精华内容
下载资源
问答
  • 层次越高,越简单

    千次阅读 2020-12-02 20:11:46
    简单过得幸福,复杂的过得痛苦。 海明威说过:“在一个奢华浪费的年代,人类真正需要的东西是非常之微少的。” 这一生,真正需要的东西很...层次越高,越懂得戒掉多余欲望,追求简单的生活品质和精神世界
    我是一名从事了多年软件测试的老测试员,整理了一份最适合2020年学习的软件测试学习干货,可以送给每一位对软件测试感兴趣的小伙伴,想要获取的可以关注我的公众号:【伤心的辣条】,即可免费获取。
    

    在这里插入图片描述
    简单的人过得幸福,复杂的人过得痛苦。

    海明威说过:“在一个奢华浪费的年代,人类真正需要的东西是非常之微少的。”

    人这一生,真正需要的东西很少,但追求的往往很多,身心必然深受其扰。

    人生最难做到的,是告别复杂,回归简单,找到内心真正渴求的东西。

    层次越高的人,越懂得戒掉多余欲望,追求简单的生活品质和精神世界。

    01 爱好简单

    作家路遥生平只有两个爱好,一个是抽烟,还有一个是喝咖啡。

    只要睁开眼睛从床上爬起来,第一件事就是赶紧点一支烟,再冲一杯咖啡。

    这两样东西,一样也不能少,坚持了几十年。

    除此以外,路遥几乎没有什么爱好,穿着总是很随性,一点也不讲究。

    他却以苦行僧式的方式,耗时13年,竭尽全力完成了百万字《平凡的世界》的创作。

    《平凡的世界》一经推出,便轰动了整个文坛,时至今日,依然畅销不衰。

    同为陕西作家的陈忠实爱好也颇为简单。

    有捞面吃,有球赛看,有秦腔听,就是他对生活的全部要求。

    几十年来,不论多么忙,遇上电视转播篮球、足球、乒乓球赛都要准时收看。

    有一年世界杯,为了避免家人干扰,他索性躲在宾馆包了一个房间,美美地过了一把足球瘾,被大伙笑称“老玩童”。

    在爱好之余,陈忠实花了两三年时间收集资料,用了整整六年时间完成了《白鹿原》的创作,被称为当代恢弘壮阔的史诗级巨著,是一部民族秘史。

    对路遥和陈忠实来说,简单的爱好只是排遣写作苦闷的方式,毕生大部分的精力和心力都交付给了热爱的写作事业。

    一个人把时间花在哪里,最后成就就在哪里。

    层次越高的人,爱好越简单。

    他们集中精力做更有意义的事,而不是在无关紧要的事情上虚度时间。

    在这里插入图片描述

    02 复杂的问题简单处理

    同样一件事情,每个人处理的方式都不尽相同,往往暴露出一个人的精神层次。

    厉害的人把复杂的问题简单化,愚蠢的人把简单的问题复杂化。

    城市的街头不乏7-ELEVEN便利店的身影,24小时营业,是午夜晚归人的慰藉。

    创始人铃木敏文更是创造了零售的业界奇迹,7-ELEVEN发展成营业额约等同日本GDP的1.25% 的零售王国。

    铃木敏文每天要做很多抉择,大到要不要创立7-ELEVEN,小到一款销量还不错的饭团要不要撤出货架,几乎所有事情都要他亲力亲为。

    时代瞬息万变,顾客的需求也在随时随地的发生着变化。

    面对每次抉择,铃木敏文几乎没有过任何顾虑和担忧,对他来说并非难事。

    因为他做每一次抉择,永远都奉行一条最简单的原则,就是站在顾客的立场去思考问题。

    设置ATM机方便顾客取钱,那就建;

    饭团销量好,但没达到最佳口味,那就撤。

    在做抉择之前,他会自动屏蔽掉企业利润、前景、各方利益等等因素,单纯站在顾客角度,永远把顾客感受放在首位,以不变应万变。

    处理复杂问题的能力,往往最能体现一个人水平高低、本事大小。

    有句话说得好,把复杂的事情简单化,是能力,更是一种智慧。

    把世界看得复杂的人,内心自然复杂;

    把时间看得简单的人,内心自然简单。

    一个人只有心思简单纯净,遇到问题时,才有可能找到最简单的处理方式。

    如果一个人心思诡谲复杂,遇到再简单的问题,都会因为想的太多而复杂处理。

    在这里插入图片描述

    03 沟通方式简单

    前两天,读《听杨绛谈往事》一书,对杨绛鲜为人知情感经历颇为吃惊。

    社会学家费孝通跟杨绛青梅竹马,打小就相识,一起就读振华女中。

    年纪渐长,费孝通对杨绛流露出了爱慕之情,可杨绛只拿费孝通当要好朋友。

    杨绛和钱钟书交往以后,写信给费孝通,告诉他:“我有男朋友了。”

    费孝通气不过,特意跑到清华大学找杨绛“吵架”,因为在他看来,自己更有资格做杨绛的男朋友。

    杨绛在感情上一向直接,喜不喜欢,直接指出,绝不拖泥带水。

    杨绛回应说:“朋友,可以。但朋友是目的,不是过渡。”

    费孝通很失望,却也无可奈何,只好接受现实,悻悻而归。

    钱钟书去世后,费孝通多次前往杨绛住所拜访,一心想要再续前缘。

    杨绛在送他下楼时说:“楼梯不好走,你以后不要再‘知难而上’了。”

    一句话既摆明了自己坚定的立场,又照顾了费孝通的尊严。

    杨绛始终对费孝通保持着“普通关系”的态度,而且从来都不拐弯抹角。

    层次越高的人,沟通方式向来简单明了,果断干脆。

    对待一件事、一个人更专心,不会弯弯绕绕,有太多花花肠子。

    不喜欢的事,直接说不;不喜欢的人,直接离开。

    成年人的沟通方式,简单就是舒服,越简单,越舒服。

    在这里插入图片描述

    04 心境简单

    有人说:你在乎的、计较的,往往能反映出你的水平。

    层次越高的人,往往心境简单,不计较,不争辩,不为外物所扰。

    一个朋友怒气冲冲地跑来找郭德纲,跟他说有粉丝辱骂他的相声不搞笑,还说他的相声上不了台面,简直是在给相声界丢脸。

    郭德纲听了并没有暴跳如雷,反而十分轻松地说道:

    “我发现黄瓜炒虾仁时,用盐将瓜片腌透,然后再炒,味道更加鲜美。”

    还有一次,一个徒弟发微博遭人辱骂,跑来跟郭德纲诉苦。

    郭德纲劝他说:“既然聊不到一起,何必受累?不理便是。”

    他还给徒弟打了个比方:

    两个人打赌诸葛亮和孔明是不是一个人,不管最后谁赢了,都毫无意义。

    恰如郭德纲所言,生活中很多事不值得去计较去争辩的。

    当你以简单的心境生活,凡事看开看淡,不争辩,不解释,才能守住自己的一方天地。

    当你以清净心看世界,以平常心生情味,以柔软心除挂碍,才能淡定从容地过好每一天。

    心境简单了,才有精力对付生活;生活简单了,才有时间享受人生。

    有这样一句谚语:

    “生活简单就迷人,人心简单就幸福。学会简单,其实就是不简单。”

    人的境界越高,生活和生命就越简单。

    越简单的人过得越幸福,越复杂的人过得越痛苦。

    人,越往后就越发现,生活素简,内心丰盈,就是最好的生活。

    越简单,活得越开心;越简单,人生的祸患就越少。

    点个在看,愿你余生活得简单而通透,不为人情烦恼,不为俗世忧愁。

    如果你

    ①从事功能测试,想进阶自动化测试

    ②在测试界混了1、2年,依然不会敲代码

    ③面试大厂却屡屡碰壁

    我邀你进群吧!来吧~~测试员,313782132(Q群里有技术大牛一起交流分享,学习资源的价值取决于你的行动,莫做“收藏家”)获取更多大厂技术、面试资料

    如果对python自动化测试、web自动化、接口自动化、移动端自动化、面试经验交流等等感兴趣的测试人,可以关注微信公众号:【伤心的辣条】,获取软件测试工程师大厂面试资料!

    最后:

    凡事要趁早,特别是技术行业,一定要提升技术功底,丰富自动化项目实战经验,这对于你未来几年职业规划,以及测试技术掌握的深度非常有帮助。

    展开全文
  • 冷色调的亮度越高--越偏暖,暖色调的亮度越高--越偏冷。 2.兴奋与沉静: 红色和明亮的黄色调成的橙色--给活泼、愉快、兴奋的感受。青色、青绿色、青紫色--让感到安静、沉稳、塌实。 3.前进与后退: 色彩可以使...

    from:https://www.wenjiwu.com/doc/efoiii.html

    篇一 : 什么叫暖色系冷色系

    蓝色是其中最深的颜色,也是唯一的冷色原色。它支配了红色及黄色,将它们各自转变为本身的冷身系。 红色的深浅度居中,属于暖色的原色。

    黄色是最浅的原色,也属于暖色。

    三原色相混合,可得到二次。

    色黄+红=橙最强烈的暖色系二次色

    红+蓝=紫 冷色系的二次色。

    蓝+黄=绿 最强烈的冷色系二次色。

    将原色与二次色混合,可得到三次色。

    黄+橙=黄/橙 暖色系三次色,

    蓝+绿=蓝/绿 冷色系三次色;

    红+橙=红/橙 暖色系三次色

    蓝+紫=蓝/紫 冷色系三次色;

    红+紫=红/紫 暖色系三次色

    黄+绿=黄/绿 冷色系三次色;

    注意原色的互补色必为二次色。与互补色相混合必然会产生棕色化的结果,因为将原色与互补色的二次色(包括两个原色)相混合,事实上便是将三原色混合在一起。天然的发色是三原色的结合产物,可创造出浓淡不同的各种棕色调。易言之,所有的天然发色都是某种明暗度的棕色。

    蓝色的互补色是橙色

    红色的互补色是绿色

    黄色的互补色是紫色

    不同的色彩可以使人产生不同的心理感受:

    1.暖色与冷色:

    红色、橙色、黄色--为暖色,象征着:太阳、火焰。

    绿色、兰色、黑色--为冷色,象征着:森林、大海、蓝天。

    灰色、紫色、白色--为中间色;

    冷色调的亮度越高--越偏暖,暖色调的亮度越高--越偏冷。

    2.兴奋与沉静:

    红色和明亮的黄色调成的橙色--给人活泼、愉快、兴奋的感受。青色、青绿色、青紫色--让人感到安静、沉稳、塌实。

    3.前进与后退:

    色彩可以使人有距离上的心理感觉。黄色有突出背景向前的感觉,青色有缩入的感觉;其排列如下:红色 > 黄色≈橙色 > 紫色 > 绿色 > 青色;

    暖色为前进色--膨胀、亲近、依偎的感觉。色彩明亮--前进!

    冷色为后退色--镇静、收缩、遥远的感觉。色彩暗 --后退!

    在家庭装修中,面积较小的房间要选用"暗色调的地板";使人有面积扩大的感觉。如果选用明亮色彩的地板就会显得空间狭窄,增加压抑感。

    4.轻与重:

    色彩可以给人带来"轻与重"的感觉;白色和黄色给人感觉较轻,而红色和黑色给人感觉较重。在家装中,

    居室的顶部(天花)易选用浅颜色或较亮的色调;而墙和地面可适当加重,否则给人头重脚轻的感觉。

    5.柔和与强硬:

    暖色感觉柔和、柔软,冷色给人坚实、强硬;中性为过度色。

    色相是什么?三原色和三间色包括哪些颜色?冷色和暖色都有哪些颜色?

    色相,顾名思义即各类色彩的相貌称谓,如大红、普蓝、柠檬黄等。色相是色彩的首要特征,是区别各种不同色彩的最准确的标准。事实上任何黑白灰以外的颜色都有色相的属性,而色相也就是由原色、间色和复色来构成的。

    颜色的品种变化无尽、绚丽多彩,但各种颜色之间存在一定的内在联系,每一种颜色都可用3个参数来确定,即色调、明度和饱和度。色调是彩色彼此相互区别的特征,决定于光源的色谱组成和物体表面所发射的各波长对人眼产生的感觉,可区别红、黄、绿、蓝、紫等特征。明度,也称为亮度,是表示物体表面明暗程度变化的特征值;通过比较各种颜色的明度,颜色就有了明这和深暗之分。饱和度,也称为彩度,是表示物体表面颜色浓淡的特征值,使色彩有了鲜艳与阴晦之别。色调、明度和饱和度构成了一个立体,用这三者建立标度,我们就能用数字来测量颜色。自然界的颜色千变万化,但最基本的是红、黄、、蓝三种,称为原色。以这三种原色按不同比例调配混合而成的另一种颜色,称为复色;三原色拼成的复色,其在颜色圈中与其对应的另一个色为补色。

    原色 红+黄 =橙 蓝+黄 =绿 红+蓝 =紫

    最佳答案

    物体的颜色与周围的环境的颜色相混杂,可能相互谐调/排斥/混合或反射,着势必影响到人们的视觉效果,使物体的大小/形状等在主观感觉中发生各种变化.而这种主观的变化,

    人们就用物理量来表示,因此也称为色彩的物理效果.

    众所周知,太阳光能给人带来温暖,久而久之,当人们看到红色/橙色和黄色也相应的产生温暖感.海水和月光使人感觉清爽.于是人们看到青和青绿之类的颜色,也相应会产生凉爽感.由此

    可见,色彩的温度感不过是人们的习惯反映,是人们长期实践的结果.

    人们将红/橙之类的颜色叫暖色,把青类的颜色叫冷色.红紫到黄绿属暖色,青绿到青属冷色,以青色为最冷.紫色是由属于暖色的红和属于冷色的青色组合成,所以紫和绿被称为温色.黑/白/灰/金/银等色称为中性色

    色彩的温度感是相对的.比如无彩色(如黑/白)与有彩色(黄绿等色彩),后者比前者暖;由无彩色本身看,黑色比白色暖;从有彩色来看,同一色彩含红/橙/黄成分偏多时偏暖,含青的成分偏多时偏冷.因此,绝对的说某种颜色是冷色或暖色是不准确的

    色彩的冷暖还和明度有关.含白色的明色具有凉爽感,含黑的暗色具有温暖感.

    色彩的冷暖也和彩度有关.再暖色中彩度越高月具温暖感;再冷色中,彩度越高越具凉爽感.

    同时色彩的冷暖与物体的表面光滑度有一定的联系.一般来说表面光滑时色彩显的冷,表面粗糙时,色彩就显得暖

    何谓冷暖色?如何去搭配?何谓高调低调?(希望斑竹置顶讨论!!)

    冷色就是指感觉比较冷的颜色 如兰色绿色

    反之,就是暖色 如红色黄色

    紫色却是中性色彩

    比如黄色与紫色就是一对冷暖色,还有红绿 蓝橙 都是冷暖对比色 搭配起来比较具有视觉冲击力

    一般纯色搭配比较好看

    或者具有同色系列的柔和色也是比较客观的搭配的方法

    个人认为页面的底色深浅处理即为高调和低调

    综上所述:冷与暖,高调与低调的搭配有时并不见得完美

    只是增加了视觉方面的冲击力

    反之会起到巨差的效果

    高调和低调, 长调和短调主要是基于明度对比产生的:

    高短调: 明度高,对比弱.

    高长调: 明度高,对比强.

    中短调: 中等明度,弱对比.

    中长调: 中等明度,强对比.

    低短调: 偏暗调子,弱对比.

    低长调: 偏暗调子,强对比.

    网页的色彩是树立网站形象的关键之一,色彩搭配却是网友们感到头疼的问题。 网页的背景,文字,图标,边框,超链接...,应该采用什么样的色彩,应该搭配 什么色彩才能最好的表达出预想的内涵呢?

    首先我们先来了解一些色彩的基本知识:

    1.颜色是因为光的折射而产生的。

    2.红,黄,蓝是三原色,其它的色彩都可以用这三种色彩调和而成。

    网页html语言中的色彩表达即是用这三种颜色的数值表示

    例如:红色是color(255,0,0)十六进制的表示方法为(FF0000)

    白色为(FFFFFF), 我们经常看到的"bgColor=#FFFFFF"就是指背景色为白色。

    3.颜色分非彩色和彩色两类。

    非彩色是指黑,白,灰系统色。

    彩色是指除了非彩色以外的所有色彩。

    4.任何色彩都有饱和度和透明度的属性,属性的变化产生不同的色相,所以至少可以制作 几百万种色彩。

    网页制作用彩色还是非彩色好呢?根据专业的研究机构研究表明:彩色的记忆效果 是黑白的3.5倍。也就是说,在一般情况下,彩色页面较完全黑白页面更加吸引人。 我们通常的做法是:主要内容文字用非彩色(黑色),边框,背景,图片用彩色。这样 页面整体不单调,看主要内容也不会眼花。

    ●非彩色的搭配

    黑白是最基本和最简单的搭配,白字黑底,黑底白字都非常清晰明了。

    灰色是万能色,可以和任何彩色搭配,也可以帮助两种对立的色彩和谐过渡。如果你 实在找不出合适的色彩,那么用灰色试试,效果绝对不会太差。

    ●彩色的搭配

    色彩千变万化,彩色的搭配是我们研究的重点。我们依然需要进一步学习一些色彩 的知识。

    一.色环。我们将色彩按"红->黄->绿->蓝->红"依次过度渐变,就可以得到一个色彩环。 色环的两端是暖色和寒色,当中是中型色。(如下图)

    红.橙.橙黄.黄.黄绿.绿.青绿.蓝绿.蓝.蓝紫.紫.紫红.红

    |___________| |____| |_________| |_________|

    | | | |

    暖色系 中性系 寒色系 中性系

    二.色彩的心理感觉。不同的颜色会给浏览者不同的心理感受。

    红色---是一种激奋的色彩。刺激效果,能使人产生冲动,愤怒,热情,活力的感觉。

    绿色---介于冷暖两中色彩的中间,显得和睦,宁静,健康,安全的感觉。

    它和金黄,淡白搭配,可以产生优雅,舒适的气氛。

    橙色---也是一种激奋的色彩,具有轻快,欢欣,热烈,温馨,时尚的效果。

    黄色---具有快乐,希望,智慧和轻快的个性,它的明度最高。

    蓝色---是最具凉爽,清新,专业的色彩。

    它和白色混合,能体现柔顺,淡雅,浪漫的气氛(象天空的色彩

    白色---具有洁白,明快,纯真,清洁的感受。

    黑色---具有深沉,神秘,寂静,悲哀,压抑的感受。

    灰色---具有中庸,平凡,温和,谦让,中立和高雅的感觉。

    每种色彩在饱和度,透明度上略微变化就会产生不同的感觉。以绿色为例,

    黄绿色有青春,旺盛的视觉意境,而蓝绿色则显得幽宁,阴深。

    ○网页色彩搭配的原理

    1.色彩的鲜明性。网页的色彩要鲜艳,容易引人注目。

    2.色彩的独特性。要有与众不同的色彩,使得大家对你的印象强烈。

    3.色彩的合适性。就是说色彩和你表达的内容气氛相适合。如用粉色体现女性站点的柔性。

    4.色彩的联想性。不同色彩会产生不同的联想,蓝色想到天空,黑色想到黑夜,红色想到 喜事等,选择色彩要和你网页的内涵相关联。

    ○网页色彩掌握的过程

    随着网页制作经验的积累,我们用色有这样的一个趋势:单色->五彩缤纷->标准色->单色。 一开始因为技术和知识缺乏,只能制作出简单的网页,色彩单一;

    在有一定基础和材料后,希望制作一个漂亮的网页,将自己收集的最好的图片,最满意色彩堆砌在页面上;

    但是时间一长,却发现色彩杂乱,没有个性和风格;

    第三次重新定位自己的网站,选择好切合自己的色彩,推出的站点往往比较成功;

    当最后设计理念和技术达到顶峰时,则又返朴归真,用单一色彩甚至非彩色就可以设计出简洁精美的站点。

    ○网页色彩搭配的技巧

    写到这里,有心急的要问了:“到底用什么色彩搭配好看呢?你能不能推荐几种配色方案?”别急,这里有一点技巧,可以帮助你迅速成为调色大师

    1.用一种色彩。这里是指先选定一种色彩,然后调整透明度或者饱和度,(说得通俗些就是将 色彩变淡或则加深),产生新的色彩,用于网页。这样的页面看起来色彩统一,有层次感。

    2.用两种色彩。先选定一种色彩,然后选择它的对比色(在photoshop里按ctrl+shift+I)。我的 主页用蓝色和黄色就是这样确定的。整个页面色彩丰富但不花稍。

    3.用一个色系。简单的说就是用一个感觉的色彩,例如淡蓝,淡黄,淡绿;或者土黄,土灰, 土蓝。确定色彩的方法各人不同,我是在photoshop里按前景色方框,在跳出的拾色器窗中 选择"自定义",然后在"色库"中选就可以了

    4.用黑色和一种彩色。比如大红的字体配黑色的边框感觉很"跳"。

    在网页配色中,忌讳的是:

    1.不要将所有颜色都用到,尽量控制在三种色彩以内。

    2.背景和前文的对比尽量要大,(绝对不要用花纹繁复的图案作背景),以便突出主要文字内容

    篇二 : 冷暖色调PK之我是暖美人

    冷色调高贵冷艳,给人可望而不可及的距离感,犹如高高在上的女神,只能用来仰望。暖色调柔和温暖,以活泼明媚的印象示人,更像恬静懂事的邻家女孩,极具亲和力。如果要问哪1种更诱人,请参考印度思想家奥修的一句名言:“玫瑰就是玫瑰,莲花就是莲花,只要去看,不要比较。”

    01 热烈的红色,如火焰一般有着炙热感。自信与直爽个性可以从红色中瞥见。如此醒目的色彩搭配如此华丽的貉子毛领,体现出衣服的社交属性,不再只是简单的遮羞或者保暖物品。

    02 不过膝的中长款羽绒服搭配打底裤与高跟踝靴,在冬天也要不畏寒冷秀美腿。女人如玫瑰,用红玫瑰的颜色来表达女人味最合适不过,娇媚典雅、馥郁芬芳。具有轻盈视觉效果的玫红色,还能起到一定的显瘦作用。

    03 亮黄色极具视觉冲击力,尤其是在以厚重沉郁色彩占主场的秋冬季节。简单利落的直身剪裁修饰身形,利用口袋拉链巧妙地凸显腰线,塑造出显高身材比例。大翻领极具存在感,还能衬托出精致脸庞。

    04 蕾丝的细腻、高雅、性感与风衣的帅气中性形成对比,别出心裁的碰撞激活时尚能量。复古的蕾丝花纹带着宫廷风的华美与精致,呼应内搭裙装上黑色蕾丝的妖娆气质,凸显女人味。

    05 带点做旧质感的粉色变得不再只是一味的甜腻,有了历史感与故事感也就更具魅力。短款外套显露出俏皮活泼体态,搭配褶皱半身裙便有了学院气息。与长款毛衣、铅笔裤搭配亦能塑造高挑身形。

    06 翻领双排扣设计有着原汁原味的军旅气息,俨然女军官的俊朗。温暖的浅咖色有气质又耐看,还能够衬托肤色,具有显白效果。及膝长靴的搭配有着军靴的帅气,更有扑面而来的女人味。

    07 饱满温暖却不至于臃肿笨重,略显蓬松的短款羽绒服给人留下可爱俏皮的印象。皮草点缀领口与口袋,变身萌宠撒娇卖萌惹人怜爱。橘红色柔和衬肤,化个橘红色系的妆容与之匹配。

    08 双门襟设计一方面提高了羽绒服的保暖性能,另一方面丰富了色彩层次,两色对比避免单调。衣摆花苞式的立体设计利于身材曲线的修饰,温暖之余还要保证苗条身型。

    09 印花拼接为纯色羽绒服增添了视觉趣味点,被抢眼的玫红色吸引来的视线不至于没有落脚之处。轻薄羽绒服是冬季人气款,保暖又不会给身形造成压力,姣好身材照秀不误。

    10 针迹也可以成为纯色羽绒服上的视觉亮点,时而平直时而凑成具有藏肉效果的V字形,有对比又不显凌乱。连帽中长款与A字版型结合,带着一点纯真气息,简单而自然。

    篇三 : 色彩什么是暖色,什么是冷色啊

    色彩

    什么是暖色,什么是冷色啊

    3.色彩的冷暖.物体通过表面色彩可以给人们或温暖或寒冷或凉爽的感觉。一般说来,温度感觉是通过感觉器官触娱物体而来.与色彩风马牛不相及。事实上,各类物体借助五彩缤纷的色彩给人一定的温度感觉。红、橙、黄等颜色使人想到阳光、烈火,故称“暖色”。燃烧的深林,如果你没看到图,听到火,肯定会想到是红色,灼热的感觉。绿、青、蓝等颜色与黑夜、寒冷相联,称“冷色”。夜晚被灯光照亮的宾馆大厦,感觉冷冷的。红色给人积极、跃劝、温暖的感觉。蓝色给人低静、消极的感觉。绿与紫是中性色彩刺激小,效果介于红与蓝之间。中性色彩使人产生休憩、轻松的情绪,可以避免产生疲劳感。人对色彩的冷暖感觉基本取决于色调。色系一般分为暖色系、冷色系、中性色系三类。色彩的冷暖效果还需要考虑其他因素。例如,暖色系色彩的饱和度愈高,其温暖的特性愈明显;而冷色系色彩的亮度愈高,其特性愈明显。色彩感觉的冷暖差别而形成的色彩对比,称为冷暖对比。如同样表现天空的霞光,用玫红画早霞那种清新而偏冷的色彩,感觉很恰当,而描绘晚霞则需要暖感强的大红了。但如与橙色对比,前面两色又都倾向寒感。人们往往用不同的词汇表述色彩的冷暖感觉,暖色——阳光、不透明、刺激的、稠密、深的、近的、重的、男性的、强性的、干的、感情的、方角的、直线型、扩大、稳定、热烈、活泼、开放等。冷色——阴影、透明、镇静的、稀薄的、淡的、远的、轻的、女性的、微弱的、湿的、理智的、圆滑、曲线型、缩小、流动、冷静、文雅、保守等。 中性色:绿色和紫色是中性色。黄绿、蓝、蓝绿等色,使人联想到草、树等植物,产生青春、生命、和平等感觉。紫、蓝紫等色使人联想到花卉、水晶等稀贵物品,故易产生高贵、神秘感。至于黄色,一般被认为是暖色,因为它使人联想起阳光、光明等,但也有人视它为中性色,当然,同属黄色相,柠檬黄显然偏冷,而中黄则感觉偏暖。自19世纪中叶以后,心理学已从哲学转入科学的范畴,心理学家注重实验所验证的色彩心理的效果。冷色与暖色是依据心理错觉对色彩的物理性分类,对于颜色的物质性印象,大致由冷暖两个色系产生。波长长的红光、橙、黄色光,本身有暖和感。相反,波长短的紫色光、蓝色光、绿色光,有寒冷的感觉。在红色环境中,人的脉搏会加快,血压有所升高,情绪兴奋冲动。而处在蓝色环境中,脉搏会减缓,情绪也较沉静。有的科学家发现,颜色能影响脑电波,脑电波对红色反应是警觉,对蓝色的反应是放松。夏日,我们关掉室内的白炽灯,打开日光灯,就会有变凉爽的感觉。 在冷食或冷的饮料包装上使用冷色,视觉上会引起你对这些食物冰冷的感觉。冬日,把卧室的窗帘换成暖色,就会增加室内的暖和感。 冷暖感觉,并非来自物理上的真实温度,而是与我们的视觉与心理联想有关。

    篇四 : 什么叫暖色系冷色系

    蓝色是其中最深的颜色,也是唯一的冷色原色。[)它支配了红色及黄色,将它们各自转变为本身的冷身系。 红色的深浅度居中,属于暖色的原色。

    黄色是最浅的原色,也属于暖色。

    三原色相混合,可得到二次。

    色黄+红=橙最强烈的暖色系二次色

    红+蓝=紫 冷色系的二次色。

    蓝+黄=绿 最强烈的冷色系二次色。

    将原色与二次色混合,可得到三次色。

    黄+橙=黄/橙 暖色系三次色,

    蓝+绿=蓝/绿 冷色系三次色;

    红+橙=红/橙 暖色系三次色

    蓝+紫=蓝/紫 冷色系三次色;

    红+紫=红/紫 暖色系三次色

    黄+绿=黄/绿 冷色系三次色;

    注意原色的互补色必为二次色。与互补色相混合必然会产生棕色化的结果,因为将原色与互补色的二次色(包括两个原色)相混合,事实上便是将三原色混合在一起。天然的发色是三原色的结合产物,可创造出浓淡不同的各种棕色调。易言之,所有的天然发色都是某种明暗度的棕色。

    蓝色的互补色是橙色

    红色的互补色是绿色

    黄色的互补色是紫色

    不同的色彩可以使人产生不同的心理感受:

    1.暖色与冷色:

    红色、橙色、黄色--为暖色,象征着:太阳、火焰。

    绿色、兰色、黑色--为冷色,象征着:森林、大海、蓝天。

    灰色、紫色、白色--为中间色;

    冷色调的亮度越高--越偏暖,暖色调的亮度越高--越偏冷。

    2.兴奋与沉静:

    红色和明亮的黄色调成的橙色--给人活泼、愉快、兴奋的感受。青色、青绿色、青紫色--让人感到安静、沉稳、塌实。

    3.前进与后退:

    色彩可以使人有距离上的心理感觉。黄色有突出背景向前的感觉,青色有缩入的感觉;其排列如下:红色 > 黄色≈橙色 > 紫色 > 绿色 > 青色;

    暖色为前进色--膨胀、亲近、依偎的感觉。色彩明亮--前进!

    冷色为后退色--镇静、收缩、遥远的感觉。色彩暗 --后退!

    在家庭装修中,面积较小的房间要选用"暗色调的地板";使人有面积扩大的感觉。如果选用明亮色彩的地板就会显得空间狭窄,增加压抑感。

    4.轻与重:

    色彩可以给人带来"轻与重"的感觉;白色和黄色给人感觉较轻,而红色和黑色给人感觉较重。在家装中,

    暖色系有哪些 什么叫暖色系冷色系

    居室的顶部(天花)易选用浅颜色或较亮的色调;而墙和地面可适当加重,否则给人头重脚轻的感觉。[]

    5.柔和与强硬:

    暖色感觉柔和、柔软,冷色给人坚实、强硬;中性为过度色。

    色相是什么?三原色和三间色包括哪些颜色?冷色和暖色都有哪些颜色?

    色相,顾名思义即各类色彩的相貌称谓,如大红、普蓝、柠檬黄等。色相是色彩的首要特征,是区别各种不同色彩的最准确的标准。事实上任何黑白灰以外的颜色都有色相的属性,而色相也就是由原色、间色和复色来构成的。

    颜色的品种变化无尽、绚丽多彩,但各种颜色之间存在一定的内在联系,每一种颜色都可用3个参数来确定,即色调、明度和饱和度。色调是彩色彼此相互区别的特征,决定于光源的色谱组成和物体表面所发射的各波长对人眼产生的感觉,可区别红、黄、绿、蓝、紫等特征。明度,也称为亮度,是表示物体表面明暗程度变化的特征值;通过比较各种颜色的明度,颜色就有了明这和深暗之分。饱和度,也称为彩度,是表示物体表面颜色浓淡的特征值,使色彩有了鲜艳与阴晦之别。色调、明度和饱和度构成了一个立体,用这三者建立标度,我们就能用数字来测量颜色。自然界的颜色千变万化,但最基本的是红、黄、、蓝三种,称为原色。以这三种原色按不同比例调配混合而成的另一种颜色,称为复色;三原色拼成的复色,其在颜色圈中与其对应的另一个色为补色。

    原色 红+黄 =橙 蓝+黄 =绿 红+蓝 =紫

    最佳答案

    物体的颜色与周围的环境的颜色相混杂,可能相互谐调/排斥/混合或反射,着势必影响到人们的视觉效果,使物体的大小/形状等在主观感觉中发生各种变化.而这种主观的变化,

    人们就用物理量来表示,因此也称为色彩的物理效果.

    众所周知,太阳光能给人带来温暖,久而久之,当人们看到红色/橙色和黄色也相应的产生温暖感.海水和月光使人感觉清爽.于是人们看到青和青绿之类的颜色,也相应会产生凉爽感.由此

    暖色系有哪些 什么叫暖色系冷色系

    可见,色彩的温度感不过是人们的习惯反映,是人们长期实践的结果.

    人们将红/橙之类的颜色叫暖色,把青类的颜色叫冷色.红紫到黄绿属暖色,青绿到青属冷色,以青色为最冷.紫色是由属于暖色的红和属于冷色的青色组合成,所以紫和绿被称为温色.黑/白/灰/金/银等色称为中性色

    色彩的温度感是相对的.比如无彩色(如黑/白)与有彩色(黄绿等色彩),后者比前者暖;由无彩色本身看,黑色比白色暖;从有彩色来看,同一色彩含红/橙/黄成分偏多时偏暖,含青的成分偏多时偏冷.因此,绝对的说某种颜色是冷色或暖色是不准确的

    色彩的冷暖还和明度有关.含白色的明色具有凉爽感,含黑的暗色具有温暖感.

    色彩的冷暖也和彩度有关.再暖色中彩度越高月具温暖感;再冷色中,彩度越高越具凉爽感.

    同时色彩的冷暖与物体的表面光滑度有一定的联系.一般来说表面光滑时色彩显的冷,表面粗糙时,色彩就显得暖

    何谓冷暖色?如何去搭配?何谓高调低调?(希望斑竹置顶讨论!!)

    冷色就是指感觉比较冷的颜色 如兰色绿色

    反之,就是暖色 如红色黄色

    紫色却是中性色彩

    比如黄色与紫色就是一对冷暖色,还有红绿 蓝橙 都是冷暖对比色 搭配起来比较具有视觉冲击力

    一般纯色搭配比较好看

    或者具有同色系列的柔和色也是比较客观的搭配的方法

    个人认为页面的底色深浅处理即为高调和低调

    暖色系有哪些 什么叫暖色系冷色系

    综上所述:冷与暖,高调与低调的搭配有时并不见得完美

    只是增加了视觉方面的冲击力

    反之会起到巨差的效果

    高调和低调, 长调和短调主要是基于明度对比产生的:

    高短调: 明度高,对比弱.

    高长调: 明度高,对比强.

    中短调: 中等明度,弱对比.

    中长调: 中等明度,强对比.

    低短调: 偏暗调子,弱对比.

    低长调: 偏暗调子,强对比.

    网页的色彩是树立网站形象的关键之一,色彩搭配却是网友们感到头疼的问题。 网页的背景,文字,图标,边框,超链接...,应该采用什么样的色彩,应该搭配 什么色彩才能最好的表达出预想的内涵呢?

    首先我们先来了解一些色彩的基本知识:

    1.颜色是因为光的折射而产生的。

    2.红,黄,蓝是三原色,其它的色彩都可以用这三种色彩调和而成。

    网页html语言中的色彩表达即是用这三种颜色的数值表示

    例如:红色是color(255,0,0)十六进制的表示方法为(FF0000)

    白色为(FFFFFF), 我们经常看到的"bgColor=#FFFFFF"就是指背景色为白色。

    3.颜色分非彩色和彩色两类。

    非彩色是指黑,白,灰系统色。

    彩色是指除了非彩色以外的所有色彩。

    暖色系有哪些 什么叫暖色系冷色系

    4.任何色彩都有饱和度和透明度的属性,属性的变化产生不同的色相,所以至少可以制作 几百万种色彩。

    网页制作用彩色还是非彩色好呢?根据专业的研究机构研究表明:彩色的记忆效果 是黑白的3.5倍。也就是说,在一般情况下,彩色页面较完全黑白页面更加吸引人。 我们通常的做法是:主要内容文字用非彩色(黑色),边框,背景,图片用彩色。这样 页面整体不单调,看主要内容也不会眼花。

    ●非彩色的搭配

    黑白是最基本和最简单的搭配,白字黑底,黑底白字都非常清晰明了。

    灰色是万能色,可以和任何彩色搭配,也可以帮助两种对立的色彩和谐过渡。如果你 实在找不出合适的色彩,那么用灰色试试,效果绝对不会太差。

    ●彩色的搭配

    色彩千变万化,彩色的搭配是我们研究的重点。我们依然需要进一步学习一些色彩 的知识。

    一.色环。我们将色彩按"红->黄->绿->蓝->红"依次过度渐变,就可以得到一个色彩环。 色环的两端是暖色和寒色,当中是中型色。(如下图)

    红.橙.橙黄.黄.黄绿.绿.青绿.蓝绿.蓝.蓝紫.紫.紫红.红

    |___________| |____| |_________| |_________|

    | | | |

    暖色系 中性系 寒色系 中性系

    二.色彩的心理感觉。不同的颜色会给浏览者不同的心理感受。

    红色---是一种激奋的色彩。刺激效果,能使人产生冲动,愤怒,热情,活力的感觉。

    暖色系有哪些 什么叫暖色系冷色系

    绿色---介于冷暖两中色彩的中间,显得和睦,宁静,健康,安全的感觉。

    它和金黄,淡白搭配,可以产生优雅,舒适的气氛。

    橙色---也是一种激奋的色彩,具有轻快,欢欣,热烈,温馨,时尚的效果。

    黄色---具有快乐,希望,智慧和轻快的个性,它的明度最高。

    蓝色---是最具凉爽,清新,专业的色彩。

    它和白色混合,能体现柔顺,淡雅,浪漫的气氛(象天空的色彩

    白色---具有洁白,明快,纯真,清洁的感受。

    黑色---具有深沉,神秘,寂静,悲哀,压抑的感受。

    灰色---具有中庸,平凡,温和,谦让,中立和高雅的感觉。

    每种色彩在饱和度,透明度上略微变化就会产生不同的感觉。以绿色为例,

    黄绿色有青春,旺盛的视觉意境,而蓝绿色则显得幽宁,阴深。

    ○网页色彩搭配的原理

    1.色彩的鲜明性。网页的色彩要鲜艳,容易引人注目。

    2.色彩的独特性。要有与众不同的色彩,使得大家对你的印象强烈。

    3.色彩的合适性。就是说色彩和你表达的内容气氛相适合。如用粉色体现女性站点的柔性。

    4.色彩的联想性。不同色彩会产生不同的联想,蓝色想到天空,黑色想到黑夜,红色想到 喜事等,选择色彩要和你网页的内涵相关联。

    ○网页色彩掌握的过程

    随着网页制作经验的积累,我们用色有这样的一个趋势:单色->五彩缤纷->标准色->单色。 一开始因为技术和知识缺乏,只能制作出简单的网页,色彩单一;

    在有一定基础和材料后,希望制作一个漂亮的网页,将自己收集的最好的图片,最满意色彩堆砌在页面上;

    暖色系有哪些 什么叫暖色系冷色系

    但是时间一长,却发现色彩杂乱,没有个性和风格;

    第三次重新定位自己的网站,选择好切合自己的色彩,推出的站点往往比较成功;

    当最后设计理念和技术达到顶峰时,则又返朴归真,用单一色彩甚至非彩色就可以设计出简洁精美的站点。

    ○网页色彩搭配的技巧

    写到这里,有心急的要问了:“到底用什么色彩搭配好看呢?你能不能推荐几种配色方案?”别急,这里有一点技巧,可以帮助你迅速成为调色大师

    1.用一种色彩。这里是指先选定一种色彩,然后调整透明度或者饱和度,(说得通俗些就是将 色彩变淡或则加深),产生新的色彩,用于网页。这样的页面看起来色彩统一,有层次感。

    2.用两种色彩。先选定一种色彩,然后选择它的对比色(在photoshop里按ctrl+shift+I)。我的 主页用蓝色和黄色就是这样确定的。整个页面色彩丰富但不花稍。

    3.用一个色系。简单的说就是用一个感觉的色彩,例如淡蓝,淡黄,淡绿;或者土黄,土灰, 土蓝。确定色彩的方法各人不同,我是在photoshop里按前景色方框,在跳出的拾色器窗中 选择"自定义",然后在"色库"中选就可以了

    4.用黑色和一种彩色。比如大红的字体配黑色的边框感觉很"跳"。

    在网页配色中,忌讳的是:

    1.不要将所有颜色都用到,尽量控制在三种色彩以内。

    2.背景和前文的对比尽量要大,(绝对不要用花纹繁复的图案作背景),以便突出主要文字内容


    展开全文
  • 层次分析法

    万次阅读 2015-06-11 18:11:53
    该方法是美国运筹学家匹茨堡大学教授萨蒂于20世纪70年代初,在为美国国防部研究"根据各个工业部门国家福利的贡献大小而进行电力分配"课题时,应用网络系统理论和多目标综合评价方法,提出的一种层次权重决策分析...
            层次分析法(Analytic Hierarchy Process,简称AHP)是将与决策总是有关的元素分解成目标、准则、方案等层次,在此基础之上进行定性和定量分析的决策方法。该方法是美国运筹学家匹茨堡大学教授萨蒂于20世纪70年代初,在为美国国防部研究"根据各个工业部门对国家福利的贡献大小而进行电力分配"课题时,应用网络系统理论和多目标综合评价方法,提出的一种层次权重决策分析方法。
     
    应用实例编辑
    1、建立递阶层次结构;
    2、构造两两比较判断矩阵;(正互反矩阵
    购物层次分析模型                     购物层次分析模型
    对各指标之间进行两两对比之后,然后按9分位比率排定各评价指标的相对优劣顺序,依次构造出评价指标的判断矩阵。
    3、针对某一个标准,计算各备选元素的权重;
    关于判断矩阵权重计算的方法有两种,即几何平均法(根法)和规范列平均法(和法)。
    (1)几何平均法(根法)
    计算矩阵A各行各个元素的乘积,得到一个n行一列的矩阵B;
    计算矩阵每个元素的n次方根得到矩阵C;
    对矩阵C进行归一化处理得到矩阵D;
    该矩阵D即为所求权重向量。
    (2)规范列平均法(和法)
    矩阵A每一列归一化得到矩阵B;
    将矩阵B每一行元素的平均值得到一个一列n行的矩阵C;
    矩阵C即为所求权重向量。
     

    2定义

    所谓层次分析法,是指将一个复杂的多目标决策问题作为一个系统,将目标分解为多个目标或准则,进而分解为多指标(或准则、约束)的若干层次,通过定性指标模糊量化方法算出层次单排序(权数)和总排序,以作为目标(多指标)、多方案优化决策的系统方法。
    层次分析法是将决策问题按总目标、各层子目标、评价准则直至具体的备投方案的顺序分解为不同的层次结构,然后得用求解判断矩阵特征向量的办法,求得每一层次的各元素对上一层次某元素的优先权重,最后再加权和的方法递阶归并各备择方案对总目标的最终权重,此最终权重最大者即为最优方案。这里所谓“优先权重”是一种相对的量度,它表明各备择方案在某一特点的评价准则或子目标,标下优越程度的相对量度,以及各子目标对上一层目标而言重要程度的相对量度。层次分析法比较适合于具有分层交错评价指标的目标系统,而且目标值又难于定量描述的决策问题。其用法是构造判断矩阵,求出其最大特征值。及其所对应的特征向量W,归一化后,即为某一层次指标对于上一层次某相关指标的相对重要性权值。
     

    3优缺点

    优点

    1. 系统性的分析方法
    层次分析法把研究对象作为一个系统,按照分解、比较判断、综合的思维方式进行决策,成为继机理分析、统计分析之后发展起来的系统分析的重要工具。系统的思想在于不割断各个因素对结果的影响,而层次分析法中每一层的权重设置最后都会直接或间接影响到结果,而且在每个层次中的每个因素对结果的影响程度都是量化的,非常清晰、明确。这种方法尤其可用于对无结构特性的系统评价以及多目标、多准则、多时期等的系统评价。
    2. 简洁实用的决策方法
    这种方法既不单纯追求高深数学,又不片面地注重行为、逻辑、推理,而是把定性方法与定量方法有机地结合起来,使复杂的系统分解,能将人们的思维过程数学化、系统化,便于人们接受,且能把多目标、多准则又难以全部量化处理的决策问题化为多层次单目标问题,通过两两比较确定同一层次元素相对上一层次元素的数量关系后,最后进行简单的数学运算。即使是具有中等文化程度的人也可了解层次分析的基本原理和掌握它的基本步骤,计算也经常简便,并且所得结果简单明确,容易为决策者了解和掌握。
    3. 所需定量数据信息较少
    层次分析法主要是从评价者对评价问题的本质、要素的理解出发,比一般的定量方法更讲求定性的分析和判断。由于层次分析法是一种模拟人们决策过程的思维方式的一种方法,层次分析法把判断各要素的相对重要性的步骤留给了大脑,只保留人脑对要素的印象,化为简单的权重进行计算。这种思想能处理许多用传统的最优化技术无法着手的实际问题。[1]

    缺点

    1. 不能为决策提供新方案
    层次分析法的作用是从备选方案中选择较优者。这个作用正好说明了层次分析法只能从原有方案中进行选取,而不能为决策者提供解决问题的新方案。这样,我们在应用层次分析法的时候,可能就会有这样一个情况,就是我们自身的创造能力不够,造成了我们尽管在我们想出来的众多方案里选了一个最好的出来,但其效果仍然不够企业所做出来的效果好。而对于大部分决策者来说,如果一种分析工具能替我分析出在我已知的方案里的最优者,然后指出已知方案的不足,又或者甚至再提出改进方案的话,这种分析工具才是比较完美的。但显然,层次分析法还没能做到这点。
    2. 定量数据较少,定性成分多,不易令人信服
    在如今对科学的方法的评价中,一般都认为一门科学需要比较严格的数学论证和完善的定量方法。但现实世界的问题和人脑考虑问题的过程很多时候并不是能简单地用数字来说明一切的。层次分析法是一种带有模拟人脑的决策方式的方法,因此必然带有较多的定性色彩。这样,当一个人应用层次分析法来做决策时,其他人就会说:为什么会是这样?能不能用数学方法来解释?如果不可以的话,你凭什么认为你的这个结果是对的?你说你在这个问题上认识比较深,但我也认为我的认识也比较深,可我和你的意见是不一致的,以我的观点做出来的结果也和你的不一致,这个时候该如何解决?
    比如说,对于一件衣服,我认为评价的指标是舒适度、耐用度,这样的指标对于女士们来说,估计是比较难接受的,因为女士们对衣服的评价一般是美观度是最主要的,对耐用度的要求比较低,甚至可以忽略不计,因为一件便宜又好看的衣服,我就穿一次也值了,根本不考虑它是否耐穿我就买了。这样,对于一个我原本分析的‘购买衣服时的选择方法’的题目,充其量也就只是‘男士购买衣服的选择方法’了。也就是说,定性成分较多的时候,可能这个研究最后能解决的问题就比较少了。
    对于上述这样一个问题,其实也是有办法解决的。如果说我的评价指标太少了,把美观度加进去,就能解决比较多问题了。指标还不够?我再加嘛!还不够?再加!还不够?!不会吧?你分析一个问题的时候考虑那么多指标,不觉得辛苦吗?大家都知道,对于一个问题,指标太多了,大家反而会更难确定方案了。这就引出了层次分析法的第三个不足之处。
    3. 指标过多时数据统计量大,且权重难以确定
    当我们希望能解决较普遍的问题时,指标的选取数量很可能也就随之增加。这就像系统结构理论里,我们要分析一般系统的结构,要搞清楚关系环,就要分析到基层次,而要分析到基层次上的相互关系时,我们要确定的关系就非常多了。指标的增加就意味着我们要构造层次更深、数量更多、规模更庞大的判断矩阵。那么我们就需要对许多的指标进行两两比较的工作。由于一般情况下我们对层次分析法的两两比较是用1至9来说明其相对重要性,如果有越来越多的指标,我们对每两个指标之间的重要程度的判断可能就出现困难了,甚至会对层次单排序和总排序的一致性产生影响,使一致性检验不能通过,也就是说,由于客观事物的复杂性或对事物认识的片面性,通过所构造的判断矩阵求出的特征向量(权值)不一定是合理的。不能通过,就需要调整,在指标数量多的时候这是个很痛苦的过程,因为根据人的思维定势,你觉得这个指标应该是比那个重要,那么就比较难调整过来,同时,也不容易发现指标的相对重要性的取值里到底是哪个有问题,哪个没问题。这就可能花了很多时间,仍然是不能通过一致性检验,而更糟糕的是根本不知道哪里出现了问题。也就是说,层次分析法里面没有办法指出我们的判断矩阵里哪个元素出了问题。[1] 
    4. 特征值和特征向量的精确求法比较复杂
    在求判断矩阵的特征值和特征向量时,所用的方法和我们多元统计所用的方法是一样的。在二阶、三阶的时候,我们还比较容易处理,但随着指标的增加,阶数也随之增加,在计算上也变得越来越困难。不过幸运的是这个缺点比较好解决,我们有三种比较常用的近似计算方法。第一种就是和法,第二种是幂法,还有一种常用方法是根法。
     

    4基本步骤

    建立层次结构模型
    在深入分析实际问题的基础上,将有关的各个因素按照不同属性自上而下地分解成若干层次,同一层的诸因素从属于上一层的因素或对上层因素有影响,同时又支配下一层的因素或受到下层因素的作用。最上层为目标层,通常只有1个因素,最下层通常为方案或对象层,中间可以有一个或几个层次,通常为准则或指标层。当准则过多时(譬如多于9个)应进一步分解出子准则层。
    构造成对比较阵
    从层次结构模型的第2层开始,对于从属于(或影响)上一层每个因素的同一层诸因素,用成对比较法和1—9比较尺度构造成对比较阵,直到最下层。
    计算权向量并做一致性检验
    对于每一个成对比较阵计算最大特征根及对应特征向量,利用一致性指标、随机一致性指标和一致性比率做一致性检验。若检验通过,特征向量(归一化后)即为权向量:若不通过,需重新构造成对比较阵。
    计算组合权向量并做组合一致性检验
    计算最下层对目标的组合权向量,并根据公式做组合一致性检验,若检验通过,则可按照组合权向量表示的结果进行决策,否则需要重新考虑模型或重新构造那些一致性比率较大的成对比较阵。
    美国运筹学家T.L.saaty于20世纪70年代提出的层次分析法(Analytic Hierarchy Process,简称AHP方法),是对方案的多指标系统进行分析的一种层次化、结构化决策方法,它将决策者对复杂系统的决策思维过程模型化、数量化。应用这种方法,决策者通过将复杂问题分解为若干层次和若干因素,在各因素之间进行简单的比较和计算,就可以得出不同方案的权重,为最佳方案的选择提供依据。运用AHP方法,大体可分为以下三个步骤:
    步骤1:分析系统中各因素间的关系,对同一层次各元素关于上一层次中某一准则的重要性进行两两比较,构造两两比较的判断矩阵;
    步骤2:由判断矩阵计算被比较元素对于该准则的相对权重,并进行判断矩阵的一致性检验;
    步骤3:计算各层次对于系统的总排序权重,并进行排序。
    最后,得到各方案对于总目标的总排序。
    构造判断矩阵
    层次分析法的一个重要特点就是用两两重要性程度之比的形式表示出两个方案的相应重要性程度等级。如对某一准则,对其下的各方案进行两两对比,并按其重要性程度评定等级。记为第 和第 因素的重要性之比,表3列出Saaty给出的9个重要性等级及其赋值。按两两比较结果构成的矩阵 称作判断矩阵。判断矩阵 具有如下性质:
    且 / ( =1,2,… ) 即 为正互反矩阵
    表3比例标度表
    因素 比因素
    量化值
    同等重要
    1
    稍微重要
    3
    较强重要
    5
    强烈重要
    7
    极端重要
    9
    两相邻判断的中间值
    2,4,6,8
    计算权重向量
    为了从判断矩阵中提炼出有用信息,达到对事物的规律性的认识,为决策提供出科学依据,就需要计算判断矩阵的权重向量。
    定义:判断矩阵 ,如对 … ,成立 ,则称 满足一致性,并称 为一致性矩阵。
    一致性矩阵A具有下列简单性质:
    1、 存在唯一的非零特征值 ,其对应的特征向量归一化后 记为 ,叫做权重向量,且 ;
    2、 的列向量之和经规范化后的向量,就是权重向量;
    3、 的任一列向量经规范化后的向量,就是权重向量;
    4、对 的全部列向量求每一分量的几何平均,再规范化后的向量,就是权重向量。
    因此,对于构造出的判断矩阵,就可以求出最大特征值所对应的特征向量,然后归一化后作为权值。根据上述定理中的性质2和性质4即得到判断矩阵满足一致性的条件下求取权值的方法,分别称为和法和根法。而当判断矩阵不满足一致性时,用和法和根法计算权重向量则很不精确。
    一致性检验
    判断矩阵的阶数 时,通常难于构造出满足一致性的矩阵来。但判断矩阵偏离一致性条件又应有一个度,为此,必须对判断矩阵是否可接受进行鉴别,这就是一致性检验的内涵。
    定理:设 是正互反矩阵 的最大特征值则必有 ,其中等式当且仅当 为一致性矩阵时成立。
    应用上面的定理,则可以根据 是否成立来检验矩阵的一致性,如果 比 大得越多,则 的非一致性程度就越严重。因此,定义一致性指标
    (1)
    CI越小,说明一致性越大。考虑到一致性的偏离可能是由于随机原因造成的,因此在检验判断矩阵是否具有满意的一致性时,还需将CI和平均随机一致性指标RI进行比较,得出检验系数CR,即
    (2)
    如果CR<0.1 ,则认为该判断矩阵通过一致性检验,否则就不具有满意一致性。
    其中,随机一致性指标RI和判断矩阵的阶数有关,一般情况下,矩阵阶数越大,则出现一致性随机偏离的可能性也越大,其对应关系如表4:
    表4 平均随机一致性指标RI标准值(不同的标准不同,RI的值也会有微小的差异)
    矩阵阶数
    1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    RI
    0
    0
    0.58
    0.90
    1.12
    1.24
    1.32
    1.41
    1.45
    1.49
    可见,AHP方法不仅原理简单,而且具有扎实的理论基础,是定量与定性方法相结合的优秀的决策方法,特别是定性因素起主导作用的决策问题。

    5注意事项

    如果所选的要素不合理,其含义混淆不清,或要素间的关系不正确,都会降低AHP法的结果质量,甚至导致AHP法决策失败。
    为保证递阶层次结构的合理性,需把握以下原则:
    1、分解简化问题时把握主要因素,不漏不多;
    2、注意相比较元素之间的强度关系,相差太悬殊的要素不能在同一层次比较。
     
     
     
    展开全文
  • AHP层次分析法

    万次阅读 多人点赞 2014-02-21 01:07:12
    在比赛中,我们运用了层次分析法(AHPAnalytic Hierarchy Process)进行建模,好不容易理解了这一方法的思想,在自己的博客里记录一下,希望可以帮助初次接触层次分析法的,更快地理解这一的整体思想,也利于...

    2014年参加数学建模美赛, 其中一道题是选出5大优秀教练,数据来源要求自行寻找。 在比赛中,我们运用了层次分析法(AHPAnalytic Hierarchy Process)进行建模,好不容易理解了这一方法的思想,在自己的博客里记录一下,希望可以帮助初次接触层次分析法的人,更快地理解这一的整体思想,也利于进一步针对细节进行学习。文章内容主要参阅 《matlab数学建模算法实例与分析》,部分图片来源于WIKI

     

     

    文章分为2部分:

    1第一部分以通俗的方式简述一下层次分析法的基本步骤和思想

    2第二部分介绍一下我们队伍数学建模过程中,对层次分析法的应用,中间有些地方做了不严谨的推理,例如关于一致性的检验,如有人发现不正确,希望可以指正

     

    第一部分:

     

    层次分析法(Analytic Hierarchy Process ,简称 AHP )是对一些较为复杂、较为模糊的问题作出决策的简易方法,它特别适用于那些难于完全定量分析的问题。它是美国运筹学家T. L. Saaty 教授于上世纪 70 年代初期提出的一种简便、灵活而又实用的多准则决策方法。

    人们在进行社会的、经济的以及科学管理领域问题的系统分析中,面临的常常是一个由相互关联、相互制约的众多因素构成的复杂而往往缺少定量数据的系统。层次分析法为这类问题的决策和排序提供了一种新的、简洁而实用的建模方法。 


    运用层次分析法建模,大体上可按下面四个步骤进行: 
    (i )建立递阶层次结构模型; 
    (ii )构造出各层次中的所有判断矩阵; 
    (iii )层次单排序及一致性检验; 
    (iv )层次总排序及一致性检验。 

     

    这四个步骤中,前两个步骤最容易理解,后两个步骤需要一点时间理解

     

    首先从层次结构模型说起

    层次分析法是用来根据多种准则,或是说因素从候选方案中选出最优的一种数学方法

    最顶层是我们的目标,比如说选leader,选工作,选旅游目的地

    中间层是判断候选方物或人优劣的因素或标准

    选工作时有:发展前途  ,待遇 ,工作环境等

    选leader时有:年龄,经验,教育背景,魅力

     

    在分层以后,为了选出最优候选

    给目标层分配值1.000

    然后将这一值作为权重,分配给不同因素,对应因素的权重大小代表该因素在整个选择过程中的重要性程度

    然后对于候选方案,每一个标准再将其权重值分配给所有的候选方案,每一方案获得权重值,来源于不同因素分得的权重值的和

     

    如下图:

                目标层分配值为1, 然后我们给了4个候选方案评估标准 criterion 1 、 criterion 2、criterion 3、criterion 4

                假设我们认为这四个标准同等重要, 于是目标层的值1 就被均分到 4个准则上, 每个准则获得的值为 0.25

                然后我们从评估标准 criterion 1 出发, 考虑在该评估标准下, 3 个候选方案的优劣比如何。 假如我们认为在标准1 的衡量下,   3 个方案完全平等, 方案1 在该标准下的得分就应该是: 0.25 * (1/3) 

               同理, 如果我们假设剩下的 3 个标准下, 3个候选方案都是平分秋色, 那么方案 1 的最终得分就应该是

               0.33 =  0.25 * (1/3)   +   0.25 * (1/3)   +  0.25 * (1/3)  +  0.25 * (1/3) 

               最终获得的各个方案的的权重值的和依然为1

     

    这不就是一个简单的权重打分的过程吗?为什么还要层次分析呢。这里就有两个关键问题:

    1每个准则(因素)权重具体应该分配多少

    2每一个候选方案在每一个因素下又应该获得多少权重

     

    这里便进入层次分析法的第二个步骤,也是层次分析法的一个精华(构造比较矩阵(判断矩阵)comparison matrix):

     

    首先解决第一个问题:每个准则(因素)权重具体应该分配多少?

    如果直接要给各个因素分配权重比较困难,在不同因素之间两两比较其重要程度是相对容易的

     

    现在将不同因素两两作比获得的值aij  填入到矩阵的 i 行 j 列的位置,则构造了所谓的比较矩阵,对角线上都是1, 因为是自己和自己比

    这个矩阵容易获得,我们如何从这一矩阵获得对应的权重分配呢

    这里便出现了一个比较高级的概念,正互反矩阵和一致性矩阵

    首先正互反矩阵的定义是:

     

    我们目前构造出的矩阵很明显就是正互反矩阵

     

    而一致性矩阵的定义是:


    这里我们构造出的矩阵就不一定满足一致性,比如我们做因素1:因素2= 4:1  因素2:因素3=2:1    因素1:因素3=6:1(如果满足一致性就应该是8:1),我们就是因为难以确定各因素比例分配才做两两比较的,如果认为判断中就能保证一致性,就直接给出权重分配了

     

    到了关键部分,一致性矩阵有一个性质可以算出不同因素的比例

     

    这里的w就是我们想要知道的权重,所以通过 求比较矩阵的最大特征值所对应的特征向量,就可以获得不同因素的权重,归一化一下(每个权重除以权重和作为自己的值,最终总和为1)就更便于使用了。(实际上写这篇博客就是因为,重新翻了线代的书才好不容易理解这里的,就想记录下来)

     

    这里补充一点线性代数的知识:

        n阶矩阵有n个特征值,每个特征值对应一个n维特征列向量,特征值和特征向量的计算方法这里就省略了,反正书中的程序是直接用matlab 的eig函数求的

     

    这里不能忘了,我们给出的比较矩阵一般是不满足一致性的,但是我们还是把它当做一致矩阵来处理,也可以获得一组权重,但是这组权重能不能被接受,需要进一步考量

    例如在判断因素1,2,3重要性时,可以存在一些差异,但是不能太大,1比2重要,2比3 重要,1和3比时却成了3比1重要,这显然不能被接受

     

    于是引入了一致性检验:

              一致性的检验是通过计算一致性比例CR 来进行的

              

              当 10 . 0 < CR 时,认为判断矩阵的一致性是可以接受的,否则应对判断矩阵作适当修正。 

     

    CI的值由判断矩阵计算获得,RI的值查表获得,具体的计算公式这里就略去,重点是理解为什么要做一致性检验

     

     

    接下来解决第二个问题:每一个候选方案在每一个因素下又应该获得多少权重

     

    这里则需要将不同候选方案,在不同因素下分别比较,具体的比较方法,还是使用比较矩阵,只不过之前准则层的比较矩阵比较的对象是因素,这里比较的是某一因素下,候选方案的优劣, n个因素则需构造出来n个比较矩阵

    例如在工作环境的因素下,工作1与工作2相比为 :4:2,工作2与工作3=2:1  工作1:工作3=6:1.,这样构造一个矩阵,再用之前的一致性矩阵的方法就可以求出一个权重,然后相对应因素(这里是工作环境)所拥有的权值就可以按这个权重比例分配给不同候选物或人。

     

    其他因素同理

     

     

    至此两个问题就都得到了解决

    最终将每个候选物、人从不同因素获得的权值求和,就可以得到不同候选对于目标层的权值大小,继而可以根据值的大小,来选出优劣

     

    对于第一部分的总结:

     

    • 通过对层次分析法的基本了解,不难发现层次分析法对人们的思维过程进行了加工整理,提出了一套系统分析问题的方法,为科学管理和决策提供了较有说服力的依据。 

     

    • 但很明显的缺点是,整个分析过程似乎都是依赖于人的主观判断思维,一来不够客观,二来两两比较全部人为完成,还是非常耗费精力的,尤其是当候选方案比较多的时候

     

     

     

    文章的第二部分:


    层次分析法的变形应用(也可能本来就是这样用的,只不过参考书上没这样说,外语
    论文没细看)解决最优教练选择问题

     

    目标:选最优教练

     

    准则:  

     

     

    1. 职业生涯所带队伍的胜率      
    2. 职业生涯所带队伍的胜场            
    3. 从教时长(年)          
    4. 职业生涯所带队伍获奖状况(化成分数)

     

      

    候选:  众多教练

     

    准则层比较矩阵获得

     

     

    • 准则层的比较矩阵好构造 ,作6次两两比较,就可以获得4*4的比较矩阵

     

     

    候选层比较矩阵

     

    每一个准则对应下来的 候选层 已经有定量的数据了。 这里其实就不再需要候选层比较矩阵了, 因为有4000个教练的话, 得比4000*3999次,可以直接利用定量的数据计算权重

    • 例如“职业生涯所带队伍的胜场” 这一准则对应到每个教练都有直接相应数据的,例如教练 A, B, C 职业生涯所带队伍胜场数为 100,150, 90. 此时该准则下得到的分数, 就应当按照 10:5:9 的比例来进一步划分。 

     

    类似的,胜率准则 下就根据  “胜率   计算权重分配比例。 从教时长准则下就根据 “从教时间的年数” 计算权重分配比例

     

    这里又有两点可以注意:

     

    1.不同因素下数据的量纲和性质不一样,直接用数据作比来分配,不一定合适,比如胜率越要接近1越难,0.7比胜率0.5  和胜率0.9比0.7  ,后者比值比前者小,这显然不合适。这里可以利用指数函数和对数函数对数据先做一次处理, 再作为权重分配的依据。

     

    2.这里的用定量数据作比获得的矩阵显然满足一致性要求,不需要做一致性检验。以职业生涯所带队伍的胜场数为例,如果教练 A, B, C 职业生涯所带队伍胜场数为 100,150, 90。 那么 A:B :C 无论怎么作比, 都不会违反 10:15:9 的一致性。 

     

    综上就对层次分析法完成了定性定量结合的应用,以及对多个候选方案的比较(其实只是就是用程序控制数据作比,我们水平有限,能成功应用该方法已经不容易了)

     

    很遗憾的是比赛时编写的代码存放的优盘不慎丢失, 没有办法把代码共享出来, 这里只能将书中的代码贴出。比赛建模时, 就是在这个代码基础上进行修改实现。 只要理解了下列代码,编写符合自己需求的程序, 应当是水到渠成的事。

     

     

     

     matlab 代码(对应于文章第一部分选 Leader 的内容):

     

     

    clc,clear
    fid=fopen('txt3.txt','r');
    n1=6;n2=3;
    a=[];
    for i=1:n1
    	tmp=str2num(fgetl(fid));
    	a=[a;tmp]; %读准则层判断矩阵
    end
    for i=1:n1
    	str1=char(['b',int2str(i),'=[];']);
    	str2=char(['b',int2str(i),'=[b',int2str(i),';tmp];']);
    	eval(str1);
    	for j=1:n2
    		tmp=str2num(fgetl(fid));
    		eval(str2); %读方案层的判断矩阵
    	end
    end
    ri=[0,0,0.58,0.90,1.12,1.24,1.32,1.41,1.45]; %一致性指标
    [x,y]=eig(a);  % matlab eig(a) 返回矩阵的特征值和特征向量, 这里的 x 为矩阵 a 的 n 个特征向量, y 为矩阵 a 的 n 个特征值
    lamda=max(diag(y));  %  eig 函数返回的 y 是矩阵形式保存的, dig(y) 提取对角线上的n 个特征值到一个数组中, 求出最大特征值 lamda
    num=find(diag(y)==lamda);  % 返回最大特征的索引
    w0=x(:,num)/sum(x(:,num));  % x( :num) 为最大特征值所对应的那一列特征向量。 w0 中准则层计算出的 包含归一化后的n 个权重值
    cr0=(lamda-n1)/(n1-1)/ri(n1)
    
    for i=1:n1 % 循环 n 个维度, 针对每个维度, 都计算一次方案层的比较矩阵及其权重值
    	[x,y]=eig(eval(char(['b',int2str(i)])));
    	lamda=max(diag(y));
    	num=find(diag(y)==lamda);
    	w1(:,i)=x(:,num)/sum(x(:,num));
    	cr1(i)=(lamda-n2)/(n2-1)/ri(n2);
    end
    cr1, ts=w1*w0, cr=cr1*w0

     

    txt3.txt 中的内容, 前6行为准则层的 6 x 6 比较矩阵, 后 18 行则为 6 个准则下, 各自的 3 x 3 的比较矩阵。 

    1 1 1 4 1 1/2
    1 1 2 4 1 1/2
    1 1/2 1 5 3 1/2
    1/4 1/4 1/5 1 1/3 1/3
    1 1 1/3 3 1 1
    2 2 2 3 3 1
    1 1/4 1/2
    4 1 3
    2 1/3 1
    1 1/4 1/5
    4 1 1/2
    5 2 1
    1 3 1/3
    1/3 1 1/7
    3 7 1
    1 1/3 5
    3 1 7
    1/5 1/7 1
    1 1 7
    1 1 7
    1/7 1/7 1
    1 7 9
    1/7 1 1
    1/9 1 1

     

    再上一段 JAVA 代码, 方便 JAVA 童鞋参考, 这部分仅仅展示了如何用JAVA 代码进行准则层比较矩阵计算 。 

     

    import org.apache.commons.math3.linear.*;
    
    
    public class MatrixTester {
        public static void main(String[] args) {
    
            // Create a real matrix with two rows and three columns, using a factory
            // method that selects the implementation class for us.
            double[][] matrixData = {   {1d,    1d,     1d,     4d,     1d,     1d/2d},
                                        {1d,    1d,     2d,     4d,     1d,     1d/2d},
                                        {1d,    1d/2d,  1d,     5d,     3d,     1d/2d },
                                        {1d/4d, 1d/4d,  1d/5d,  1d,     1d/3d,  1d/3d },
                                        {1d,   1d,     1d/3d,  3d,     1d,     1d },
                                        {2d,    2d,     2d,     3d,     3d,     1d },
                                    };
            RealMatrix m = MatrixUtils.createRealMatrix(matrixData);
    
    
    
            // One more with three rows, two columns, this time instantiating the
            // RealMatrix implementation class directly.
            double[][] matrixData2 = {{1d, 2d}, {2d, 5d}, {1d, 7d}};
            RealMatrix n = new Array2DRowRealMatrix(matrixData2);
    
            // Note: The constructor copies  the input double[][] array in both cases.
            // Now multiply m by n
    //        RealMatrix p = m.multiply(n);
    //        System.out.println(p.getRowDimension());    // 2
    //        System.out.println(p.getColumnDimension()); // 2
    //
    //        // Invert p, using LU decomposition
    //        RealMatrix pInverse = new LUDecomposition(p).getSolver().getInverse();
    
    
            RealMatrix D = new EigenDecomposition(m).getD();
            RealMatrix V = new EigenDecomposition(m).getV();
    
            for(int i=0; i<D.getRowDimension();i++)
            {
                System.out.println(D.getRowMatrix(i));
            }
    
            for(int i=0; i<V.getRowDimension();i++)
            {
                System.out.println(V.getRowMatrix(i));
            }
    
            // 特征值
            double maxLamda;
            int columIndexForMaxLamda=0;
            maxLamda=D.getEntry(0,0);
    
            for(int i =0, j=0; i<D.getRowDimension()&&j<D.getColumnDimension();i++,j=i)
            {
                double lamda = D.getEntry(i,j);
                if(maxLamda<lamda)
                {
                    maxLamda=lamda;
                    columIndexForMaxLamda = j;
                }
                System.out.println(lamda);
            }
    
            // 输出尚未做归一化 w1, w2, w3, w4, w5, w6 , 
            System.out.println(V.getColumnMatrix(columIndexForMaxLamda));
    
        }
    }
    

     

     

    展开全文
  • 所谓厉害的,遇到问题时的思维模式,跟我们的差别在哪? 这篇文章里,作者从“一家零售店的困境”出发,用实际例子来解读6种层次不同的人才,是如何思考、解决问题的。 思维层次,很大程度会决定你的人生高度。 ...
  • 马斯洛需求层次理论

    万次阅读 2018-05-20 14:36:01
    前几天读书时,有个读者针对 书中的某个观点按照“马斯洛需求层次理论”进行分析,感觉说的很有道理,边记录下来,现马斯洛需求层次理论进一步了解如下:转载自:...激励作用(了解他们的需求,才能激励他们的行为;...
  • KNN(五)--层次Kmean

    千次阅读 2016-07-22 16:29:23
    一、层次聚类 1、层次聚类的原理及分类 1)层次法(Hierarchicalmethods)先计算样本之间的距离。每次将距离最近的点合并到同一个类。然后,再计算类与类之间的距离,将距离最近的类合并为一个大类。不停的合并,...
  • 存储器层次结构

    千次阅读 2015-01-27 11:01:24
     好的程序代码不仅要有好的算法,计算机硬件的充分利用也是很关键的一步。  存储器系统(memorysystem)是一个具有不同容量、成本和访问时间的存储设备的层次结构。CPU寄存器保存着最常用的数据。靠近CPU的小的、...
  • 我嘴炮无敌,用嘴命令,动嘴不动手,动手都是笨蛋,大部分都是有这样的现象,从量化统计和概率学来分析,而且我长期观察了不少,也发现确实如此,通常的,专注做技术的,越高层次,甚...
  • 层次分析Analytic Hierarchy Process建模

    千次阅读 2018-09-13 00:58:26
    层次分析AHP建模 一、层次分析构权法 层次分析构权法又称为互反式两两比较构权法,它是根据美国运筹学家萨蒂教授所创立的多目标多准则决策方法(AHP)原理提出的一种确定统计权数的方法。从理论上来说AHP中所有...
  • (Python)从零开始,简单快速学机器仿视觉Opencv—第一节:OpenCV的图像读取显示及保存 (Python)从零开始,简单快速学机器仿视觉Opencv—第二节:OpenCV的视频操作 (Python)从零开始,简单快速学机器仿视觉...
  • 简单理解内聚低耦合

    千次阅读 2019-09-07 08:49:15
    简单的理解内聚低耦合: 耦合和内聚的的评判标准是强度,耦合好,内聚好 耦合指模块与模块之间的关系,最弱的耦合就是通过一个主控模快来协调n哥模块进行运作。例如:。还是举一个我举过的例子:...
  • 2-3、AHP层次分析法

    千次阅读 2017-09-12 21:56:27
    而这三个旅游景点的消费水平、气候条件、饮食、交通等都会影响我们它的选择。三个旅游景点中选取两个又有3种不同的组合方案。层次分析法为这类问题的决策和排序提供了一种新的、简洁而实用的建模方法。不得不说的...
  • 数学建模方法——层次分析法(AHP)

    万次阅读 多人点赞 2019-12-04 17:10:33
    0. 层次分析法简介 层次分析法(Analytic Hierarchy Process,简称AHP)主要是对于定性的决策问题进行定量化分析的方法。举个例子,在日常生活中,我们经常需要进行感性的判断,比如报高考志愿,感觉清华北大都很好...
  • 该函数是计算层次聚类不一致系数的,不一致系数大,表明使用该阈值进行聚类的偏差大。这样按照该不一致系数下的阈值进行聚类即相对于其他 情况下的阈值更不适合,因此可以进行自然簇的分离,即取阈值为该不...
  • android view层次与位置大小

    万次阅读 2016-03-27 15:59:00
    首先要明白,android的层次由摆放view的先后顺序决定,也就是addView中的index,0表示最下面,大越上面,不会超过容器的包含的View个数,(因为是数组下标)。如下代码展示了如何交换两个ImageView的层次
  • 本文来自于微信公众号“零缺陷”,零缺陷文化中心 零缺陷 正文如下: 欲望是企业、组织、社会进步的一种动力;组织说到底就是要张扬队伍中每个的雄心,同时又要遏制过度的野心... 一是财富这个东西多; ...
  • 聚类方法 适用场景 代表算法 优点 缺陷 延伸 层次聚类 小样本数据 - ... 处理大数据集,该算法保持可伸缩性和效率 当簇近似为高斯分布时,它的效果较好 .
  • 高级经理的成功“相术”

    万次阅读 2009-11-17 17:11:00
    ” 经商做生意,更要对人有准确的判断。如果把商场上的成功者看做智者,那么他们的成功正是在于了解了你的内心。 你如何从合作者的动作中判断其诚意?你如何从下属的办公用品摆放中识别其工作态度?你如何一进会议室...
  • 引言 我对于本科时光的印象,还停留在...每当夜深人静,思绪归于自己人生未来的严肃思考,不知去往何处的苦闷,再加之不断迫近的升学/就业选择的压力,尤其是一些看似周密的计划,由于想把每一环都做的尽善尽美,...
  • 这其实没有什么奇怪的,本身计算机就是设计出来的, 的一些根深蒂固的观念便自然在计算机中继续发挥着作用。 intel的特权环检测十分的形象但是十分的复杂,其实这种检查机制正好映射了安全模型中的一个很一
  • 聚类的方法(层次聚类,K-means聚类)

    万次阅读 多人点赞 2019-05-22 10:48:15
    但是效率是它的一个优势,在数据量大或者聚类结果要求不是太的情况 下,可以采用K-means算法来计算,也可以在实验初期用来做测试看看数据集的大致情况。 转载:...
  • 解决问题最简单的方法

    千次阅读 2016-08-20 07:09:45
    书中引用心理学家的理论,介绍说的大脑有四种层次的专注,然后告诉我们做到以下三点可以让我们专注: 判断 ,你需要知道何时该做决定,何时可以花时间斟酌。 坚持 ,很多问题需要时间,每次解决一点,每次...
  • 简介: 35岁左右工程师而言是个不同寻常的年龄段。技术有可能面临人生中的转型:从纯技术岗转向管理岗。也将面临诸多新的挑战,关于组建团队、领导以及KPI设置等。本文将讲述阿里资深技术leader张荣从去年1月底...
  •  但讲求层次感这句话的深层次含义并不是:层次越丰富越好。有时候过多的层次反而适得其反,影响画面的整体效果。  今天,我就大家都比较喜欢的小清新,或者说糖水人像进行一个浅显的分析。这类人像的主要特点:...
  • 数学建模day1 层次分析法与TOPSIS方法

    千次阅读 2020-01-29 16:24:45
    层次分析法(Analytic Hierarchy Process ,简称 AHP )是一些较为复杂、较为模糊的问题作出决策的简易方法,它特别适用于那些难于完全定量分析的问题。它是美国运筹学家T. L. Saaty 教授于上世纪 70 年代初期提出...
  • 虚拟化的层次与机制

    万次阅读 2016-05-02 15:51:38
    最近几年随着并行计算、集群等技术的火热,虚拟机领域焕发了第二春。虚拟化就是指多台虚拟机共享一台物理机硬件的计算机体系结构技术。虚拟化的基本思想是分割软硬件以产生更好的系统性能...1. 层次  我们都知道,传
  • CNN神经网络层次分析

    万次阅读 多人点赞 2015-04-07 08:59:12
    而有证明了除以一个隐含的变量就可以去除阶相关性。你可以理解为一张图像 x 的像素值是一个随机变量,它由两个独立的随机变量相乘得到,分别是二阶量和阶量相乘,二阶量的相关性可以由 PCA 去掉,然后阶量...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 86,543
精华内容 34,617
关键字:

层次越高对人越简单