当前位置: 首页 > news >正文

找出数组中驻点和拐点

找出数组中驻点和拐点,即一阶导数为零点和二阶导数为零点。代码定义了两个函数:find_first_deriv_zeros和find_second_deriv_zeros,用于找到一阶和二阶导数的零点索引。主函数中有一个示例数据数组,并调用这两个函数来输出零点的索引。
注意:边界点的处理可能需要特别考虑。例如,一阶导数的左边界使用前向差分,右边界使用后向差分,而中间点使用中心差分。同样,二阶导数的计算也需要处理边界点。

// stdafx.cpp : 只包括标准包含文件的源文件 // ConsoleApplication1.pch 将作为预编译头 // stdafx.obj 将包含预编译类型信息 #include "stdafx.h" #include <stdio.h> #include <stdlib.h> #include <time.h> #include <Windows.h> #include <math.h> #define EPSILON 1e-6 // 判断导数为零的阈值 #define MAX_DATA 1000 // 最大数据长度 // 计算一阶导数并返回零点索引 void compute_derivatives(float *data, int n, float *first_deriv, float *second_deriv, int *first_zeros, int *first_count, int *second_zeros, int *second_count) { *first_count = 0; *second_count = 0; if (n < 2) return; // 处理一阶导数 for (int i = 0; i < n; i++) { if (i == 0) { // 左边界前向差分 first_deriv[i] = (data[1] - data[0]) / 1.0f; } else if (i == n-1) { // 右边界后向差分 first_deriv[i] = (data[i] - data[i-1]) / 1.0f; } else { // 中心差分 first_deriv[i] = (data[i+1] - data[i-1]) / 2.0f; } } // 改进的一阶导数零点检测:检查符号变化 for (int i = 0; i < n-1; i++) { // 检查一阶导数是否变号 if (first_deriv[i] * first_deriv[i+1] < 0) { // 一阶导数变号,说明此处有极值点 // 记录i和i+1中函数值更大的点(假设是极大值) int idx = (data[i] > data[i+1]) ? i : i+1; first_zeros[(*first_count)++] = idx; } else if (fabs(first_deriv[i]) < EPSILON) { // 一阶导数恰好为0(平坦区域),直接记录 first_zeros[(*first_count)++] = i; } } // 处理二阶导数 for (int i = 0; i < n; i++) { if (i == 0 || i == n-1) { // 边界使用前向/后向差分 second_deriv[i] = (2.0f*data[i] - 5.0f*data[i+1] + 4.0f*data[i+2] - data[i+3]) / 1.0f; } else if (i == 1) { // 近边界特殊处理 second_deriv[i] = (data[i+1] - 2.0f*data[i] + data[i-1]) / 1.0f; } else if (i == n-2) { // 近边界特殊处理 second_deriv[i] = (data[i+2] - 2.0f*data[i+1] + data[i]) / 1.0f; } else { // 中心差分 second_deriv[i] = (data[i+1] - 2.0f*data[i] + data[i-1]) / 1.0f; } // 记录零点 if (fabs(second_deriv[i]) < EPSILON) { second_zeros[(*second_count)++] = i; } } } int main() { // 示例数据(假设步长h=1) float data[] = {911, 914, 916, 918, 920, 922, 924, 926, 928, 930, 932, 934, 936, 938, 940, 942, 942, 939}; int n = sizeof(data)/sizeof(data[0]); // 导数存储数组 float first_deriv[MAX_DATA] = {0}; float second_deriv[MAX_DATA] = {0}; // 零点索引数组 int first_zeros[MAX_DATA] = {0}; int second_zeros[MAX_DATA] = {0}; int count1 = 0, count2 = 0; // 计算导数和零点 compute_derivatives(data, n, first_deriv, second_deriv, first_zeros, &count1, second_zeros, &count2); // 打印导数信息 printf("索引\t值\t一阶导数\t二阶导数\n"); printf("=====================================\n"); for(int i=0; i<n; i++) { printf("%d\t%.4f\t%.6f\t\t%.6f\n", i, data[i], first_deriv[i], second_deriv[i]); } // 打印零点信息 printf("\n一阶导数零点(驻点)索引: "); for(int i=0; i<count1; i++) printf("%d ", first_zeros[i]); printf("\n二阶导数零点(拐点)索引: "); for(int i=0; i<count2; i++) printf("%d ", second_zeros[i]); return 0; }
http://www.jsqmd.com/news/172347/

相关文章:

  • Day73(10)-F:\硕士阶段\Java\课程资料\1、黑马程序员Java项目《苍穹外卖》企业级开发实战\sky-take-out
  • five hundred miles
  • 编译错误反复踩坑?这款Java自动修复引擎,本地环境精准适配一次搞定
  • 【R语言时间序列预测优化】:掌握5大核心技巧提升模型精度
  • 【稀缺资源】PHP低代码平台插件开发内部文档流出(仅限前1000人下载)
  • 2026 公众号矩阵跨平台适配 TOP1:广州旗引科技奇码云覆盖全场景 - 品牌推荐官优选
  • YOLOv8在野生动物迁徙研究中的应用
  • YOLOv8训练时数据增强策略分析
  • 2025副业新风口:养一只“机器人”,比养猪还稳?
  • 深度学习框架如何训练 智慧工地 无人机航拍反光衣背心头盔穿戴检测数据集 工地安全施工积水检测数据集 无人机工地积水数据集 无人机建筑施工安全智能化监管 (1)
  • 告别编译错误反复折腾!Java本地环境适配神器,一键搞定不踩坑
  • 代码漏洞藏隐患?Java安全防护神器,分钟级闭环修复
  • 家用电器管理系统厂商哪家强?权威排行来了! - 百誉集团
  • 【R语言随机森林分类实战】:从零构建高精度模型的完整指南
  • YOLOv8在纺织品瑕疵检测中的表现评估
  • AI狂欢,谁在“埋单”?——2025年广告业的底层逻辑
  • 陪诊陪护小程序定制系统,我们这样开发!
  • GLM-4.7编程环境10分钟搭建指南:3种官方配置方法,实测有效,一键即用!
  • YOLOv8镜像内置tmux/screen终端复用工具
  • YOLOv8训练完成后模型体积有多大?
  • Git使用教程
  • Java程序员转战大模型开发:完整学习路径与高薪岗位指南,大模型入门到精通
  • YOLOv8镜像提供FAQ文档解决常见问题
  • YOLOv8如何实现旋转框检测功能?
  • 2025实测:5款主流AI编程工具终极横评,Java开发者选型不踩坑
  • YOLOv8镜像内置wget/curl工具方便数据下载
  • YOLOv8推理时如何适应不同分辨率输入?
  • YOLOv8在工业流水线产品计数中的应用
  • YOLOv8项目目录结构解析:/root/ultralytics详解
  • YOLOv8训练时如何使用EMA指数移动平均?