暂无评论
现实生活中许多数据库都是动态变化的,为了获取新的知识,传统的方法需要重复计算,耗时巨大。为了克服这个缺陷,有效处理动态数据,许多学者提出了增量学习方法。针对决策表属性值动态变化,提出了基于属性值细化的
论文研究-基于简化差别矩阵的属性约简算法.pdf,
提出了一种分水岭变换和结合空间信息的FCM聚类相结合的图像分割方法。方法采用基于图论的结合区域特征信息和空间信息的距离度量,以分水岭变换得到的图像分割小区域为节点构建一个连通加权图,通过计算图上不同节
修改系统属性和隐藏属性.bat
书本上的案例(笨人期末复习资料),我把它弄成小视屏了,懒得敲代码的亲么,可以看下~
在区间直觉模糊(IVIF)环境下,利用连续有序加权平均(COWA)算子定义了一种新的区间直觉模糊数间的交叉熵,即区间直觉模糊连续交叉熵。依据提出的区间直觉模糊连续交叉熵定义了直觉模糊数间的连续交叉熵距
针对评价信息为区间直觉模糊的多属性群决策问题中,决策者与属性的权重均未知的情况,提出一种排序方法。为求解属性值权重,从区间直觉模糊数的几何意义出发,基于熵值最大化原理,求出属性的权重,得到每位专家对每
属性约简是粗糙集理论进行知识获取的核心问题之一。针对现实信息系统中属性值取值不确定的情况,结合灰色系统理论对集中有序关系进行扩展,建立了灰色信息系统中趋于某个标准值的一种偏好关系,并以集中有序关系下的
论文研究-仿真输出中位置参数的区间估计方法比较.pdf, 概述和比较了仿真输出分析中对位置参数进行置信区间估计的方法 ,分析了这些方法的适用条件及传统方法的局限性 .探讨了当经典方法所依赖的有关总体
System property modifier
暂无评论