第十一周 【项目2 - 操作用邻接表存储的图】

  1. /* 程序头部注释开始  
  2. * 程序的版权和版本声明部分  
  3. * Copyright (c) 2017, 烟台大学计算机学院学生  
  4. * All rights reserved.  
  5. * 文件名称:   danlianbao.cpp                            
  6. * 作    者:   胡俊超                            
  7. * 完成日期:   2017 年 11 月 9 日  
  8. * 版 本 号:   v1.0        
  9.    
  10. * 对任务及求解方法的描述部分 
  11. * 问题描述:假设图G采用邻接表存储,分别设计实现以下要求的算法: (1)输出出图G中每个顶点的出度; (2)求出图G中出度最大的一个顶点,输出该顶点编号; (3)计算图G中出度为0的顶点数; (4)判断图G中是否存在边<i,j>。 利用下图作为测试用图,输出结果。


  12. 通过算法库 
  13. main.cpp
  14. #include <stdio.h>
    #include <malloc.h>
    #include "graph.h"
    
    //返回图G中编号为v的顶点的出度
    int OutDegree(ALGraph *G,int v)
    {
        ArcNode *p;
        int n=0;
        p=G->adjlist[v].firstarc;
        while (p!=NULL)
        {
            n++;
            p=p->nextarc;
        }
        return n;
    }
    
    //输出图G中每个顶点的出度
    void OutDs(ALGraph *G)
    {
        int i;
        for (i=0; i<G->n; i++)
            printf("  顶点%d:%d\n",i,OutDegree(G,i));
    }
    
    //输出图G中出度最大的一个顶点
    void OutMaxDs(ALGraph *G)
    {
        int maxv=0,maxds=0,i,x;
        for (i=0; i<G->n; i++)
        {
            x=OutDegree(G,i);
            if (x>maxds)
            {
                maxds=x;
                maxv=i;
            }
        }
        printf("顶点%d,出度=%d\n",maxv,maxds);
    }
    //输出图G中出度为0的顶点数
    void ZeroDs(ALGraph *G)
    {
        int i,x;
        for (i=0; i<G->n; i++)
        {
            x=OutDegree(G,i);
            if (x==0)
                printf("%2d",i);
        }
        printf("\n");
    }
    
    //返回图G中是否存在边<i,j>
    bool Arc(ALGraph *G, int i,int j)
    {
        ArcNode *p;
        bool found = false;
        p=G->adjlist[i].firstarc;
        while (p!=NULL)
        {
            if(p->adjvex==j)
            {
                found = true;
                break;
            }
            p=p->nextarc;
        }
        return found;
    }
    
    int main()
    {
        ALGraph *G;
        int A[7][7]=
        {
            {0,1,1,1,0,0,0},
            {0,0,0,0,1,0,0},
            {0,0,0,0,1,1,0},
            {0,0,0,0,0,0,1},
            {0,0,0,0,0,0,0},
            {0,0,0,1,1,0,1},
            {0,1,0,0,0,0,0}
        };
        ArrayToList(A[0], 7, G);
        printf("(1)各顶点出度:\n");
        OutDs(G);
        printf("(2)最大出度的顶点信息:");
        OutMaxDs(G);
        printf("(3)出度为0的顶点:");
        ZeroDs(G);
        printf("(4)边<2,6>存在吗?");
        if(Arc(G,2,6))
            printf("是\n");
        else
            printf("否\n");
        printf("\n");
        return 0;
    }


  • 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:判断像中的目标属于哪个类别。 定位问题:确定目标在像中的具体位置。 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