数组储存的逻辑错误

错误的代码

//求计算并输出不超过n的最大的k个素数以及它们的和。
//输出素数1+素数2+…+素数k=总和值
//其中素数按递减顺序输出。若n以内不够k个素数,则按实际个数输出。
#include<stdio.h>
#include<math.h>
int is_prime(int );
int main()
{
	int n,k,i=0,j,sum=0;
	
	scanf("%d %d",&n,&k);//输入在一行中给出n(10≤n≤10000)和k(1≤k≤10)的值。
	
	int a[k];
	
	for(;n>0&&i<=k;n--)//数组下标从零开始递增,a[i]多储存了一个数
	{
		if(is_prime(n))
		{
			a[i]=n;
			i++;
			sum=sum+n;
		}
	}
	for(j=0;j<i;j++)
	{
		if(j<(i-1))
		printf("%d+",a[j]);
		else
		printf("%d=%d",a[j],sum);
	}

	return 0;
}
int is_prime(int a)
{
	int i;
	
	if(a==1)
		return 0;
	if(a>2)
	{
		for(i=2;i<=sqrt(a);i++)
		{
			if(a%i==0)
				return 0;
		}
	}
	return 1;
}
  • 输入:12 6
  • 输出:11+7+5+3+2=28//输出不够k个素数,输出正确
  • 输入:1000 10
  • 输出:997+991+983+977+971+967+953+947+941+937+929=10593
  • //正确输出:997+991+983+977+971+967+953+947+941+937=9664

正确的代码

//求计算并输出不超过n的最大的k个素数以及它们的和。
//输出素数1+素数2+…+素数k=总和值
//其中素数按递减顺序输出。若n以内不够k个素数,则按实际个数输出。
#include<stdio.h>
#include<math.h>
int is_prime(int );
int main()
{
	int n,k,i=0,j,sum=0;
	
	scanf("%d %d",&n,&k);//输入在一行中给出n(10≤n≤10000)和k(1≤k≤10)的值。
	
	int a[k];
	
	for(;n>0&&i<k;n--)
	{
		if(is_prime(n))
		{
			a[i]=n;
			i++;
			sum=sum+n;
		}
	}
	for(j=0;j<i;j++)
	{
		if(j<(i-1))
		printf("%d+",a[j]);
		else
		printf("%d=%d",a[j],sum);
	}

	return 0;
}
int is_prime(int a)
{
	int i;
	
	if(a==1)
		return 0;
	if(a>2)
	{
		for(i=2;i<=sqrt(a);i++)
		{
			if(a%i==0)
				return 0;
		}
	}
	return 1;
}
  • 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