实验2(第二章课后习题)

2-28

include

using namespace std;
int main()
{
char alphabet;
cout <<"Menu:A(dd)D(elete)S(ort)Q(uit),select one"<<endl;
cin >>alphabet;
if(alphabet=='A'||alphabet=='D'||alphabet=='S')
switch(alphabet)
{
case 'A': {cout <<"数据已经增加"<<endl;break;}
case 'D': {cout <<"数据已经删除"<<endl;break;}
case 'S': {cout <<"数据已经排序"<<endl;break;}
}
else
cout <<"程序结束"<<endl;
return 0;
}
Menu:A(dd)D(elete)S(ort)Q(uit),select one
A
数据已经增加
Program ended with exit code: 0
2-29
思路:用一个函数来判断是否是质数,在由此来决定输出与否。

include

using namespace std;
int primenumber(int);
int main()
{
for(int i=2;i<=100;i++)
//i只在循环内有效
{
if(primenumber(i))
cout <<i<<" ";//数与数之间的空格
}
return 0;
}
int primenumber(int m)
{
int k;
for(k=2;k<=m;k++)
if(m%k==0&&k!=1&&k!=m)
return 0;
return 1;
}
2 3 5 7 11 13 17 19 23 29 31 37 41 43 47 53 59 61 67 71 73 79 83 89 97 Program ended with exit code: 0
2-32

include

using namespace std;
int m=100;//全局
void compare(int,int);
int main ()
{
int n = 0;
do
{
cout <<"请输入一个数字"<<endl;
cin >>n;
compare(m,n);
}while (m!=n);
if(m==n)
cout <<"Bingo"<<endl;
return 0;
}
void compare(int p,int q)
{
if(p>q)
cout <<"大于所猜的数"<<endl;
if(p<q)
cout <<"小于所猜的数"<<endl;
}
请输入一个数字
80
大于所猜的数
请输入一个数字
180
小于所猜的数
请输入一个数字
100
Bingo
Program ended with exit code: 0
2-34
思路:用函数的递归来求组合数。

include

using namespace std;
int take(int ,int );
int main()
{
int k;
k=take(5,3);
cout<<"球的取法为"<<k;
return 0;
}
int take(int n,int k)
{
int m;
if(k>n)
return 0;
else if(n==k||k==0)
return 1;
else m=take(n-1,k)+take(n-1,k-1);
return m;
}
球的取法为10Program ended with exit code: 0
总结:我发现我之前求组合数不会,现在我知道可以用递归函数来求组合数。

转载于:https://www.cnblogs.com/fengmian/p/8635627.html

  • 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:判断图像的目标属于哪个类别。 定位问题:确定目标在图像的具体位置。 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。 、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