暂无评论
针对传统BP神经网络收敛速度慢、易陷入局部极小等问题,采用Matlab神经网络工具箱中的自适应学习率VLBP算法和基于数值优化技术的LMBP算法对传统BP神经网络算法进行改进,并设计了基于改进BP神经
Rosetta是一款专门为使用粗糙集方法的很直观的很有用的软件,大力推荐。
对照实例进行粗糙集属性约简,相信对于初学者大有裨益
在分析湖南土朱矿5煤层煤与瓦斯突出资料的基础上,确定煤层瓦斯含量,瓦斯压力,煤的坚固性系数及瓦斯放散初速度为影响煤与瓦斯突出的主要因素,利用MATLAB软件,基于BP神经网络,建立了适合土朱矿的煤与瓦
煤与瓦斯突出是严重危害煤矿安全生产的一种非线性瓦斯动力灾害。文章将BP神经网络运用于煤与瓦斯突出预测模型,从煤与瓦斯突出的原因、BP神经网络用于煤与瓦斯突出预测的原理、运用实例三方面,对利用BP神经网
期刊论文,小波变换和模糊粗糙集技术的图像识别。
采用G-K评价方法,依据煤矿生产过程中煤与瓦斯突出事故发生的可能性、人员暴露于危险环境中的频繁程度及发生事故可能造成的后果3个指标,确定了矿井煤与瓦斯突出分类等级划分标准。基于粗糙集理论,以指标集为基
文本按照一定的策略归于一个或多个类别中的应用技术。文本分类是文本挖掘的基础。而特征选择又是文本分类中的核心.论文分析了以前特征选择方法中由于特征数目过多而造成分类时间和精度不高的缺点。提出了一种基于粗
论文研究-基于BP 神经网络的煤与瓦斯突出预测方法的研究.pdf,
鉴于传统基因选择方法会选出大量冗余基因从而导致样本预测准确率较低,提出了一种基于信噪比与邻域粗糙集的特征基因选择方法(Signal noise ration and the neighborhood
暂无评论