C语言中的整数类型转换

在机器里整形的数据都是补码的形式

有符号转无符号 

#include <stdio.h>
int main()
{
	//计算机里的数据都是补码的形式
	short a = 8;	//等价于:short int a = 8; 短整型,2字节。
	//原码:0,000 0000 0000 1000 补码:0,000 0000 0000 1000
	
	unsigned short ua = (unsigned short)a;	//无符号数
	//0000 0000 0000 1000 无符号数直接解读为真值8
	
	printf("a = %d, ua = %u \n", a, ua);	//真值依然为8
	
	
	short b = -8;
	//原码:1,000 0000 0000 1000 补码:1,111 1111 1111 1000
	
	unsigned short ub = (unsigned short)b;
	//机器内部数:1111 1111 1111 1000 无符号数直接解读为真值65528
	
	printf("b = %d, ub = %u \n", b, ub);
	return 0;
}
a = 8, ua = 8
b = -8, ub = 65528

负数的机器码(补码)如果直接解读为无符号数(包括符号位)的记忆方法:

设负数真值为-a,机器字长n位
那么转换为无符号数的真值就是2^n-a

无符号转有符号

#include <stdio.h>
int main()
{
	unsigned short ux = 65528;
	short x = (short)ux;
	printf("ux = %u, x = %d \n", ux, x);
	return 0;
}
ux = 65528, x = -8

大字长转小字长

#include <stdio.h>
int main()
{
	int x = 2147483647;
	//原码:0,111 1111 1111 1111 1111 1111 1111 1111
	//补码:0,111 1111 1111 1111 1111 1111 1111 1111
	short sx = (short)x;
	//舍弃高位后的机器数为:1,111 1111 1111 1111
	//转为原码:1,000 0000 0000 0001  真值为-1
	
	printf("x = %d, sx = %d", x, sx);
	return 0;
}
x = 2147483647, sx = -1

小字长转大字长

#include <stdio.h>
int main()
{
	short sx = -1;
	//原码:1,000 0000 0000 0001
	//机器数(补码):1,111 1111 1111 1111
	int x = (int)sx;
	//有符号数进行符号扩展:扩展后的高位部分用原数符号位填充
	//扩展后的机器数为:1,111 1111 1111 1111 1111 1111 1111 1111
	//原码:1,000 0000 0000 0000 0000 0000 0000 0001
	printf(" sx = %d, x = %d\n", sx, x);
	
	
	short sa = 1;
	//原码:0,000 0000 0000 0001
	//机器数(补码):0,000 0000 0000 0001
	int a = (int)sa;
	//扩展后的机器数为:0,000 0000 0000 0000 0000 0000 0000 0001
	printf(" sa = %d, a = %d\n", sa, a);
	
	
	
	//无符号数进行0扩展,与有符号正数是一样的
	unsigned short sb = 1;
	//机器数:0000 0000 0000 0001
	int b = (int)sb;
	//扩展后的机器数为:0000 0000 0000 0000 0000 0000 0000 0001
	printf(" sb = %d, b = %d", sb, b);
	return 0;
}
 sx = -1, x = -1
 sa = 1, a = 1
 sb = 1, b = 1
  • 4
    点赞
  • 0
    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)将原始低维空间的非线性问题换为高维空间的线性问题,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RBF核函数被广泛应用于非线性问题,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,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