提到模糊综合评价分析，就先得知道模糊数学。1965年美国控制论学家L.A.Zadeh发表的论文“Fuzzy sets”标志着模糊数学的诞生。模糊数学又称Fuzzy数学，是研究和处理模糊性现象的一种数学理论和方法。模糊性数学发展的主流是在它的应用方面。由于模糊性概念已经找到了模糊集的描述方式，人们运用概念进行判断、评价、推理、决策和控制的过程也可以用模糊性数学的方法来描述。例如模糊聚类分析、模糊模式

从做菜说起，小魏是一名大厨，想要创造一道美味的菜肴。首先随机生成多个原始配方，每种配方所用的原料（鸭脖、鸡肉、大肠等）与手法（煎炒焖炸卤炖）组合不同，现实中考虑调料用量、烹饪时间等等变量，会有无穷多种解，传统算法难以求解。请评委对几种配方做出的菜打分，分数高的配方进行配方交叉，保留一部分评分高的配方要素、舍弃评分低的配方。例如配方A和配方C的分数都高，A是卤鸭脖，C是炖大肠，配方交叉尝试新一组方案

传染病预测问题不同类型的传染病的发病机理和传播途径各有特点有的传染病，在得过一次后可获得免疫力，但有的则不会有的传染病具有潜伏期，有的则没有需要对不同类型的传染病建立相应合适的预测模型本篇介绍4个不同情况的模型：指数传播模型、SI模型、SIS模型、SIR模型本篇重点：模型假设与模型改进的思想。

设置较大的c1值，会使粒子过多的在局部搜索（这里的局部搜索指的是粒子会过多的在自身的局部范围内进行搜索，从全局来看实际上增大了搜索范围。反之，较大的c2值会使粒子过早收敛到局部最优值。设置c1较大的值，会使粒子过多地在自身的局部范围内搜索，而较大的c2的值，则又会促使粒子过早收敛到局部最优值。为了有效地控制粒子的飞行速度，使算法达到全局搜索与局部搜索两者间的有效平衡，Clerc构造了引入收缩因子的

在前面有关于TOPSIS法和熵权法的介绍，我们可以知道TOPSIS有一个和层次分析法共有的问题，就是各个指标的权重是由我们主观或根据专家的主观评价估计的。熵权法的另一个问题是，因为概率p是位于0-1之间，因此需要对原始数据进行标准化，我们应该选择哪种方式进行标准化呢？举一个比较极端的例子。X和Y两个指标用来评定班上谁是三好学生，X表示违纪上档案的次数，Y表示逃课的次数，毫无疑问X对评定的影响程度大

回归分析是数据分析中最基础也是最重要的分析工具，绝大多数的数据分析问题，都可以使用回归的思想来解决。回归分析的任务就是，通过研究自变量X和因变量Y的相关关系，尝试去解释Y的形成机制，进而达到通过X去预测Y的目的。常见的回归分析有五类：线性回归、0-1回归、定序回归、计数回归和生存回归，其划分的依据是因变量Y的类型。本篇主要讲解多元线性回归以及lasso回归。回归分析的目的识别重要变量判断相关性的方

机器学习与神经网络机器学习是一类实现人工智能的方法总称，让计算机模拟或实现人类的学习行为神经网络是实现机器学习的一种模型实现机器学习的模型还有支持向量机，决策树，朴素贝叶斯分类器等神经网络能用来做什么已知7人的身高和体重，以及是否达到8岁的数据现在又来了个人，身高128cm， 体重24kg如何判断此人是否达到8岁?什么叫做神经网络有现成的一组数据，既有其特征(自变量x，身高体重)也有其标签(因变量

动态存储分配采用C++的new和delete操作符实现；输入与输出采用C++的文件流对象和cout流；程序注释采用C/C++规范。从键盘输入主串s以及子串t1和t2。编写程序，将主串s中所有t1子串替换为t2子串，输出替换后得到的串以及t1被替换的次数。要求子串查找采用改进KMP算法。输入：根据提示在键盘上输入主串s、子串t1、子串t2。输入：采用遍历数组的方式将串中所有字符输出。程序输出结果与期

输入层784个节点，隐层12个节点，输出层10个节点，隐层和输出层均采用sigmoid激活函数，损失函数为均方损失函数。采用标准正态分布初始化权重和阈值参数，梯度下降最大迭代次数设置为2000，对比学习率为0.001，0.005，0.01时模型的损失函数迭代曲线和模型在测试集上的精度(accuracy)。理解神经网络原理与计算框架，包括前馈神经网络、激活函数、损失函数、后向传播过程等，学会使用梯度

使用sklearn中tree.DecisionTreeClassifier构建决策树，设置random_state=1（消除随机性，多次实验结果相同），划分标准依次选择criterion = ‘gini’和criterion = ‘entropy’，决策树最大层数依次设置max_depth = 1，max_depth = 2，max_depth = 3，填写如下实验结果。理解和掌握决策树原理，包括