主页 > 数据处理 > 算法高手进,大数据处理

算法高手进,大数据处理

2023-03-17 11:26来源:m.sf1369.com作者:宇宇

算法高手进,大数据处理

TM就5分啊..诶,蚊子腿也是肉,算了.

#include <algorithm>

#include <functional>

#include <math.h>

const int MAX=1001;

int map[MAX][MAX];

int fx[4][2]={{0,-1},{1,0},{0,1},{-1,0}};

int vis[MAX][MAX],q[MAX*MAX][2],p[MAX][2];

double L=0xffffffff;

double distant(int *p1,int *p2)

{

return sqrt(pow((double)abs(p1[0]-p2[0]),2)+pow((double)abs(p1[1]-p2[1]),2));

}

void bfs(int x,int y)

{

int h=0,f=0,pl=0;

memset(vis,0,sizeof(vis));

q[f][0]=x;

q[f][1]=y;

vis[y][x]=1;

f++;

for(int i=0;i<map[y][x];i++)

{

p[pl][0]=x;

p[pl][1]=y;

pl++;

}

while(f>h && pl<4)

{

for(int i=0;i<4&&pl<4;i++)

{

int nx=q[h][0]+fx[i][0];

int ny=q[h][1]+fx[i][1];

if(nx>0 && nx<MAX && ny>0 && ny<MAX && !vis[ny][nx])

{

if(map[ny][nx])

{

for(int im=0;im<map[ny][nx]&&pl<4;im++)

{

p[pl][0]=nx;

p[pl][1]=ny;

pl++;

}

}

vis[ny][nx]=1;

q[f][0]=nx;

q[f][1]=ny;

f++;

}

}

h++;

}

double t=0;

for(int i=0;i<4;i++)

{

for(int j=0;j<4;j++)

{

if(i!=j)

{

t+=distant(p[j],p[i]);

}

}

t=t/12;

if(t>0.000001 && t<L)

{

L=t;

}

}

void compute()

{

for(int y=1;y<=MAX;y++)

{

for(int x=1;x<=MAX;x++)

{

if(map[y][x])

{

bfs(x,y);

}

}

}

}

int main()

{

FILE *fp;

fp=fopen(in.txt,r);

if(fp!=NULL)

{

memset(map,0,sizeof(map));

int x,y;

while(fscanf(fp,%d,%d,&x,&y)!=EOF)

{

map[y][x]++;//点可以有重复的哦亲~ 

}

compute();

printf(%.2f\n,L);

}

else

{

printf(No Find In.txt\n);

}

system(pause);

return 0;

}

常用的大数据技术有哪些

大数据技术包括数据收集、数据存取、基础架构、数据处理、统计分析、数据挖掘、模型预测、结果呈现。

1、数据收集:在大数据的生命周期中,数据采集处于第一个环节。根据MapReduce产生数据的应用系统分类,大数据的采集主要有4种来源:管理信息系统、Web信息系统、物理信息系统、科学实验系统。

2、数据存取:大数据的存去采用不同的技术路线,大致可以分为3类。第1类主要面对的是大规模的结构化数据。第2类主要面对的是半结构化和非结构化数据。第3类面对的是结构化和非结构化混合的大数据,

3、基础架构:云存储、分布式文件存储等。

4、数据处理:对于采集到的不同的数据集,可能存在不同的结构和模式,如文件、XML 树、关系表等,表现为数据的异构性。对多个异构的数据集,需要做进一步集成处理或整合处理,将来自不同数据集的数据收集、整理、清洗、转换后,生成到一个新的数据集,为后续查询和分析处理提供统一的数据视图。

5、统计分析:假设检验、显著性检验、差异分析、相关分析、T检验、方差分析、卡方分析、偏相关分析、距离分析、回归分析、简单回归分析、多元回归分析、逐步回归、回归预测与残差分析、岭回归、logistic回归分析、曲线估计、因子分析、聚类分析、主成分分析、因子分析、快速聚类法与聚类法、判别分析、对应分析、多元对应分析(最优尺度分析)、bootstrap技术等等。

6、数据挖掘:目前,还需要改进已有数据挖掘和机器学习技术;开发数据网络挖掘、特异群组挖掘、图挖掘等新型数据挖掘技术;突破基于对象的数据连接、相似性连接等大数据融合技术;突破用户兴趣分析、网络行为分析、情感语义分析等面向领域的大数据挖掘技术。

7、模型预测:预测模型、机器学习、建模仿真。

8、结果呈现:云计算、标签云、关系图等。

相关推荐

车联网企业国内有哪些?

数据处理 2023-12-23

注册计量师-请教贴

数据处理 2023-12-19

逆光照片怎么处理

数据处理 2023-12-08