[其它] 基于知识粒化的粗糙集不确定性的新度量

说明：在粗糙集理论中，精度和粗糙度用于表征集合的不确定性，近似精度用于描述强分类的精度。 尽管这些措施是有效的，但当一个知识下的集合的上下近似等于另一知识下的下近似/上逼近时，它们会有一些限制。 为了克服这些限制，我们在本文中解决了信息系统中集合的不确定性和决策表中的粗略分类的近似精度问题。 给出了信息系统知识粒化的公理定义，在此定义下，这三种措施得到了修改。 理论研究和实验结果表明，改进后的方法分别适用于评估信息系统中集合的韧性和准确性以及决策表中粗分类的近似准确度，并且更简单，更全面。形式比现有的
<weixin_38751177> 上传 | 大小：512kb

[其它] 演示球-源码

说明：演示球
<weixin_42102713> 上传 | 大小：3mb

[其它] Atlas-手淘组件化框架的前世今生和未来的路

说明：Atlas是古希腊神话中的天神，是波士顿动力公司的机器人，借助搜索引擎，得以发现这个名词背后许许多多的含义。在手机淘宝，Atlas是一个扎根于Android客户端的一个组件化容器框架，相比神话中用手和头支撑起苍天的泰坦神族，Atlas在手淘默默无闻地承载着手淘上丰富业务的运行，伴随着数不清的功能在用户手中经历新老交替。在阿里，在手机淘宝，移动客户端的迭代更新可以说是整个移动互联网从新起到繁荣的见证。伴随着越来越多业务的诞生，越来越多的代码开始往小小的客户端涌入，而无论是iOS还是Android，
<weixin_38693720> 上传 | 大小：653kb

[其它] dvc教程-源码

说明：dvc教程
<weixin_42164534> 上传 | 大小：4kb

[其它] 基于知识粒度的不完备信息系统粗糙集不确定性度量

说明：粗糙集理论是在模糊和不确定性特征下针对计算机应用的一种相对较新的数学工具。 在本文中，我们解决了不完整信息系统的粗糙集的不确定性。 获得了不完全信息系统知识粒度的公理定义，提出了粗糙集不确定性的度量。 此度量具有一些不错的属性，例如等效性，最大值和最小值。 此外，我们证明了不确定性度量是有效的并且适合于测量不完整信息系统的粗糙集的粗糙度和准确性。
<weixin_38747592> 上传 | 大小：188kb

[其它] 不完整的多粒度粗糙集

说明：原始的粗糙集模型主要与给定宇宙上的单个等价关系描述的集的近似有关。 从粒度计算的角度来看，经典的粗糙集理论是基于单个粒度的。 这篇对应论文首先将基于公差关系的粗糙集模型扩展到基于多粒度的不完整粗糙集模型，其中通过使用宇宙上的多个公差关系来定义集近似值。 然后，针对该粗糙集框架提出了几种基本措施，并引入了近似归约的概念来表征保留该粗糙集模型中所有决策类的较低近似值和较高近似值的最小属性子集。 最后，设计了几种关键算法来寻找近似归约。
<weixin_38727928> 上传 | 大小：582kb

[其它] Linux容器化技术前世今生（虚拟化、容器化、Docker）

说明：虚拟化是过去用来充分利用计算机物理资源的最常用方法。早年间，我们可以用一台服务器运行一个操作系统，处理一个任务，带来的问题是资源利用率极其不足，计算机的潜能并不能完全发挥，而后多道批处理系统、分时系统相继出现，Unix、Linux等操作系统成为了人类“压榨”计算机物理资源的神兵利器，而此时，虚拟化技术却并未崭露头角。目光聚焦到20世纪的90年代，当时IT行业逐渐步入工业化，大量公司部署起了自己内部的IT环境，他们使用了多个不同供应商提供的价格相对低廉的服务器、操作系统和应用程序，此时就暴露出了一
<weixin_38590996> 上传 | 大小：240kb

[其它] 粗糙集理论中的组合熵和组合粒度

说明：基于信息获取的直觉性知识内容性质，在粗糙集理论中引入了组合熵和组合粒化的概念。 定义了条件组合熵和互信息，并推导了它们的几个有用属性。 此外，建立了组合熵和组合颗粒化之间的关系，可以表示为CE（R）+ CG（R）=1。上述概念的所有属性都是不完整信息中这些概念的特殊情况。系统。 这些结果具有广泛的应用，例如在粗糙集理论的启发式归约算法中，测量知识内容，测量属性的重要性，构造决策树和构建启发式函数。
<weixin_38631282> 上传 | 大小：203kb

[其它] 井字游戏（Tic-Tac-Toe）：通过pygame模块通过python制作的井字游戏本地游戏-源码

说明：井字游戏 名称：井字游戏。 描述/控制：pygame中的经典井字游戏。 版本：1.0。 发行日期：2/24/2021 创作者：塞巴斯蒂安·拉特泽（SebastiánRatzer）。 指示 单击您要选择的正方形。 按空格键重新启动游戏。
<weixin_42138376> 上传 | 大小：21mb

[其它] 一种用于分类数据聚类的数据标记方法

说明：随着数据规模的快速增长，群集非常大的数据集不可避免地会耗时。 为了提高聚类的效率，通常使用抽样来缩小数据集的大小。 但是，在应用采样后，如何将未标记的对象分配到适当的群集中是一个非常困难的问题。 本文基于给定聚类中属性值的频率和不同聚类中属性值的分布，提出了一种新颖的相似性度量，将每个未标记的对象分配到相应的适当聚类中，以对分类数据进行聚类。 提出了分类数据的标注算法，并分析了其对应的时间复杂度。 实际数据集上的实验表明了该算法的有效性。
<weixin_38630612> 上传 | 大小：201kb

[其它] UML建模方法论（上）：建模初期的准备

说明：建模语言很重要，建模思想更重要。1）帮你从业务出发推导出具体要做的功能在我们从0-1打造一个软件的时候，我们面临着这样的问题，这个软件应该有哪些模块？每个模块有哪些功能？如果是一个面向C端的产品，有可能你自己就是一个目标用户，你可以将自己代入情景，寻找痛点，找到要做的功能。可是，如果是一个面向B端的产品，因为B端软件的业务属性非常重，如果你对业务不是那么熟悉，那么在一开始你可能对于上面提到的两个问题会感到没有头绪。即使你对业务非常熟悉，也不一定就能保证你做出的软件符合业务的要求。因为，在熟悉业务
<weixin_38550459> 上传 | 大小：469kb

[其它] number-to-words-ru：将数字转换成俄语单词-源码

说明：数字到单词ru Конвертированиечиславслованарусскомязыке。 :input_numbers: :right_arrow: :input_latin_lowercase: Чтоделаетэтотмодуль 1234567.89 :right_arrow: Одинмиллиондвеститридцатьчетыретысячипятьсотшестьдесятсемьрублей89копеек 123.45 :right_arro
<weixin_42097189> 上传 | 大小：284kb