数据结构3.0栈的链表操作

#include <stdio.h>
#include <stdlib.h>
#include <stdbool.h>

typedef struct SLNode
{
int data;
struct SLNode * next;
}*Lstack, Node;

/*
//为方便操作而生成一个头,一个尾指针
//其实没有必要
struct stack
{
Lstack top;
Lstack bottom;
}
*/

Lstack create_stack (void);
void input(Lstack stack);
bool pop(Lstack stack, int *val);
bool push(Lstack stack, int val);
bool is_empty(Lstack stack);

int main(void)
{
int kettle;
Lstack lane = create_stack();
input( lane);

Lstack work = lane->next;
while (work != NULL)
{
	printf("%d ", work->data);
	work= work->next;
}
if (pop(lane, &kettle))
{
	printf("\n%d\n" , kettle);
}
while (lane != NULL)
{
	Lstack p = lane;
	lane = lane->next;
	free(p);
}

return 0;

}

Lstack create_stack (void)
{
Lstack phead = (Lstack)malloc(sizeof(Node));
if (NULL == phead)
{
printf(“船长,动态内存分配失败了\n”);
exit(-1);
}

phead->next = NULL;
return phead;

}

void input(Lstack stack)
{
int numb;
int ship;
int i;
printf(“船长,请问要生成几个节点:”);
scanf("%d", &numb);
for ( i = 0; i < numb; i++)
{
scanf("%d", &ship);
push(stack , ship);
}

}

bool push(Lstack stack, int val)
{
//stack一直是头指针没有动;
Lstack labor = create_stack ();
labor->data = val;
labor->next = stack->next;
stack->next = labor;

return true;

}

bool is_empty(Lstack stack)
{
if (stack->next == NULL)
{
return true;
}
else
{
return false;
}

}

bool pop(Lstack stack, int *val)
{
if (is_empty(stack))
{
return false;
}

Lstack tmp = stack->next;
*val = tmp->data;
stack->next = tmp->next;
tmp->next = NULL;
free(tmp);
tmp = NULL;

return true;

}

  • 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