大数组如何快速选出前十个？？

lingducool 2011-11-19 04:01:31

我有一个a[65535]的数组，如何快速选出排在前十名的数。

...全文

168 5 打赏收藏转发到动态举报

写回复

用AI写文章

5 条回复

切换为时间正序

请发表友善的回复…

发表回复

用户　昵称 2011-11-20

打赏
举报

选择排序，无论什么高级的算法，都得遍历一遍数组。

尘缘udbwcso 2011-11-19

打赏
举报

选择排序

hztj2005 2011-11-19

打赏
举报

[Quote=引用 2 楼 fengbingchun 的回复:]
partial_sort只对前十个数排序
[/Quote]

对stl很熟悉啊！

fengbingchun 2011-11-19

打赏
举报

partial_sort只对前十个数排序

huaidan2012126 2011-11-19

打赏
举报

冒泡排序

大数据的陷阱作者：卢昌海来源：《中学语文(学生版)》2015年第06期这几年，大数据（big data）的"出镜率"颇高。连带着，"数据科学家"（data scientist）成为了新的高薪一族。人气、财气的提升也带动了士气，有人开始高估大数据的神通，仿佛只要积累了足够多的数据，请"数据科学家"们坐在电脑前——就像福尔摩斯坐在太师椅上——敲一通键盘，各种问题就都能迎刃而解了。大数据真有如此神通吗？回顾一段小历史对我们也许不无启示。那是在1936年，美国共和党人艾尔弗·兰登（Alfred Landon）与民主党人富兰克林·罗斯福（Franklin D. Roosevelt）竞选总统。当时很有影响力的《文摘》杂志（The Literary Digest）决定搞一次超大规模的民意调查，调查人数高达1，000万，约为当时选民总数的1/4，最终收到的回复约有240万份，对于民意调查来说可谓是"大数据"——事实上，哪怕在今天，一些全国性民意调查的调查对象也只有几千。通过对这组"大数据"的分析，《文摘》杂志预测兰登将以55%比41%的显著优势获胜。但不久后揭晓的真正结果却是罗斯福以61%比37%的优势大胜。《文摘》杂志的"大数据"遭到了惨败。当然，那是陈年旧事了。240万份回复作为民意调查是超大规模的，从数据角度讲，以今天的标准来衡量却实在小得可怜。不过，今天的"大"在几十年后也未必不会如昔日的"小"一样可怜。那段小历史的真正启示在于：数据已大到了统计误差可以忽略的地步，结果却错得离谱。这种类型的错误对于大数据是一种警示。现在让我们回到当代。2008年8月，大数据"成功偶像"之一的谷歌（Google）公司领衔在《自然》（Nature）杂志上发表论文，推介了一个如今被称为"谷歌流感趋势"（ Google Flu Trends）的系统。这一系统能利用互联网上有关流感的搜索的数量和分布来估计各地区流感类疾病的患者数目。谷歌表示，这一系统给出的估计不仅比美国疾病控制与预防中心（Centers for Disease Control and Prevention——简称CDC）的数据更快速，而且还有"不依赖于理论"（theory- free）的特点。但是，这个一度引起轰动的系统经过几年的运行后，却引人注目地演示了大数据可能带来的陷阱。 2013年2月，《自然》杂志资深记者巴特勒（Declan Butler）发表了一篇题为"当谷歌弄错了流感"（When Google got flu wrong）的文章，指出"谷歌流感趋势"对2012年底美国流感类疾病患者数目的估计比美国疾病控制与预防中心给出的数据高了约一倍。不仅如此，"谷歌流感趋势"在2008- 2009年间对瑞士、德国、比利时等国的流感类疾病患者数目的估计也都失过准。大数据在这些例子中为什么会失败呢？人们很快找到了原因。比如《文摘》杂志对1936年美国总统竞选预测的失败，是因为该杂志的调查对象是从汽车注册资料及电话簿中选取的，而汽车及电话在当时的美国尚未普及，使得由此选出的调查对象缺乏代表性。而谷歌对2012年底美国流感类疾病患者数目的估计失败，则是因为媒体对那段时间的美国流感类疾病作了渲染，使得很多非患者也进行了有关流感的搜索，从而干扰了"谷歌流感趋势"的估计。在统计学中，这被称为系统误差（systematic error），只要存在这种误差，数据量再大也无济于事。当然，原因一旦找到，对结果进行修正也就不无可能了。比如在有关流感的搜索中，来自患者的搜索往往随疫情的爆发而迅速增加，随疫情的缓慢结束而缓慢降低，呈现出前后的不对称，而媒体渲染引来的非患者的搜索则前后比较对称。利用这一区别，原则上可对结果进行校正。但另一方面，原因之所以很快找到，是因为失败已成事实，从而有了明确的分析对象，在千变万化的大数据分析中要想每次都"先发制人"地避免失败却是极其困难的。比如大数据分析对数据间的相关性情有独钟，其所津津乐道的"不依赖于理论"的特点却在很大程度上排斥了对相关性的价值进行甄别——就如知名技术类刊物《连线》（Wired）杂志的主编安德森（Chris Anderson）曾经宣称的："只要有足够多数据，数字自己就能说话"（with enough data， the numbers speak for themselves）。数字也许是能说话，但说出的未必都是有价值的话。事实上，未经甄别的相关性可谓处处是陷阱。比如2006- 2011年间，美国的犯罪率和微软IE浏览器的市场占有率就明显相关（同步下降），但却是毫无价值的相关性——这是纽约大学（New York University）计算机教授戴维斯（Ernest Davis）举出的例子。

第一次找工作面试的时候，面试

立足于大数定律的统计规律是当前成熟AI产品的理论基础之一。 1、C++程序设计技术与计算机软件行业发展趋势介绍 2、C++技术与人工智能在主流行业中的已有应用 3、从算法到人工智能：：如何真正实现随机生成？来自扫雷...

如题，比如有一堆数：13，2，4，2，4，8，7，8，6 要从中挑选出若干个数，使得它们的和等于32，挑选出来的数是：20，6，4，2 我是使用“试探”法来解这个题目，思路如下：先对数进行排序：13，8，8，7，6，4，4，2，2 选出最大的数字，以及不大于目标数字后续数字，于是我挑选到了13，8，8，其和是29，如果这个时候再挑选7的话就会超过32，所以就跳...

一、数组排序1、排序分类(1)、内部排序指将需要处理的所有数据都加载到内部存储器中进行排序。包括(交换式排序法、选择式排序法和插入式排序法)；(2)、外部排序数据量过大，无法全部加载到内存中，需要借助外部存储进行排序。包括(合并排序法和直接合并排序法)；2、交换式排序法交换式排序属于内部排序法，是运用数据值比较后，依判断规则对数据位置进行交换，以达到排序的目的。(1)、冒泡排序法(Bubble s...

VC/MFC

16,473

社区成员

421,731

社区内容

发帖

与我相关

我的任务

社区管理员

加入社区

近7日
近30日
至今

加载中

查看更多榜单

社区公告

VC/MFC社区版块或许是CSDN最“古老”的版块了，记忆之中，与CSDN的年龄几乎差不多。随着时间的推移，MFC技术渐渐的偏离了开发主流，若干年之后的今天，当我们面对着微软的这个经典之笔，内心充满着敬意，那些曾经的记忆，可以说代表着二十年前曾经的辉煌……
向经典致敬，或许是老一代程序员内心里面难以释怀的感受。互联网大行其道的今天，我们期待着MFC技术能够恢复其曾经的辉煌，或许这个期待会永远成为一种“梦想”，或许一切皆有可能……
我们希望这个版块可以很好的适配Web时代，期待更好的互联网技术能够使得MFC技术框架得以重现活力，……

试试用AI创作助手写篇文章吧

+ 用AI写文章