的数,那么A2=0,但是输出却不能为N

#include<stdio.h>
int main(){
  int x,n;
  int i=0,j=0;
  int temp;
  int sum_1=0,sum_2=0,sum_3=0,sum_5=0;
  float sum_4=0;
  int flag[5]={0};                            //用来标记某类数是否存在
  scanf("%d",&x);
  for(int k=0;k<x;k++){
    scanf("%d",&n);
    switch(n%5){                          //漫长的条件结构
      case 0:
      	if(n%2==0){
	    sum_1=sum_1+n;
	    flag[0]=1;
	}
	  break;
      case 1:
      	temp=1;
      	for(int k=0;k<i;k++){
      		temp=(-1)*temp;
      	}
        sum_2=sum_2+temp*n;
        i++;
        flag[1]=1;
      break;
      case 2:		
	    sum_3++;
	    flag[2]=1;
	  break;
      case 3:
        sum_4=(sum_4*j+n)/(j+1);
        j++;
        flag[3]=1;
      break;
      case 4:
        if(n>sum_5)
          sum_5=n;
        flag[4]=1;
      break;
    }
}
  if(flag[0]==1)                          //漫长的输出
    printf("%d",sum_1);
  else
    printf("N");
  if(flag[1]==1)
    printf(" %d",sum_2);
  else
    printf(" N");
  if(flag[2]==1)
    printf(" %d",sum_3);
  else
    printf(" N");
  if(flag[3]==1)
    printf(" %.1f",sum_4);
  else
    printf(" N");
  if(flag[4]==1)
    printf(" %d",sum_5);
  else
    printf(" N");
  return 0;
}

感觉代码还是写得不太简洁

  • 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