msf方法的優缺點：
msf(微軟解決方案框架結構)：是一組建立、開發和實現分布式企業系統應用的工作模型、開發準則和應用指南。它幫助企業融合商業和技術的目標，降低採用新技術後系統整體的費用，以及成功的應用微軟技術整合商業過程的方法。
msf的特點：商業化，就是說如何把專案計畫程式設計產品直至產生效益等等，都是msf要考慮的問題。
msf的優點：它通過一步一步地達到預先設定的目標，從而使整個軟體過程變得可控。同時也會及時的發現專案中潛在的危險因素，便於風險的管理。它把軟體過程分為幾個階段以後，可以針對某一階段中存在的問題進行定位、分析和解決，為提高軟體開發的成功率提供了有效保障。
msf的缺點：缺點是在構建過程中過於複雜，與管理員的要求高，如果管理員沒有及時的管理好就會出現很大的失誤。
結構化方法：
結構化方法（sd方法）：結構化方法是一種傳統的軟體開發方法，它是由結構化分析、結構化設計和結構化程式設計三部分有機組合而成的。它的基本思想：把乙個複雜問題的求解過程分階段進行，而且這種分解是自頂向下，逐層分解，使得每個階段處理的問題都控制在人們容易理解和處理的範圍內。
結構化方法的基本要點是：自頂向下、 逐步求精、 模組化設計、結構化編碼。
結構化方法的特點：把現實世界描繪為資料在資訊系統中的流動，在資料流動過程中資料發生轉化。通過自頂向下的程式設計將複雜的程式分解為程式模組的層次圖。概括為自頂向下、逐步求精、模組化設計、結構化編碼的基本特點。物件導向的特點：物件導向技術將資料模型和處理模型二者合一，將屬性和方法封裝在乙個物件當中。將資訊系統看成是一起工作來完成某項任務的相互作用的物件集合；通過定義系統中所有物件型別並顯示物件之間是如何通過相互作用來完成分析任務。
結構化方法的缺點：成本缺點（1）原型法不適用於開發大型的資訊系統 （2）系統難於維護 （3）如果使用者合作不好，盲目糾錯，會拖延開發程序適用範圍（1）使用者需求不清，管理及業務不穩定，需求經常變化 （2）規模小，不太複雜 （3）開發資訊系統的最終使用者介面 結構化開發方法(structured developing method)是現有的軟體開發方法中最成熟，應用最廣泛的方法，主要特點是快速、自然和方便。結構化開發方法由結構化分析方法（sa法）、結構化設計方法（sd法）及結構化程式設計方法（sp法）構成的。 結構化設計方法（sd法 structured design）是結構化開發方法的核心，與sa法，sd法密切聯絡，主要完成軟體系統的總體結構設計。 原型化方法是一種定義系統需求可採取的策略，實現時需經過若干步驟，一般其採用的最後步驟應是模型驗證 。
結構化方法的優點： 優點（1）邏輯設計與物理設計分開 （2）開發過程中形成一套規範化的文件，便於後期的修改和維護缺點（1）開發周期長 （2）系統難以適應環境的變化 （3）開發過程複雜繁瑣適用範圍該方法適用於一些組織相對穩定、業務處理過程規範、需求明確且在一定時期內不會發生大的變化的大 型複雜系統的開發。 2、原型法基本思想開發人員對使用者提出的問題進行總結，就系統的主要需求取得一致意見後，開發乙個原型（原型是由開 發人員與使用者合作，共同確定系統的基本要求和主要功能，並在較短時間內開發的乙個實驗性的、簡單 易用的小型系統。原型應該是可以執行的，可以修改的。）並執行之，然後反覆對原型進行修改，使之 逐步完善，直到使用者對系統完全滿意為止。 優點（1）需求表示清楚，使用者滿意度較高 （2）降低開始風險和開發
物件導向：
物件導向：oo(object oriented，物件導向)是當前計算機界關心的重點，它是90年代軟體開發方法的主流。物件導向的概念和應用已超越了程式設計和軟體開發，擴充套件到很寬的範圍。如資料庫系統、互動式介面、應用結構、應用平台、分布式系統、網路管理結構、cad技術、人工智慧等領域。
物件導向優點：1、穩定性好； 2、可重用性好； 3、較易開發大型軟體產品； 4、可維護性好。
物件導向缺點：類和繼承等特點使得程式會多很多指標操作來定位函式入口和自身要維護虛擬方法表等額外的工作，程式的處理效率相對要低。
視覺化方法：可視覺化開發就是在可視開發工具提供的圖形使用者介面上，通過操作介面元素，諸如選單、按鈕、對話方塊、編輯框、單選框、核取方塊、列表框和滾動條等，由可視開發工具自動生成應用軟體。還可輕鬆跨越多個資源和層次連線您的所有資料，經過時間考驗,完全可擴充套件的,功能豐富全面的視覺化元件庫為開發人員提供了功能完整並且簡單易用的元件集合,以用來構建極其豐富的使用者介面。
根據自己的了解我覺得相比別的方法msf方法好，因為它通過一步一步地達到預先設定的目標，從而使整個軟體過程變得可控。在這點我覺得比較好。
自己志通過下午時間了解了這些，並不是特別的全面，只是自己認為mfs方法比較好，我想通過這次將其他方法進行深一步的了解。
機器學習中各個演算法的優缺點（一）
由於人工智慧的火熱，現在很多人都開始關注人工智慧的各個分支的學習。人工智慧由很多知識組成，其中人工智慧的核心 機器學習是大家格外關注的。所以說，要想學好人工智慧就必須學好機器學習。其中機器學習中涉及到了很多的演算法，在這幾篇文章中我們就給大家介紹一下關於機器學習演算法的優缺點。首先我們給大家介紹一下...
機器學習中各個演算法的優缺點（二）
機器學習中有很多的演算法，具體來說包括正則化演算法 整合演算法 決策樹演算法 回歸 人工神經網路 深度學習 支援向量機 降維演算法 聚類演算法 基於例項的演算法 貝葉斯演算法 關聯規則學習演算法 圖模型，我們在學習機器學習中肯定無法避免這些演算法的學習。在這篇文章中我們重點給大家介紹一下回歸演算法和...
機器學習中各個演算法的優缺點（三）
其實在我們的生活中有很多技術都是利用到了機器學習，比如說推薦系統 智慧型美化和聊天機械人等，這些技術在機器學習和資料處理演算法的幫助下已經被大家廣泛使用。在這篇文章中我們給大家介紹一下機器學習中的深度學習以及支援向量機和降維演算法的相關知識，希望這篇文章能夠更好地幫助大家理解機器學習。首先我們說一下...