带参方法初记录

//带参方法定义类:

public class StudentMgr {
    String[] names = new String[30];
    
    public void addName(String name){
        for(int i=0;i<names.length;i++){
            if(names[i]==null){
                names[i] = name;
                break;
                
            }
        }
    }

    public boolean searchName(int start,int end,String name){
        boolean flag = false;
        for(int i=start-1;i<end;i++){
            if(name.equals(names[i])){
            flag = true;
            break;
            }
        }
    
    return flag;

    }
    public void showName(){
        System.out.print("本班学员列表:");
        for(int i=0;i<names.length;i++){
            if(names[i]!=null){
                System.out.print(names[i]+"\t");
                
            }
        }
    }
    
    
}

 

 

//带参方法调用

import java.util.Scanner;

public class TestStudentMgr {
    public static void main(String[] args){
        StudentMgr mgr = new StudentMgr();
        Scanner input = new Scanner(System.in);
        for(int i=0;i<5;i++){
            System.out.print("请输入第"+(i+1)+"个同学的姓名:");
            String name = input.next();
            mgr.addName(name);
            
        }
        mgr.showName();
        //查找某个学生信息
        System.out.print("\n请输入要开始查找的位置:");
        int start = input.nextInt();
        System.out.print("请输入要结束查找的位置:");
        int end = input.nextInt();
        System.out.print("请输入要查找的学生姓名:");
        String findname = input.next();
        boolean flag = mgr.searchName(start,end,findname);
        if(flag){
            System.out.println("恭喜您,查到了该生姓名!");
        }else{
            System.out.print("对不起,没在该范围内查找到本学生!");
        }
        
    }

}

 

记录学习每一天,加油@!

( ̄▽ ̄)"

 

 

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
论文研究-基于MapReduce的分布式改进随机森林学生就业数据分类模型研究.pdf,  教育数据挖掘(educational data mining)是当代教育信息化发展的前沿研究领域,正在吸引越来越多教育学家和数据科学家的关注."大数据"时代背景下,随着数据处理规模的不断激增,现有的数据挖掘模型在单一处理节点的计算能力遭遇瓶颈,各类面向大数据处理的分布式计算框架应运而生.借助这些框架,面向解决高校就业数据挖掘问题的机器学习模型便可以满足未来大规模数据处理的需求,在未来数据集体量庞大的信息集成系统中为数据挖掘和决策支持提供帮助.以此为背景,本研究对比现有数据模型对研究目标对象的分类性能,提出了以引入输入特征加权系数来计算特征的信息增益作为特征最优分裂评判指标的改进随机森林模型来提升数据分类性能,通过仿真测试改进模型对于现有模型分类性能的提升情况,与此同时为解决大数据时代背景下面向海量数据分类任务的单节点性能瓶颈问题,提出了基于分布式改进随机森林算法的大规模学生就业数据分类预测模型.通过使用MapReduce分布式计算框架实现已训练模型在本地磁盘与分布式文件系统之间的序列化写入与反序列化加载过程,进而实现了基于改进随机森林模型的大规模数据分类模型的分布式扩展.

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值