No.6-string

一、string用法汇总

#include <iostream>
#include<string>
#include<cstdio>
using namespace std;

int main()
{
    string str="abcd";
    for(int i=0;i<str.length();i++)
    {
        printf("%c",str[i]);
    }
    printf("%s\n",str.c_str());
    for(string::iterator it=str.begin();it!=str.end();it++)
    {
        printf("%c",*it);
    }
    //string str1;
    //cin>>str1;
    //cout<<str1<<endl;

    string s1="abc",s2="xyz",s3;
    s3=s1+s2;
    s1+=s2;
    cout<<s1<<endl;
    cout<<s2<<endl;
    s1.insert(0,"A");
    cout<<s1<<endl;

    string a1="abcxyz",a2="opq";
    a1.insert(a1.begin()+3,a2.begin(),a2.end());
    cout<<a1<<endl;//abcopqxyz
    a1.erase(a1.begin()+4);
    cout<<a1<<endl;//abcoqxyz
    a1.erase(a1.begin()+2,a1.end()-1);//前开后闭
    cout<<a1<<endl;//abz
    a1.erase(1,2);
    cout<<a1<<endl;//a
    a1.clear();
    cout<<a1.length()<<endl;//0

    string w1="Thank you for your smile.";
    string w2="you";
    string w3="me";
    if(w1.find(w2)!=string::npos)
        cout<<w1.find(w2)<<endl;
    if(w1.find(w2,7)!=string::npos)
        cout<<w1.find(w2,7)<<endl;
    if(w1.find(w3)!=string::npos)
        cout<<w1.find(w3)<<endl;
    else
        cout<<"There is no position for me."<<endl;
    /*cout<<w1.substr(0,5)<<endl;
    cout<<w1.substr(14,4)<<endl;
    cout<<w1.substr(19,5)<<endl;*/


    if(string::npos==-1)
        cout<<"-1 is true."<<endl;
    if(string::npos==4294967295)
        cout<<"4294967295 is also true."<<endl;

    string q1="Maybe you will turn around.";
    string q2="will not";
    string q3="surely";
    cout<<q1.replace(10,4,q2)<<endl;
    cout<<q1.replace(q1.begin(),q1.begin()+5,q3)<<endl;
    return 0;
}

二、例题

1060 Are They Equal (25分)

给出两个数,问:将他们转化为保留N位小数的科学计数法之后是否相等。如果相等,输出YES,并给出转换结果;如果不是,则输出NO,再分别输出两个数的转换结果。

输入样例

3 12300 12358.9

输出样例

YES 0.123*10^5

输入样例

3 120 128

输出样例

NO 0.120*10^3 0.128*10^3

题解

#include <iostream>
#include <string>
using namespace std;
int n;//有效位数
string deal(string s,int& e)
{
    int k=0;//s的下标
    while(s.size()>0&&s[0]=='0')
    {
        s.erase(s.begin());//去除s的前导0
    }
    if(s[0]=='.')//去除前到0后如果第一位是小数点,说明s是小于1的数字
    {
        s.erase(s.begin());//去除小数点
        while(s.length()>0&&s[0]=='0')
        {
            s.erase(s.begin());//去除小数点后非零位前的所以0
            e--;//每去掉一个0,指数减一
        }
    }
    else //去除前导0后不是小数点,则找到后面的小数点删除
    {
        while(k<s.size()&&s[k]!='.')
        {
            k++;
            e++;//只要不碰到小数点就让指数加一
        }
        if(k<s.size()) //while结束后k<s.length(),说明碰到了小数点
        {
            s.erase(s.begin()+k);//把小数点删除
        }
    }
    if(s.size()==0) //如果去除前到0之后s的长度变为0,说明这个数是0
    {
        e=0;
    }
    int num=0;//精度
    k=0;
    string res;
    while(num<n)
    {
        if(k<s.size())
            res+=s[k++];//只要还有数字,就加到res末尾
        else
            res+='0';//否则res末尾加0
        num++;//精度加一
    }
    return res;


}
int main()
{
    string s1,s2,s3,s4;
    cin>>n>>s1>>s2;
    int e1=0,e2=0;
    s3=deal(s1,e1);
    s4=deal(s2,e2);
    if(s3==s4&&e1==e2)
    {
        cout<<"YES 0."<<s3<<"*10^"<<e1<<endl;
    }
    else
    {
        cout<<"NO 0."<<s3<<"*10^"<<e1<<" 0."<<s4<<"*10^"<<e2<<endl;
    }
    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
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
健身国际俱乐部系统是一种专为健身俱乐部设计的管理软件,它通过集成多种功能来提高俱乐部的运营效率和服务质量。这类系统通常包含以下几个核心模块: 1. **会员管理**:系统能够记录会员的基本信息、会籍状态、健身历史和偏好,以及会员卡的使用情况。通过会员管理,俱乐部可以更好地了解会员需求,提供个性化服务,并提高会员满意度和忠诚度。 2. **课程预约**:会员可以通过系统预约健身课程,系统会提供课程时间、教练、地点等详细信息,并允许会员根据个人时间表进行预约。这有助于俱乐部合理安排课程,避免资源浪费。 3. **教练管理**:系统可以管理教练的个人信息、课程安排、会员反馈等,帮助俱乐部评估教练表现,优化教练团队。 4. **财务管理**:包括会员卡销售、课程费用、私教费用等财务活动的记录和管理,确保俱乐部的财务透明度和准确性。 5. **库存管理**:对于俱乐部内的商品销售,如健身装备、营养补充品等,系统能够进行库存管理,包括进货、销售、库存盘点等。 6. **数据分析**:系统能够收集和分析会员活动数据,为俱乐部提供业务洞察,帮助俱乐部制定更有效的营销策略和业务决策。 7. **在线互动**:一些系统还提供在线平台,让会员可以查看课程、预约私教、参与社区讨论等,增强会员之间的互动和俱乐部的社区感。 8. **移动应用**:随着移动设备的普及,一些健身俱乐部系统还提供移动应用,方便会员随时随地管理自己的健身计划。 9. **安全性**:系统会确保所有会员信息的安全,采取适当的数据加密和安全措施,保护会员隐私。 10. **可扩展性**:随着俱乐部业务的扩展,系统应该能够轻松添加新的功能和服务,以适应不断变化的市场需求。 健身国际俱乐部系统的选择和实施,需要考虑俱乐部的具体需求、预算和技术能力,以确保系统能够有效地支持俱乐部的运营和发展。通过这些系统的实施,健身俱乐部能够提供更加专业和高效的服务,吸引和保留更多的会员,从而在竞争激烈的
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