OOP的一些基本概念 oop：类把对象的数据和操作数据的方法作为一个整体考虑 类的成员可以是变量，也可以是函数。 类的成员变量也叫属性。 类的成员函数也叫方法/行为，类的成员函数可以定义在类的外面。 12345678910class Student{public: string name; int age; void show(); //在类中进行声明

灰色系统 系统是黑色：信息少；白色：信息多；灰色：介于二者之间 关联分析 分析因素与因素之间的联系 step 1.确定母序列 反应系统行为特征的数据序列，类似因变量\(Y\)​，有 \[ Y=\begin{bmatrix}y_1,y_2,\cdots,y_n\end{bmatrix}^T \] 2.确定子序列 子序列（又称比较序列、子指标） 影响系统行为的因素组成的数数据序列

模糊综合评价算法 处理现实的数学模型： 确定性数学模型 随机性数学模型 模糊性模型 模糊集合：与经典集合不同，没有互斥性与确定性 用隶属函数来刻画这个程度：$ _{A} (x) $，越接近于\(1\)代表越属于该集合，反之；\(\mu _{A}(x)=0.5\)时，模糊性最大 模糊集合的表示方法 当论域X为有限集时，记\(X={x_{1}, x_{2}, ..., x_

熵权法 一种比较客观的，得到权重的方法 依据的原理：指标的变异程度越小，所反映的信息量也越少，其对应的权值也应该越低。 步骤 1.数据标准化 矩阵标准化之后为\(Z\)，满足 \[ z_{ij} = \frac{x_{ij}}{\sqrt{\sum_{i=1}^{n} x_{ij}}} \] 若存在负数，则 \[ \tilde{Z} = \frac{x - \min\{x_{1j}

split方法用于将一个字符串分割成多个小的子字符串，并返回一个列表 123persons = "Mike Jerry Tom"result = persons.split() # 将字符串使用默认分隔符（空格）拆分成多个小的子字符串print(result) # 输出: ['Mike', 'Jerry', 'Tom&#x

TOPSIS 法 基本思想 衡量综合条件最好：距离最好点最近/距离最差点最远 计算多目标距离理想解与反理想解的距离，得到贴近度∈(0,1)。 步骤 将原始矩阵正向化 把所有指标都转换为越大越好 指标名称 指标特点 极大型（效益型）指标 越大（多）越好 极小型（成本型）指标 越小（少）越好 中间型指标 越接近某个值越好

怎么能让指标在同一数量级，且保证在同一指标下其差距不变？ 归一化处理：数组[a, b, c] -> \(\frac{a}{a+b+c}, \frac{b}{a+b+c}, \frac{c}{a+b+c}\)，再调整各自的权重 层次分析法(AHP)： 模型原理： 将问题分成三个层次：最高层（结果），中间层，最底层（决策提供的方案 ） 基本步骤 1. 建立递阶层次结构模型 2.

Heutzutag ist die soziale App XHS in Chian sehr beliebt. Ich bin der Meinung, dass dies aus drei folgenden Gründen populär ist. Der erste Grund ist, dass die chiesische Bevölkerung, egal junge oder

题目 给你一个整数数组 nums 和一个整数 k ，请你统计并返回 该数组中和为 k 的子数组的个数 。 子数组是数组中元素的连续非空序列。 示例 1： 12输入：nums = [1,1,1], k = 2输出：2 示例 2： 12输入：nums = [1,2,3], k = 3输出：2 提示： 1 <= nums.length <= 2 * 104 -1