论文部分内容阅读
将下近似分布约简引入变精度悲观多粒度粗糙集,定义了变精度悲观多粒度粗糙集的下近似分布粒度熵,基于下近似分布粒度熵定义了变精度悲观多粒度粗糙集粒度的重要度,并设计了基于下近似分布粒度熵的悲观多粒度粗糙集启发式粒度约简算法,通过实例验证了算法的有效性。
基于下近似分布粒度熵的变精度悲观多粒度粗糙集粒度约简
【摘 要】
：
将下近似分布约简引入变精度悲观多粒度粗糙集,定义了变精度悲观多粒度粗糙集的下近似分布粒度熵,基于下近似分布粒度熵定义了变精度悲观多粒度粗糙集粒度的重要度,并设计了基于下近似分布粒度熵的悲观多粒度粗糙集启发式粒度约简算法,通过实例验证了算法的有效性。
【机 构】
：
河南师范大学计算机与信息工程学院,河南省高校计算智能与数据挖掘工程技术研究中心,智慧商务与物联网技术河南省工程实验室
【出 处】
：
计算机科学
【发表日期】
：
2016年01期
其他文献
在高校办学的过程中,国有资产可以用于衡量学校的规模和实力。要促进学校的持续进步和发展,就要做好国有资产的管理和维护工作,确保资产的完整与安全,充分发挥资产的效益,使
文献[7]给出了一个三者之间利用四粒子团簇态作为量子信道实现单粒子量子态的量子信息分离的方案。在此方案的基础上,分析了经典噪声信道对这个量子信息分离方案的影响。通过
针对现有机器学习算法难以有效提高不均衡在线贯序数据中少类样本分类精度的问题,提出了一种基于主曲线的不均衡在线贯序极限学习机。该方法的核心思路是根据在线贯序数据的分布特性,均衡各类别样本,以减少少类样本合成过程中的盲目性,主要包括离线和在线两个阶段。离线阶段采用主曲线分别建立各类别样本的分布模型,利用少类样本合成过采样算法对少类样本过采样,并根据各样本点到对应主曲线的投影距离分别为其设定相应大小的隶
传统的协同过滤推荐算法普遍存在数据稀疏问题,且仅利用单一综合评分来计算用户相似度,无法找到在多个指标上偏好相似的用户,因而影响推荐的准确度。多指标评分推荐算法力图
摘要：我们对“主体参与型”物理课堂教学模式作一些探索与尝试，变教学为导学，还学生的主体地位，努力构建适应高素质教育的课堂教学模式。关键词：物理课堂；主体参与型；探索与尝试中图分类号：G633.7 文献标识码：A 文章编号：1006-3315（2015）07-033-001一、问题的提出“主体参与、分层指导、及时反馈、激励评价”是中学物理实验的基本原则，它反映了当前物理教学改革深入发展的新形势，提出
大数据时代的到来对各行业的发展都产生了十分重要的影响,影响着企业的营销手段和方式方法。在大数据背景下农产品企业的营销迎来了重要机遇,同时也面临着产品质量和规格有待