用栈后续遍历二叉树的非递归算法!这有算法,哪位大虾抽点时间帮我用c++实现!感激不尽!

striker1982 2004-05-08 11:07:24
typedef struct {
BTNode* ptr;
enum {0,1,2} mark;
0 } PMType; //有mark域的结点指针类型
void PostOrder_Stack(BiTree T)//用栈后续遍历二叉树的非递归算法,
{
PMType a;
InitStack(S); //S的元素为PMType类型
Push (S,{T,0}); //根结点入栈
while(!StackEmpty(S))
{
Pop(S,a);
switch(a.mark)
{
case 0:
Push(S,{a.ptr,1}); //修改mark域
if(a.ptr->lchild) Push(S,{a.ptr->lchild,0}); //访问左子树
break;
case 1:
Push(S,{a.ptr,2}); //修改mark域
if(a.ptr->rchild) Push(S,{a.ptr->rchild,0}); //访问右子树
break;
case 2:
visit(a.ptr); //访问结点,返回
}
}//while
}//PostOrder_Stack
分析:为了区分两次过栈的不同处理方式,在堆栈中增加一个mark域,mark=0表示刚刚访问此结点,mark=1表示左子树处理结束返回,mark=2表示右子树处理结束返回.每次根据栈顶元素的mark域值决定做何种动作.
...全文
204 7 打赏 收藏 转发到动态 举报
写回复
用AI写文章
7 条回复
切换为时间正序
请发表友善的回复…
发表回复
codeyangjun 2004-06-14
  • 打赏
  • 举报
回复
楼主可看清华殷人昆的数据结构教材!我们上课用的是这本,上面有详细的讲解
WYlslrt 2004-06-14
  • 打赏
  • 举报
回复
既然上面说过了,我就不说了。
fannytong 2004-06-14
  • 打赏
  • 举报
回复
小弟写得看看可以吗?


//后序非递归遍历
bool PostOrderTraverse(Bitree T)
{
Tree p;
stack<Tree> s;
p.bitree=T;

while(p.bitree||!s.empty())
{
if(p.bitree)
{
p.tag=0; //给标记tag赋初值0
s.push(p);
p.bitree=p.bitree->lchild;
}
else
{
p=s.top();
s.pop();
if(p.tag==0) //改变tag的值并压回栈中
{
p.tag=1;
s.push(p);
p.bitree=p.bitree->rchild;
}
else
{
cout<<p.bitree->data;
p.bitree=NULL;
}
}
}
return true;
}
whalefish2001 2004-05-09
  • 打赏
  • 举报
回复
对呀,这样就可以了啊

在C++的编译器下也能运行啊。
并且速度还很快。
stephen85 2004-05-08
  • 打赏
  • 举报
回复
这样就可以了
haoahoxueJAVA 2004-05-08
  • 打赏
  • 举报
回复
关注中!

我也想要呀!
wlpwind 2004-05-08
  • 打赏
  • 举报
回复
这个也可以看作c++
YOLOv11人物目标检测数据集 目标类别:['Persona'] 中文类别:['人物'] 训练集:1683 张 验证集:182 张 测试集:0 张 总计:1865 张 该数据集提供了data.yaml文件,内容如下: train: ../train/images val: ../valid/images test: ../test/images nc: 1 names: ['Persona'] YOLOv11城市街头与室内场景人物目标检测数据集 该数据集涵盖了城市街头、商业街区、办公场所及室内生活等多种场景中的人物目标检测,具有广泛的应用价值。通过多样的场景设置和丰富的拍摄角度,能够有效提升模型在复杂环境下的目标识别能力,为智慧城市、安防监控及人机交互等领域提供高质量的训练数据支持。 从数据分布来看,该数据集包含1683张训练集图像、182张验证集图像以及0张测试集图像,整体比例分配合理。训练集与验证集的比例约为9.25:1,能够充分满足模型训练与性能评估的需求,确保模型在不同场景下的泛化能力得到充分验证。 该数据集的标注工作严谨规范,所有图像均经过人工精确标注,每个目标都配有清晰的边界框和统一的标签“Persona”。标注过程遵循严格的标准,确保了数据的高质量和一致性,为后续的模型训练和性能优化提供了可靠的基础。 基于其多样化的场景覆盖和高质量的标注数据,该数据集可广泛应用于智慧城市管理、公共场所安防监控、智能零售分析以及家庭安防等多个领域。特别是在需要精准识别复杂环境中人物的目标检测任务中,该数据集能够显著提升模型的准确性和鲁棒性。

33,025

社区成员

发帖
与我相关
我的任务
社区描述
数据结构与算法相关内容讨论专区
社区管理员
  • 数据结构与算法社区
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