暂无评论
区间概念格理论是在区间参数基础上提出的一种新的对象挖掘方法，它能够更精确地处理不确定信息。区间参数[[α,β]]决定了区间概念和格结构，并对区间关联规则产生影响。针对区间参数对关联规则的控制和优化问题
基于决策表分布约简定义规则的分布核与分布约简概念，提出一种基于分布约简的规则获取方法。首先确定条件类的分布核，进而采用启发式算法计算其分布约简，挖掘出最简产生式规则。该方法能适应决策表的不一致情形，且
基于支持向量机的未知物体分类方法研究，魏朝鹏，何儒勇，针对MNIST手写体数字集，本文利用线性判别分析方法提取出各手写体数字图像的特征向量，并根据该特征向量设计出应用于鬼成像系统的�
基于支持向量机的虹膜识别方法研究，王勇，，为了提高虹膜识别的准确性和稳定性,本文研究了统计学习理论的支持向量机学习算法,在该研究的基础上,将二维分类问题扩展到虹膜特征
论文研究-基于前景理论的风险决策权重研究.pdf, 在讨论Tversky和Fox给出的确定权重的两步骤方法基础上,应用累积
论文研究-基于GIS的城镇可持续发展决策支持系统.pdf,
分析多属性决策问题,提出了基于最小二乘支持向量机的多属性决策方法。该方法从决策问题本身出发，构造学习样本，再通过最小二乘支持向量机拟合出多属性效用函数，从而实现对方案的排序。该模型与支持向量机相比，参
对具有有界扰动和未建模动态的多变量系统，设计鲁棒稳定的自适应控制律，并进行了稳定性分析。在设计中，采用死区与正规化信号相结合的方法，控制器采用极点配置的形式。正规化信号的引入，使得建模误差和扰动产生的
论文研究-多属性决策方法及应用.pdf, 本文将多属性决策问题转化为寻求一概率分布问题, 利用Kullback信息量, 给出了一种排序方法。
随机决策树方法总结，鲁明羽，肖智博，随机决策树(RandomDecisionTree)作为一种不含有任何属性选择的决策树构建方法，不仅可以作为一种分类和回归方法使用，还可以作为集成��
暂无评论