排序方式: 共有2条查询结果,搜索用时 0 毫秒
1
1.
局部多粒度决策理论粗糙集要预先获取给定数据集中所有对象的信息颗粒,只需要对特定的目标概念中的对象的信息颗粒进行计算,开创了一种有用的计算范式。然而,传统的局部多粒度决策理论粗糙集在计算三个区域(正域,边界域和负域)时需要主观的给定一对概率阈值(α,β)。在实际的决策应用中,该获取阈值的方法可能会造成信息丢失或判断不准确的问题。为了解决这个问题,这篇文章提出了一种改进的局部多粒度决策理论粗糙集模型,叫做广义的局部多粒度决策理论粗糙集。该模型可以通过一个补偿系数ζ,即可自适应的获得相对应的参数α和β.这不仅减少了人为设置参数的个数,还强化了由多个粒度结构所产生损失的语义解释。 相似文献
2.
2009届学生刚刚毕业,学校安排笔者接任新高二的数学课,一开始笔者认为与学生之间的配合脱节是因为相互没有完全适应.但半个月以来,从其练习和作业中发现很多让人难以理解的问题: 相似文献
1