第七周3友元类

  1. /*           
  2. * 程序的版权和版本声明部分           
  3. * Copyright (c)2013, 烟台大学计算机学院学生           
  4. * All rightsreserved.           
  5. * 文件名称: object.cpp           
  6. * 作者:王俊          
  7. * 完成日期: 2013年  4  月 17日           
  8. * 版本号: v1.0           
  9. * 输入描述:无           
  10. * 问题描述:Time为Date的友元类           
  11. * 程序输出:略。           
  12. */ 
  13. 代码输出:

  14. #include <iostream>
    using namespace std;
    class Date; //对Date类的提前引用声明
    class Time
    {
    public:
        Time(int,int,int);
        void add_a_second(Date &);  //增加1秒,1秒后可能会到了下一天,乃到下一月、下一年
        void display(Date &);  //显示时间,格式:月/日/年 时:分:秒
    private:
        int hour;
        int minute;
        int sec;
    };
    class Date
    {
    public:
        Date(int,int,int);
        friend class Time; //Time为Date的友元类
    private:
        int month;
        int day;
        int year;
    };
    Time::Time(int a,int b,int c):hour(a),minute(b),sec(c){}
    Date::Date(int m,int n,int z):month(m),day(n),year(z){}
    void Time::add_a_second(Date &d)  //增加1秒,1秒后可能会到了下一天,乃到下一月、下一年
    {
    	sec+=1;
    	if(sec>=60){
    		minute+=1;
    		sec-=60;
    		if(minute>59)
    		{
    			hour+=1;
    			minute-=60;
    			if(hour>23)
    			{
    				hour-=24;
    				d.day+=1;
    				if(d.day>29)
    				{
    					d.day-=30;
    					d.month+=1;
    					if(d.month>12)
    					{
    					d.month-=12;
    					d.year+=1;
    					}
    				}
    			}
    		}
    	}
    }	
    		
    void Time::display(Date &d)  //显示时间,格式:月/日/年 时:分:秒
    {
    	cout<<d.month<<'/'<<d.day<<'/'<<d.year<<'\t'<<hour<<':'<<minute<<':'<<sec<<endl;
    }
    int main( )
    {
        Time t1(23,59,32);
        Date d1(12,25,2012);
        for(int i=0; i<=80; i++)
        {
            t1.add_a_second(d1);
            t1.display(d1);
        }
        return 0;
    }
    运行结果:
                
根据原作 https://pan.quark.cn/s/459657bcfd45 的源码改编 Classic-ML-Methods-Algo 引言 建立这个项目,是为了梳理和总结传统机器学习(Machine Learning)方法(methods)或者算法(algo),和各位同仁相互学习交流. 现在的深度学习本质上来自于传统的神经网络模型,很大程度上是传统机器学习的延续,同时也在不少时候需要结合传统方法来实现. 任何机器学习方法基本的流程结构都是通用的;使用的评价方法也基本通用;使用的一些数学知识也是通用的. 本文在梳理传统机器学习方法算法的同时也会顺便补充这些流程,数学上的知识以供参考. 机器学习 机器学习是人工智能(Artificial Intelligence)的一个分支,也是实现人工智能最重要的手段.区别于传统的基于规则(rule-based)的算法,机器学习可以从数据中获取知识,从而实现规定的任务[Ian Goodfellow and Yoshua Bengio and Aaron Courville的Deep Learning].这些知识可以分为四种: 总结(summarization) 预测(prediction) 估计(estimation) 假想验证(hypothesis testing) 机器学习主要关心的是预测[Varian在Big Data : New Tricks for Econometrics],预测的可以是连续性的输出变量,分类,聚类或者物品之间的有趣关联. 机器学习分类 根据数据配置(setting,是否有标签,可以是连续的也可以是离散的)和任务目标,我们可以将机器学习方法分为四种: 无监督(unsupervised) 训练数据没有给定...
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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