怎样将一个只含0和1的字符串转化为对应的二进制

long000 2007-11-22 09:32:40
初学C++,请问怎样将一个只含0和1的字符串转化为对应的二进制存放在文件中,老师让做一个压缩小软件,急用,谢谢了!
...全文
327 6 打赏 收藏 转发到动态 举报
写回复
用AI写文章
6 条回复
切换为时间正序
请发表友善的回复…
发表回复
long000 2007-11-23
  • 打赏
  • 举报
回复
谢谢四楼了!!!!
明白了
ryfdizuo 2007-11-22
  • 打赏
  • 举报
回复
ls的方法就不错吗,简单...
hellobcb 2007-11-22
  • 打赏
  • 举报
回复
#include <iostream>
#include <bitset>
#include <string>
using namespace std;
int main()
{
unsigned long output;
string strv("1001101111010111");
bitset<32> bitv(strv);
output = bitv.to_ulong(); //这样可以将最多32个字节压缩成4个字节的long型
cout << output;

getchar();
return 0;
}
Fogers 2007-11-22
  • 打赏
  • 举报
回复
改以下 fwrite

fwrite(T,sizeof(T),1,fp);

打开文件 采用 ab方式
WingForce 2007-11-22
  • 打赏
  • 举报
回复
atoi
http://msdn2.microsoft.com/En-US/library/hc25t012(VS.71).aspx
Fogers 2007-11-22
  • 打赏
  • 举报
回复
定义一个结构
struct t
{
char p[8];
}
T;


for(int i=0,j=0;i<strlen(str);i++,j++)
{
T.p[j] = str.getat(i);
if(i%8==0)
{
fwrite(fp,T,rb);
}
}
fwrite(fp,T,rb);


}


没作测试 你试试看
内容概要:本文围绕基于粒子群优化算法(PSO)优化BP神经网络的表面粗糙度预测模型展开研究,旨在通过智能优化算法提升传统BP神经网络在工程表面粗糙度建模与预测中的性能表现。研究采用PSO算法对BP神经网络的初始权重和阈值进行优化,有效缓解了BP网络易陷入局部最优的问题,增强了模型的泛化能力和预测精度。全文以Matlab为开发平台,构建了完整的PSO-BP神经网络预测系统,并通过实际实验数据验证了该混合模型在收敛速度、稳定性和预测准确性方面的优越性。研究成果适用于机械加工领域中加工参数与表面质量之间的非线性关系建模,为智能制造和工艺优化提供了有效的数据驱动解决方案。 适合人群:具备一定Matlab编程基础,熟悉神经网络和智能优化算法的理工科研究生、科研人员及工程技术人员。 使用场景及目标:①用于机械加工过程中表面粗糙度的高精度预测与加工工艺参数优化;②为智能制造、精密制造与质量控制等领域提供先进的建模与分析工具;③作为PSO与BP神经网络融合的经典案例,服务于算法教学、科研复现与技术创新需求。 阅读建议:建议读者结合提供的Matlab代码深入理解PSO优化BP网络的技术细节,重点掌握种群初始化、适应度函数设计、网络结构搭建、训练过程监控与结果可视化等关键环节,并尝试将该混合优化框架迁移应用于其他回归、预测或系统辨识问题中,进一步拓展其应用边界。

65,212

社区成员

发帖
与我相关
我的任务
社区描述
C++ 语言相关问题讨论,技术干货分享,前沿动态等
c++ 技术论坛(原bbs)
社区管理员
  • C++ 语言社区
  • encoderlee
  • paschen
加入社区
  • 近7日
  • 近30日
  • 至今
社区公告
  1. 请不要发布与C++技术无关的贴子
  2. 请不要发布与技术无关的招聘、广告的帖子
  3. 请尽可能的描述清楚你的问题,如果涉及到代码请尽可能的格式化一下

试试用AI创作助手写篇文章吧