数据结构复习初体验

循环链表


太晚了先贴代码:

.h:

#ifndef CIR_LINKLIST_H_INCLUDED
#define CIR_LINKLIST_H_INCLUDED
#include "Cir_LinkList.h"
/** 循环链表
  * 将单链表的头指针换成尾指针
  * 头尾相连
  * 头结点要保留呀~
  *    头结点:头指针指向的结点,数据域为空
  *    首元结点:链表第一个在数据域存了数据的结点
  */
struct Cir_Node{
    int data;//数据域
    struct Cir_Node *next;//指针域

};
class Cir_LinkList{
private:
    Cir_Node *Head;
    int length;
public:
    Cir_LinkList();//构造函数
    //~ Cir_LinkList();//析构函数
    bool Cre_Cir_LinkList_H(int n);//前插法创建循环链表
    bool Cre_Cir_LinkList_R(int n);//后插法创建循环列表
    void Insert_Cir_LinkList(int i, int elem);//第i个结点上插入元素elem
    bool Delete_Cir_LinkList(int i);//删除第i个结点中的元素
    /*bool Delete_Cir_LinkList_e(int elem);//删除elem元素*/
    void Display();//遍历
    void Display(int num);//输出循环中前num个数



};



#endif // CIR_LINKLIST_H_INCLUDED

.cpp:

#include "Cir_LinkList.h"
#include <iostream>

using namespace std;

//构造函数
Cir_LinkList::Cir_LinkList(){
    Head = new Cir_Node;
    Head->next = nullptr;
    length = 0;
}
//前插法创建链表
bool Cir_LinkList::Cre_Cir_LinkList_H(int n){
    Cir_Node *last;
    Cir_Node *p = Head;
    for(int j=1; j<=n; j++){
        Cir_Node *temp = new Cir_Node;
        cout << "请输入倒数第" << j << "个结点的元素:" << endl;
        cin >> temp->data;
        if(j == 1 && temp){
            last = temp;
        }
        temp->next = p->next;
        p->next = temp;
        length++;
    }
    last->next = Head;//首尾连接

    return true;

}
//后插法创建链表
bool Cir_LinkList::Cre_Cir_LinkList_R(int n){
    Cir_Node *p = Head;
    //Cir_Node *last;
    for(int i=1; i<=n; i++){
        Cir_Node *temp = new Cir_Node;
        cout << "请输入第" << i << "个结点的元素:"<<endl;
        cin >> temp->data;
        p->next = temp;
        p = temp;
        length++;
    }
    p->next = Head;//首尾连接
    return true;
}
//插入
void Cir_LinkList::Insert_Cir_LinkList(int i, int elem){
    Cir_Node *p = Head;
    Cir_Node *temp = new Cir_Node;
    temp->data = elem;
    for(int j=1; j<i; j++){
        p = p->next;
        j--;
    }
    temp->next = p->next;
    p->next = temp;
    length++;

}
//删除第i个结点中的元素
bool Cir_LinkList::Delete_Cir_LinkList(int i){
    if(i>length){
        cout<< "DATA ERRER" << endl;
        return false;
    }else{

    Cir_Node *p = Head;
    Cir_Node *temp;
    for(int j=1; j<i; j++){
        if(p==Head){
            cout << "到这里了" << endl;
            p = p->next;
        }else{
       // cout << j << "*********" << endl;
        p = p->next;
        }
    }
    temp = p->next;
    cout << temp->data <<endl;
    p->next = temp->next;
    length--;
    delete temp;
    return true;
    }

}//当我写完这个 我也疯球了



//遍历
void Cir_LinkList::Display(){
    Cir_Node *p = Head;
    for(int i=1; i<=length; i++){
        if(p==Head){
            //cout << "到这里了" << endl;
            p = p->next;
            i--;
        }else{
        cout << p->data <<ends;
        p = p->next;
        }

    }
}
//循环中的num个
void Cir_LinkList::Display(int num){
    Cir_Node *p = Head;
    for(int i=1; i<=num; i++){
        if(p==Head){
            //cout << "到这里了" << endl;
            p = p->next;
            i--;
            cout <<endl;
        }else{
        cout << p->data <<ends;
        p = p->next;
        }

    }
}

main:

#include <iostream>
#include "Cir_LinkList.h"

using namespace std;

int main()
{
    cout << "Hello world!" << endl;
    Cir_LinkList cl;
    //cl.Cre_Cir_LinkList_H(5);
    cl.Cre_Cir_LinkList_R(5);
    //cout<<cl.Head->next->next->data <<endl;
    //cout<<cl.Head->data <<endl;
    //cl.Insert_Cir_LinkList(1, 91);
    cl.Delete_Cir_LinkList(6);
    cl.Display();
   // cl.Display(16);

}

我哭了 今天是疯球的一天qaq

深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
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