判断矩阵

判断矩阵B具有以下特征：- 对角线元素为1（bii = 1）- 互逆元素相等（bji = 1/bij）- 元素比值相等（bik / bjk = bij / bik）

AHP层次分析法：构建判断矩阵 在使用层次分析法（AHP）进行系统分析时，构建判断矩阵是至关重要的一步。判断矩阵用于表达决策者对同一层次因素之间相对重要性的判断。 判断矩阵的构建步骤： 确定评估因素： 明确要评估的因素，并将其归入不同的层次，包括目标层、准则层和方案层。 两两比较： 将同一层次的因素进行两两比较，评估它们之间的相对重要性。可以使用1-9标度法进行比较，其中1表示两个因素同等重要，9表示一个因素比另一个因素极其重要。 构建矩阵： 将两两比较的结果填写到判断矩阵中。判断矩阵是一个方形矩阵，其行和列代表同一层次的因素。 一致性检验： 对构建的判断矩阵进行一致性检验，确保判断的逻辑一致性。 判断矩阵示例： 假设我们需要评估三个方案A、B、C，并使用两个准则：成本和质量。我们可以构建以下判断矩阵： | 准则 | 成本 | 质量 || ---- | ---- | ---- || 成本 | 1 | 1/3 || 质量 | 3 | 1 | 该矩阵表示，决策者认为质量比成本重要三倍。 注意事项： 判断矩阵的行和列必须对应相同的因素。 判断矩阵的对角线元素始终为1。 判断矩阵的元素应满足倒数关系，例如，如果A比B重要3倍，那么B比A重要1/3倍。 一致性检验是确保判断矩阵有效性的重要步骤。 通过构建判断矩阵，我们可以将决策者的主观判断转化为定量数据，为后续的AHP分析提供基础。

ISMONOTONIC(X)是MATLAB中用于确定向量或矩阵是否单调的函数。默认情况下，对于非严格单调的向量，ISMONOTONIC返回true，涵盖单调递增和单调递减。对于矩阵和多维数组，ISMONOTONIC逐列返回一个布尔值。使用ISMONOTONIC(X, 1)时，仅当X严格单调递增或递减时才返回true。ISMONOTONIC(X, 0)与ISMONOTONIC(X)功能相同。ISMONOTONIC(X, [], 'INCREASING')仅在X单调递增时返回true。ISMONOTONIC(X, [], 'DECREASING')仅在X单调递减时返回true。ISMONOTONIC(X, [], 'EITHER')与ISMONOTONIC(X, [])效果相同。

在决策过程中，准则对目标的影响及方案对每个准则的权重不同，因此建立层次结构后的关键步骤是构造准则层和方案层的比较判断矩阵，以确定权重。

自己写的sql作业DECLARE @year INT SELECT @year=2100 if(@year0!=0 or @year@0=0 and @year%4=0) PRINT CONVERT(char(4),@year)+'是闰年' else PRINT CONVERT(char(4),@year)+'不是闰年' go

栈应用实例：进制转换与回文判断 本实验将利用栈结构实现两个经典算法： 一、十进制数转换 目标：将输入的非负十进制整数转换为八进制和十六进制形式输出。 实现方法： 采用顺序栈存储转换过程中的余数。 将输入的十进制数不断除以目标进制数（8 或 16），并将余数压入栈中。 依次弹出栈中元素，拼接成最终结果。 二、回文判断 目标：判断一个字符串是否是回文，即正序和倒序读取结果相同。 实现方法： 利用链栈存储字符串的每个字符。 将字符串依次入栈。 依次出栈，并与原字符串进行比较。

数据矩阵：n个数据点具有p个维度相异度矩阵：n个数据点，仅记录差异三角矩阵单一模式距离只是衡量差异的一种方式

二、MATLAB矩阵处理 2.1 特殊矩阵常用的特殊矩阵包括：- zero()：产生0矩阵- one()：全1矩阵- eye()：产生对角线为1的矩阵- rand()：产生(0,1)区间均匀分布的随机矩阵- randn()：产生标准正态分布的随机矩阵 特殊矩阵：1. 魔法矩阵：magic(n)2. 范德蒙矩阵：vander(v)3. Hilbert矩阵：hilb(n)4. 伴随矩阵：compan(p)5. 帕斯卡矩阵：pascal(n) 2.2 矩阵变换- 提取矩阵对角线元素：diag(A, k=0)：提取矩阵A第k条对角线元素，返回列向量。- 构造对角矩阵：diag(v)：从向量v构造对角矩阵。

自定义运算函数可判断员工薪水是否在指定范围内，从而确定其等级。如：sal介于1000和3000之间，则为Grade C。

Oracle中如何编写函数以判断字段是否为数字？同时解决多表关联时可能出现的非法字符报错。