一、介绍C语言的 二、结构体 三、共用体 四、枚举 五、其它数据类型

9.1 结构体 9.2 共用体 9.3 枚举类型与类型命名

9.1结构体 9.2共用体 9.3枚举类型与类型命名

1. 理解结构体和共用体的定义方式和内存分配情况。 2. 掌握指向结构体的类型数据的指针定义与使用。 3. 掌握链表的建立、插入和删除等操作

迄今为止，我们已详细介绍了基本数据类型如整 型、实型、字符型等，也介绍了一种构造类型的数 据—数组，数组中的各元素是属于同一个类型的。 但在处理实际问题时，经常会遇到复杂的数据，只 有这些数据类型是不够的，还需要将不同类型的数 据组合成一个有机的整体，以便于引用。为了能把 这些有一定逻辑联系的数据组成一个整体，C++语 言提供了一种结构体数据类型本章主要介绍由不同 类型数据组成的构造类型的数据，包括结构体类型 共用体类型和枚举类

一、结构体是一种构造数据类型 二、用途：把不同类型的数据组合成一个整体-------自定义数据类型

一般形式： struct 结构体名 { 成员列表 } ; 类型说明 成员1； 类型说明 成员2； … … 类型说明 成员n;

14.1 用typedef说明一种新类型名 14.2 结构体类型

针对目前视网膜血管分割中存在的细小血管提取不完整、分割不准确的问题，从血管形状拓扑关系利用的角度出发，探索多任务卷积神经网络设计，提出骨架图引导的级联视网膜血管分割网络框架。该框架包含血管骨架图提取网络模块、血管分割网络模块和若干自适应特征融合结构体。骨架提取辅助任务用于提取血管中心线，能够最大限度地保留血管拓扑结构特征；自适应特征融合结构体嵌入在两个模块的特征层间。该结构体通过学习像素级的融合权重，有效地将血管拓扑结构特征与血管局部特征相融合，加强血管特征的结构信息响应。为了获得更完整的骨架图，骨架图提取网络还引入了基于图的正则化损失函数用于训练。与最新的血管分割方法相比，该方法在3个公共视网膜图像数据集上均获得第一名，在DRIVE，STARE和CHASEDB1中其F1值分别为83.1%，85.8%和82.0%。消融实验表明骨架图引导的视网膜血管分割效果更好，并且，基于图的正则化损失也能进一步提高血管分割准确性。通过将骨架提取模块和血管分割模块替换成不同的卷积网络验证了框架的普适性

【实验目的】 1掌握结构的概念、定义及应用 2掌握结构变量的定义和初始化; 3掌握结构成员的访问、结构赋值的含义以及结构与指针、函数的关系