您好,欢迎光临本网站![请登录][注册会员]  

搜索资源列表

  1. 邻域粗糙集matlab代码。带论文

  2. 非常详细的粗糙集代码,基于邻域粗糙集。可以运行。包含文章和数据集
  3. 所属分类:其它

    • 发布日期:2011-12-28
    • 文件大小:1048576
    • 提供者:neverliving
  1. 一个基于邻域粗糙集的前向贪心的属性约简算法

  2. 以邻域粗糙集的属性重要度作为量度,从一个空集出发,前向贪心的选择重要度大的属性并入到约简集合,直到达到约简条件
  3. 所属分类:其它

    • 发布日期:2012-04-25
    • 文件大小:23552
    • 提供者:meepof5
  1. 关于粗糙集和邻域粗糙集的基本理论和程序算例

  2. 关于粗糙集和邻域粗糙集的基本理论和程序算例 包含邻域粗糙集计算的matlab算例,说明文档(个人编写的) 说明文档包括了粗糙集和邻域粗糙集的基础知识讲解,实际算例,程序的应用介绍,程序使用算例。 如果你没有积分下载,可以加我qq379786867,我发给你。 这里设置了积分下载主要是为了我能赚取一些积分下载其他资源,谅解! 压缩文件中包括三个m文件,一个mat文件,一个pdf文档。
  3. 所属分类:其它

    • 发布日期:2013-07-06
    • 文件大小:657408
    • 提供者:buaasuozi
  1. 邻域粗糙集和经典粗糙集基本理论和程序算例V2.0.1(2015.04.06)

  2. 文档内容是 关于粗糙集和邻域粗糙集的基本理论和程序算例。一两年前上传过比较老旧的版本。 后期有网友在测试中发现了一个bug,在此修复了此bug,并做了更新说明。 前期有下载过我的程序的网友,如果有需要,可以直接来找我(qq379786867),我再传送给您最新版本。 附件内包括理论 说明文档,计算程序,演示数据和算例说明。 希望能对大家学习有帮助。 我们多交流,多学习。一切为了进步。
  3. 所属分类:专业指导

    • 发布日期:2015-04-06
    • 文件大小:1028096
    • 提供者:buaasuozi
  1. 邻域粗糙集算例及数据.rar

  2. 邻域粗糙集的相关学习算法可学习运行,对于研究粒度计算方面或许会有一点点用处,如有一些新的切入点可以一起探讨一下。
  3. 所属分类:机器学习

    • 发布日期:2020-04-12
    • 文件大小:9216
    • 提供者:qq_40055922
  1. 邻域粗糙集和经典粗糙集基本理论和程序算例V2.0.1(2015.04.06)

  2. 文档内容是 关于粗糙集和邻域粗糙集的基本理论和程序算例。一两年前上传过比较老旧的版本。 后期有网友在测试中发现了一个bug,在此修复了此bug,并做了更新说明。 前期有下载过我的程序的网友,如果有需要,可以直接来找我(qq379786867),我再传送给您最新版本。 附件内包括理论 说明文档,计算程序,演示数据和算例说明。 希望能对大家学习有帮助。 我们多交流,多学习。一切为了进步。
  3. 所属分类:专业指导

    • 发布日期:2020-02-04
    • 文件大小:1016832
    • 提供者:nujusinu
  1. 基于支持向量机和邻域粗糙集的旋转机械振动故障诊断

  2. 针对旋转机械振动故障诊断,提出了一种基于邻域粗糙集模型的改进支持向量机的诊断方法。该方法对选取的特征向量进行约简,并将约简结果作为支持向量机的输入特征向量来诊断旋转机械的工作状态。实验结果表明:与属性约简前的支持向量机诊断模型相比,该方法能够在提高分类精度的前提下缩短系统的诊断时间,取得了良好的效果。
  3. 所属分类:其它

    • 发布日期:2020-07-02
    • 文件大小:235520
    • 提供者:weixin_38546308
  1. 胡清华邻域粗糙集代码

  2. 胡清华邻域粗糙集代码
  3. 所属分类:专业指导

    • 发布日期:2017-03-23
    • 文件大小:2097152
    • 提供者:chengzi24
  1. 基于邻域粗糙集的符号与数值属性快速约简算法

  2. 基于邻域粗糙集的符号与数值属性快速约简算法
  3. 所属分类:专业指导

    • 发布日期:2016-11-05
    • 文件大小:827392
    • 提供者:shl8354in
  1. 基于邻域粗糙集的连续值分布式数据属性约简

  2. 基于邻域粗糙集的连续值分布式数据属性约简
  3. 所属分类:其它

    • 发布日期:2021-03-23
    • 文件大小:1048576
    • 提供者:weixin_38626179
  1. 基于知识粒化的邻域粗糙集粗糙度度量

  2. 基于知识粒化的邻域粗糙集粗糙度度量
  3. 所属分类:其它

    • 发布日期:2021-03-19
    • 文件大小:129024
    • 提供者:weixin_38750406
  1. 邻域粗糙集的并行方法:分类和特征选择

  2. 邻域粗糙集的并行方法:分类和特征选择
  3. 所属分类:其它

    • 发布日期:2021-03-17
    • 文件大小:1048576
    • 提供者:weixin_38707061
  1. 基于邻域粗糙集和概率神经网络集成的基因表达谱分类新方法

  2. 随着生物信息学的发展,近年来对基因芯片的研究已引起研究人员的越来越多的关注。 基因表达谱在癌症诊断和分类中的应用已逐渐成为生物信息学领域的热门话题之一。 根据高维小样本集的基因表达谱特征,提出一种基于邻域粗糙集理论和概率神经网络集成分类算法的癌症分类方法。 首先,通过Relief算法对基因进行分类。 然后,使用邻域粗糙集理论选择分类信息基因。 最后,我们用概率神经网络集成分类模型进行癌症分类。 实验结果表明,该方法可以有效地选择癌基因,并获得较好的分类结果。
  3. 所属分类:其它

    • 发布日期:2021-03-16
    • 文件大小:181248
    • 提供者:weixin_38606076
  1. 基于邻域粗糙集模型的边界过采样新算法:NRSBoundary-SMOTE

  2. 基于邻域粗糙集模型的边界过采样新算法:NRSBoundary-SMOTE
  3. 所属分类:其它

    • 发布日期:2021-03-09
    • 文件大小:1048576
    • 提供者:weixin_38612568
  1. 基于模糊邻域粗糙集的信息系统不确定性度量方法

  2. 基于模糊邻域粗糙集的信息系统不确定性度量方法
  3. 所属分类:其它

    • 发布日期:2021-03-09
    • 文件大小:3145728
    • 提供者:weixin_38718413
  1. 使用邻域粗糙集进行盲图像隐写分析的特征选择

  2. 使用邻域粗糙集进行盲图像隐写分析的特征选择
  3. 所属分类:其它

    • 发布日期:2021-03-08
    • 文件大小:524288
    • 提供者:weixin_38745648
  1. 邻域粗糙集的稳定属性约简

  2. 邻域粗糙集的稳定属性约简
  3. 所属分类:其它

    • 发布日期:2021-03-08
    • 文件大小:235520
    • 提供者:weixin_38743372
  1. 基于邻域粗糙集的不平衡数据特征选择

  2. 基于邻域粗糙集的不平衡数据特征选择
  3. 所属分类:其它

    • 发布日期:2021-03-08
    • 文件大小:1048576
    • 提供者:weixin_38699302
  1. 邻域粗糙集不确定性的度量

  2. 不确定性度量是机器学习领域中的关键评估工具,它可以度量两个特征子集之间的依赖性和相似性,并可以用来判断特征在分类和聚类算法中的重要性。 在经典的粗糙集中,存在一些不确定性工具来测量特征子集,包括准确性,粗糙度,信息熵,粗糙熵等。这些度量适用于离散值信息系统,但不适用于实值数据集。 在本文中,通过介绍邻域粗糙集模型,每个对象都与一个邻域子集(称为邻域颗粒)相关联。 提出了几种邻域颗粒的不确定性度量,即邻域系统中的邻域精度,信息量,邻域熵和信息粒度。 此外,我们证明了这些不确定性度量满足非负性,不变
  3. 所属分类:其它

    • 发布日期:2021-03-07
    • 文件大小:940032
    • 提供者:weixin_38668274
  1. 使用邻域粗糙集和熵测度进行肿瘤分类的基因选择

  2. 随着生物信息学的发展,基于基因表达数据的肿瘤分类已成为诊断癌症的重要有用技术。 由于基因表达数据通常包含数千个基因和少量样品,因此从基因表达数据中选择基因成为肿瘤分类的关键步骤。 粗糙集的属性约简已经成功地应用于基因选择领域,因为它具有数据驱动的特点,并且不需要额外的信息。 但是,传统的粗糙集方法仅处理离散数据。 至于包含实数值或噪声数据的基因表达数据,通常是通过离散预处理使用它们,这可能导致分类精度差。 在本文中,我们提出了一种基于邻域粗糙集模型的基因选择新方法,该方法具有在保留原始基因分类信
  3. 所属分类:其它

    • 发布日期:2021-03-07
    • 文件大小:731136
    • 提供者:weixin_38716081
« 12 3 4 »