搜索资源列表
Roughset_GetRules
- 关于粗糙集对属性进行约简，一个很好的计算工具
daima
- （压缩包里一共有5个代码） pca+lda+粗糙集+模糊神经网络 saveORLimage.m将ORL人脸库分为测试集ptest和训练集pstudy存为imagedata.mat 1.savelda.m将人脸库先进行pca降维，再用lda进行特征提取，得到新的测试集ldatest和训练集ldastudy存为imageldadata.mat 2.对ldastudy进行离散化(discretimage.m)，得到离散化矩阵disdata,存入到imagedisdata.mat
reduce
- 采用粗糙集理论利用可辨识矩阵法对属性决策表进行约简-Based on rough set theory, discernable matrix is improved and applied to attributes reduction.
rosetta
- rosetta是一个粗糙集的处理软件，里面集成了大量的粗糙集的算法，里面有算法可以对数据进行预处理，可以对数据的属性和属性值进行约简。-rosetta is a rough set of processing software, which integrates a large number of rough set algorithm, which has the data preprocessing algorithm, the data can be attributes and attr
a
- 基于粗糙集算法，是一个关于并行约简算法的，关于一个新开辟的小领域-rough set
1
- 利用粗糙集理论对决策表进行约简以自动获取过程工业生产系统中的故障知识,从信息熵的角度分析系统知识不确定性的变化,提出了一种基于粗糙集理论的故障诊断新方法,-Some work has been done for dealing with Fault Detection and Diagnosis (FDD) based on Rough Set, but in those cases Rough Set was just regarded as a tool for data cleaning
6
- 利用粗糙集理论对决策表进行约简以自动获取过程工业生产系统中的故障知识,从信息熵的角度分析系统知识不确定性的变化,提出了一种基于粗糙集理论的故障诊断新方法,研究了粗糙集理论在故障诊断中的适用性,在前向推理和反向推理的基础上-Some work has been done for dealing with Fault Detection and Diagnosis (FDD) based on Rough Set, but in those cases Rough Set was just rega
7
- 利用粗糙集理论对决策表进行约简以自动获取过程工业生产系统中的故障知识,从信息熵的角度分析系统知识不确定性的变化,提出了一种基于粗糙集理论的故障诊断新方法,研究了粗糙集理论在故障诊断中的适用性,-Some work has been done for dealing with Fault Detection and Diagnosis (FDD) based on Rough Set, but in those cases Rough Set was just regarded as a tool
8
- 利用粗糙集理论对决策表进行约简以自动获取过程工业生产系统中的故障知识,从信息熵的角度分析系统知识不确定性的变化,提出了一种基于粗糙集理论的故障诊断新方法,研究了粗糙集理论在故障诊断中的适用性,-Some work has been done for dealing with Fault Detection and Diagnosis (FDD) based on Rough Set, but in those cases Rough Set was just regarded as a tool
11
- 利用粗糙集理论对决策表进行约简以自动获取过程工业生产系统中的故障知识,从信息熵的角度分析系统知识不确定性的变化,提出了一种基于粗糙集理论的故障诊断新方法,研究了粗糙集理论在故障诊断中的适用性,在前向推理和反向推理的基础上,给出了针对故障点建立决策表以及利用粗糙集约简所获得的诊断规则进行正、反向故障诊断的步骤-Some work has been done for dealing with Fault Detection and Diagnosis (FDD) based on Rough Set
12
- 利用粗糙集理论对决策表进行约简以自动获取过程工业生产系统中的故障知识,从信息熵的角度分析系统知识不确定性的变化,提出了一种基于粗糙集理论的故障诊断新方法,研究了粗糙集理论在故障诊断中的适用性,在前向推理和反向推理的基础上,给出了针对故障点建立决策表以及利用粗糙集约简所获得的诊断规则进行正、反向故障诊断的步骤-Some work has been done for dealing with Fault Detection and Diagnosis (FDD) based on Rough Set
15
- 利用粗糙集理论对决策表进行约简以自动获取过程工业生产系统中的故障知识,从信息熵的角度分析系统知识不确定性的变化,提出了一种基于粗糙集理论的故障诊断新方法,研究了粗糙集理论在故障诊断中的适用性,在前向推理和反向推理的基础上-Some work has been done for dealing with Fault Detection and Diagnosis (FDD) based on Rough Set, but in those cases Rough Set was just rega
16
- 利用粗糙集理论对决策表进行约简以自动获取过程工业生产系统中的故障知识,从信息熵的角度分析系统知识不确定性的变化,提出了一种基于粗糙集理论的故障诊断新方法,研究了粗糙集理论在故障诊断中的适用性,在前向推理和反向推理的基础上-Some work has been done for dealing with Fault Detection and Diagnosis (FDD) based on Rough Set, but in those cases Rough Set was just rega
19
- 利用粗糙集理论对决策表进行约简以自动获取过程工业生产系统中的故障知识,从信息熵的角度分析系统知识不确定性的变化,提出了一种基于粗糙集理论的故障诊断新方法-Some work has been done for dealing with Fault Detection and Diagnosis (FDD) based on Rough Set, but in those cases Rough Set was just regarded as a tool for data cleaning o
20
- 利用粗糙集理论对决策表进行约简以自动获取过程工业生产系统中的故障知识,从信息熵的角度分析系统知识不确定性的变化,提出了一种基于粗糙集理论的故障诊断新方法-Some work has been done for dealing with Fault Detection and Diagnosis (FDD) based on Rough Set, but in those cases Rough Set was just regarded as a tool for data cleaning o
Face-recognition-method
- 基于PCA 和BP 神经网络的人脸识别方法是针对 PCA 方法中存在的高维数问题和它对未训 练过的样本识别率低的缺点而提出的。该方法在预处理的基础上，利用粗糙集对 PCA 降维处理后的人脸特征进行约简，提取其中分类能力强的特征，实现在识别精度不变的情况下，有效的去除冗余信息；然后将约简后的属性输入到神经网络进行规则提取，利用神经网络非线性映射和并行处理的特点，增强对人脸图像识别的泛化能力。实验证明，使用该方法在识别率上有一定的提高-Face recognition method based
34546232
- 用运算符重载设计有理分数类，实现+、-、*、/等操作。 提示： 创建一个有理分数类Rational，有两个数据成员，一个构造函数，四个运算符重载函数，一个显示函数和一个约简函数。其中数据成员有分子numerator和分母denominator，构造函数可以避免分母为0，对不是约化型的分数进行约化。显示函数显示计算结果。约简函数对分数进行化简-Design a rational fraction class with operator overloading and achiev
2
- 因子分析的matlab源程序代码，可以对多远数据进行约简。-Factor analysis matlab source code, how far can the data reduction.
libsvm-3.1-[FarutoUltimate3.1Mcode]
- 态势要素获取作为整个网络安全态势感知的基础，其质量的好坏将直接影响态势感知系统的性能。针对态势要素不易获取问题，提出了一种基于增强型概率神经网络的层次化框架态势要素获取方法。在该层次化获取框架中，利用主成分分析(PCA)对训练样本属性进行约简并对特殊属性编码融合处理，将其结果用于优化概率神经网络(PNN)结构，降低系统复杂度。以PNN作为基分类器，基分类器通过反复迭代、权重更替，然后加权融合处理形成最终的强多分类器。实验结果表明，该方案是有效的态势要素获取方法并且精确度达到95.53%，明显优于
libsvm-3.17
- 为了真实有效地提取网络安全态势要素信息，提出了一种基于增强型概率神经网络的层次化框架态势要素获取方法。在该层次化态势要素获取框架中，根据Agent节点功能的不同，划分为不同的层次。利用主成分分析(Principal Component Analysis, PCA)对训练样本属性进行约简并对特殊属性编码融合处理，按照处理结果改进概率神经网络(Probabilistic Neural Network, PNN)结构，以降低系统复杂度。然后以改进的PNN作为基分类器，结合自适应增强算法，通过基分类器反