1. 要求自己编程实现二叉树结构及其相关功能，以存储用户信息，不允许使用标准模板类的二叉树结构和函数。同时要求根据二叉树的变化情况，进行相应的平衡操作，即AVL平衡树操作，四种平衡操作都必须考虑。测试时，各种情况都需要测试，并附上测试截图；

import java.applet.*; import java.awt.*; public class Test1 extends Applet { private int onecnt=0; private int twocnt=0; private int threecnt=0; private int fourcnt=0; private int fivecnt=0; private int sixcnt=0; public void paint(Graphics g) { int a[] = new int[100]; int count[] =new int[7]; for(int i=0;i< 100;i++) { a[i]= (int)(Math.random()*6+1); count[a[i]]++; System.out.print(a[i] + " "); switch(a[i]) { case 1:onecnt++;break; case 2:twocnt++;break; case 3:threecnt++;break; case 4:fourcnt++;break; case 5:fivecnt++;break; case 6:sixcnt++;break; } 。。。。

成本敏感的学习 依赖实例的成本敏感型学习的混合整数规划方法 抽象 在这项研究中，我们研究了与示例相关的成本敏感型学习，该学习基于标签决策带来了不同的成本/回报。 这些问题源于决策模型，在数据中成本/收益信息而不是真正标签的重点领域中得到了区分。 例如，在流失预测和信用评分中，主要目的是建立预测模型和决策规则，以最大化/最小化公司的回报/成本。 传统的精度驱动的分类方法没有考虑基于实例的成本/回报。 取而代之的是，学习基于恒定的错误分类错误进行。 因此，我们提出了一种将基于实例的成本/收益纳入学习算法的一般策略。 具体而言，将学习问题表述为混合整数程序，以使总回报最大化。 考虑到混合整数线性规划问题的高计算复杂性，该模型对于大规模数据集的训练实际上可能效率低下。 为了解决这个问题，我们还提出了成本敏感型Logistic回归，这是公式化线性模型的非线性近似，这得益于使用深度学习工具进行的基于梯

用C++实现，数据结构课程设计报告。比较完整。

数据结构课程设计长整数四则运算，.exe文件。希望有意着来看看。

补充2019-07-18的源码《将一个正整数拆分成若干个正整数的和》

用Matlab实现求解混合整数规划的分支定界法。还不是很完善，可以在上面修改。

1、本程序实现计算任意长的整数的加、减法运算. 以用户和计算机对话的方式，即在计算机终端上显示“提示信息”之后，由用户在键盘上输入演示程序中规定的运算命令，然后程序就计算并显示出这两个数的运算。 2、本演示程序中，集合的元素限定为数字字符[‘0’~’9’]和字符‘，’与‘；’，输入字符可以任意长，输入形式以“回车符”为结束标志，串中字符顺序不限，且允许出现重复字符。3、利用双向循环链表现实长整数的存储，每个结点含一个整形变量。输入的形式以回车结束，可以直接输入正数或负数。按中国对于长整数的表示习惯，每四位一组，除数字和位于首位置的负号外，其它一切字符都将作为分隔符，连续多个分隔符当一个处理。但不使用分隔符也不影响结果。

c++的任意大小整数类-源码

数学建模-整数规划-分支定界法的MATLAB实现。对于数学建模很有帮助，祝大家在建模中取得好成绩。程序已经经过调试，可以运行