关于float 转化成字符串之后,打印出现-1.#IND00或者-1.#J的问题

wanghi 2015-12-22 09:27:44

typedef struct
{
float score1;
float score2;
float score3;
char id[10];
char name[20];
}zzz_t;

zzz_t human[60];
char str[100] = {'\0'};
char strtemp[100] = {'\0'};

然后从数据库获取数据之后,打印出来
sprintf(str,"%.2f,%.2f",human[0].score3,human[0].score2);
sprintf(strtemp,"%f,%f",human[0].score3,human[0].score2);
printf(" %d %d \n",sizeof(zzz_t),sizeof(float));
printf(" %.2f %.2f \n",human[0].score3,human[0].score2);
printf(" %s \n",str);
printf(" %s \n",strtemp);
打印结果
44 4
82.20 67.30
-1.#J 67.30
-1.#IND00 67.30

就 human[0].score3 这一个地方出现问题,其他都打印正常








...全文
296 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
wanghi 2015-12-27
  • 打赏
  • 举报
回复
算了,不研究了 sprintf(str,"%.2f",human[0].score3); sprintf(strtemp,"%.2f,%.2f",human[0].score2,human[0].score1); strcat(str,strtemp); printf(str); 这样就没问题,奇怪 先结贴
paschen 2015-12-25
  • 打赏
  • 举报
回复
浮点数可能除以了0
begodliker 2015-12-25
  • 打赏
  • 举报
回复
应该是没有获取到human[0].score3,而你的human又没有初始化,所以才会输出错误
赵4老师 2015-12-23
  • 打赏
  • 举报
回复
To set a breakpoint when a variable human[0].score3 changes value From the Edit menu, click Breakpoints. Click the Data tab of the Breakpoints dialog box. In the Expression text box, type the name of the variable human[0].score3. Click OK to set the breakpoint.
gh_99 2015-12-22
  • 打赏
  • 举报
回复
把数据库获取数据原先赋给human[0].score3的值赋给human[0].score2,看看是否正常. 正常则是你数据库获取数据有问题或是对human[0].score3操作有问题.
内容概要:本文介绍了一个基于MATLAB实现的VMD-SVM联合模型,用于机械设备的故障诊断与分类预测。该方法结合变分模态分解(VMD)和支持向量机(SVM),首先利用VMD对原始振动信号等工业监测数据进行自适应分解,提取具有物理意义的本征模态分量,有效分离噪声与关键故障特征;随后通过时频域特征提取与PCA降维,构建高判别性特征集,并输入优化后的SVM分类器实现多类别、非线性故障的精准识别。项目涵盖完整的模型架构、参数优化策略及应对工程挑战的解决方案,并提供了部分MATLAB代码示例,支持实时预测、可视化展示与系统集成。; 适合人群:具备一定信号处理与机器学习基础,从事工业故障诊断、智能运维、智能制造等相关领域的科研人员、工程技术人员及研究生;熟悉MATLAB编程者更佳; 使用场景及目标:①解决复杂工况下设备故障信号的特征提取与分类难题;②实现旋转机械、电力设备等多类型装备的智能健康监测与预测性维护;③构建高鲁棒性、可扩展的故障诊断系统; 阅读建议:建议结合文中提供的代码示例与完整程序(含GUI设计)进行实践操作,重点关注VMD参数调优、特征构造与SVM多分类实现过程,同时可拓展至迁移学习与边缘部署以提升工程应用价值。
传送带损坏与对象检测数据集 一、基础信息 • 数据集名称:传送带损坏与对象检测数据集 • 图片数量: 训练集:645张图片 验证集:185张图片 测试集:92张图片 总计:922张工业监控图片 • 训练集:645张图片 • 验证集:185张图片 • 测试集:92张图片 • 总计:922张工业监控图片 • 分类类别: Hole(孔洞):传送带表面的孔洞损坏。 Human(人类):工作区域中的人类,用于安全监控。 Other Objects(其他对象):非预期对象,可能引起故障。 Puncture(刺穿):传送带被刺穿的损坏。 Roller(滚筒):传送带滚筒部件。 Tear(撕裂):传送带撕裂损坏。 impact damage(冲击损坏):由于冲击导致的损坏。 patch work(修补工作):已修补的区域。 • Hole(孔洞):传送带表面的孔洞损坏。 • Human(人类):工作区域中的人类,用于安全监控。 • Other Objects(其他对象):非预期对象,可能引起故障。 • Puncture(刺穿):传送带被刺穿的损坏。 • Roller(滚筒):传送带滚筒部件。 • Tear(撕裂):传送带撕裂损坏。 • impact damage(冲击损坏):由于冲击导致的损坏。 • patch work(修补工作):已修补的区域。 • 标注格式:YOLO格式,包含边界框和类别标签,适用于目标检测任务。 • 数据格式:图像数据来源于工业监控系统,适用于计算机视觉分析。 二、适用场景 • 工业自动化检测系统开发:用于构建自动检测传送带损坏和异物的AI模型,实现实时监控和预防性维护,减少停机时间。 • 安全监控应用:识别人类和其他对象,提升工业环境的安全性,避免事故和人员伤害。 • 学术研究与创新:支持计算机视觉在制造业、物流和自动化领域的应用研究,促进AI技术与工业实践的融合。 • 教育与培训:可用于培训AI模型或作为工业工程和自动化教育的案例数据,帮助学习者理解实际应用场景。 三、数据集优势 • 多样化的类别覆盖:包含8个关键类别,涵盖多种损坏类型和对象,确保模型能够处理各种实际工业场景,提升泛化能力。 • 精准的标注质量:采用YOLO格式,边界框标注准确,由专业标注人员完成,保证数据可靠性和模型训练效果。 • 强大的任务适配性:兼容主流深度学习框架(如YOLO、TensorFlow、PyTorch),可直接用于目标检测任务,并支持扩展至其他视觉任务需求。 • 突出的工业价值:专注于工业传送带系统的实际需求,帮助提升生产效率、降低维护成本,并增强工作场所安全,具有较高的实际应用价值。

70,036

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
社区管理员
  • C语言
  • 花神庙码农
  • 架构师李肯
加入社区
  • 近7日
  • 近30日
  • 至今
社区公告
暂无公告

试试用AI创作助手写篇文章吧