经典排序算法c实现

//冒泡算法

int Sort(int a[],int n)
{
    int i,j;
    for(i = 0 ; i < n; ++i)
    {
        for(j = 1 ; j < n - i ; ++j)
        {
            if(a[j - 1] > a[j])
            {
                swap(a[j-1],a[j]);
            }
        }
    }
}

//直接插入排序

int Sort(int a[],int n)
{
    int i,j;
    for(i = 1 ; i < n ; i++)
    {
        for(j = 0 ; j < i;j++)
        {
            if(a[i-j] > a[i-j-1])
            {
                swap(a[i-j],a[i-j-1]);
            }
        }
    }
}

//归并排序

int Sort4(int a[],int n)
{
    int i,j,gap;
    for(gap = n / 2;gap != 0;gap /= 2 )
    {
        for (i = gap; i < n; i++)
        {
            for (j = i - gap; j >= 0 && a[j] > a[j + gap]; j -= gap)
            {
                swap(a[j], a[j + gap]);
            }
        }
    }
}

 

//高效快速排序

int f_avg(int *ay, unsigned long int l, unsigned long int r, long int*avg)
{
    int i;
    if(r<l)
        return 0; 
    else
    {
        *avg=0;
        int sum = 0 ;
        for( i=l;i<=r;i++)
        {
            sum += ay[i];
        }
        *avg+=sum/(r-l+1);
        return 1;
    }
}

void Sort(int *ay, unsigned long int l, unsigned long int r )
{
    unsigned long int i,j; long int mid;
    if(r<=l)
        return;
    if((l+1)==r && ay[l] > ay[r])
    {
        swap(ay[l],ay[r]);
        return;
    }
    if(!f_avg(ay,l,r,&mid))
        return;
    i=l;j=r;
    while(i<j)
    {
        while(ay[i]<=mid && i<j)i++;
        while(ay[j]>=mid && i<j)j--;
        if(i<j)
            swap(ay[i],ay[j]);
        else
            break;
    }    
    if(l<j&&j<=r)
    {
        Sort(ay, l, j-1);
        Sort(ay, j, r);
    }
}

//  堆插入算法
void MinHeapFixup(int a[], int i)
{
    int j, temp;
 
 temp = a[i];
 j = (i - 1) / 2;      //父结点
 while (j >= 0 && i != 0)
 {
  if (a[j] <= temp)
   break;
  
  a[i] = a[j];     //把较大的子结点往下移动,替换它的子结点
  i = j;
  j = (i - 1) / 2;
 }
 a[i] = temp;
}

或者

void MinHeapFixup(int a[], int i)
{
 for (int j = (i - 1) / 2; (j >= 0 && i != 0)&& a[i] > a[j]; i = j, j = (i - 1) / 2)
  Swap(a[i], a[j]);
}

 

//堆删除算法

//  从i节点开始调整,n为节点总数 从0开始计算 i节点的子节点为 2*i+1, 2*i+2
void MinHeapFixdown(int a[], int i, int n)
{
    int j, temp;

 temp = a[i];
 j = 2 * i + 1;
 while (j < n)
 {
  if (j + 1 < n && a[j + 1] < a[j]) //在左右孩子中找最小的
   j++;

  if (a[j] >= temp)
   break;

  a[i] = a[j];     //把较小的子结点往上移动,替换它的父结点
  i = j;
  j = 2 * i + 1;
 }
 a[i] = temp;
}
//在最小堆中删除数
void MinHeapDeleteNumber(int a[], int n)
{
 Swap(a[0], a[n - 1]);
 MinHeapFixdown(a, 0, n - 1);
}

 

//堆的创建

//建立最小堆
void MakeMinHeap(int a[], int n)
{
 for (int i = n / 2 - 1; i >= 0; i--)
  MinHeapFixdown(a, i, n);
}

//堆排序

void MinheapsortTodescendarray(int a[], int n)
{
 for (int i = n - 1; i >= 1; i--)
 {
  Swap(a[i], a[0]);
  MinHeapFixdown(a, 0, i);
 }
}

  • 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
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