注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. 统一建模语言UML教程

  2. 统一建模语言（ U M L）是一个通用的可视化建模语言，用于对软件进行描述、可视化处 理、构造和建立软件系统制品的文档。它记录了对必须构造的系统的决定和理解，可用于对 系统的理解、设计、浏览、配置、维护和信息控制。UML 适用于各种软件开发方法、软件生 命周期的各个阶段、各种应用领域以及各种开发工具，是一种总结了以往建模技术的经验并 吸收当今优秀成果的标准建模方法。U M L包括概念的语义，表示法和说明，提供了静态、动 态、系统环境及组织结构的模型。它可被交互的可视化建模工具所支持，这些工具提

  3. 所属分类：专业指导

    • 发布日期：2009-07-31
    • 文件大小：12mb
    • 提供者：l95566505

  1. RoughSet中基于聚类的连续属性离散化方法.pdf

  2. 分析了一些中连续属性离散化的方法，指出了其中的某些不足，并给出了一个基于聚类的连续属性离散化的方法。对当前Rough Set 的论域中的例子根据相似性进行聚类，对每个聚类在各属性轴上的投影的边界设离散断点。该方法考虑了各属性之间的相关性，能得到比较

  3. 所属分类：专业指导

    • 发布日期：2009-09-05
    • 文件大小：222kb
    • 提供者：ycluml

  1. matlab6.5图形图像处理源程序

  2. matlab6.5图形图像处理源程序 第一章 MATLAB6.5 基础 1.1 MATLAB 语言介绍 1.1.1 MATLAB 产品系列与应用 1.1.2 MATLAB6.5 的新特点 1.2 MATLAB 语言基础 1.2.1 认识 MATLAB6.5 环境 1.2.2 MATLAB6.5 变量和表达式 1.2.3 数组的产生 1.2.4 数组的操作 1.2.5 常用的数学函数 1.2.6 数组的运算 1.2.7 数组的扩展 1.2.8 数组的转换 1.2.9 MATLAB 控制语句 1

  3. 所属分类：其它

    • 发布日期：2009-11-01
    • 文件大小：77kb
    • 提供者：yueh5

  1. matlab6.5图形图象处理源程序

  2. 第一章 MATLAB6.5 基础 1.1 MATLAB 语言介绍 1.1.1 MATLAB 产品系列与应用 1.1.2 MATLAB6.5 的新特点 1.2 MATLAB 语言基础 1.2.1 认识 MATLAB6.5 环境 1.2.2 MATLAB6.5 变量和表达式 1.2.3 数组的产生 1.2.4 数组的操作 1.2.5 常用的数学函数 1.2.6 数组的运算 1.2.7 数组的扩展 1.2.8 数组的转换 1.2.9 MATLAB 控制语句 1.2.10 其它控制语句 1.2.11

  3. 所属分类：其它

    • 发布日期：2010-02-19
    • 文件大小：96kb
    • 提供者：rainy269

  1. MATLAB图形图像处理

  2. 第一章 MATLAB6.5 基础 1.1 MATLAB 语言介绍 1.1.1 MATLAB 产品系列与应用 1.1.2 MATLAB6.5 的新特点 1.2 MATLAB 语言基础 1.2.1 认识 MATLAB6.5 环境 1.2.2 MATLAB6.5 变量和表达式 1.2.3 数组的产生 1.2.4 数组的操作 1.2.5 常用的数学函数 1.2.6 数组的运算 1.2.7 数组的扩展 1.2.8 数组的转换 1.2.9 MATLAB 控制语句 1.2.10 其它控制语句 1.2.11

  3. 所属分类：其它

    • 发布日期：2011-01-03
    • 文件大小：6mb
    • 提供者：wangmingyuevs

  1. Image Defect Recognition based on Rough Set

  2. 系统为图像的缺陷,并设计了一种决策算法粗糙集适用于图像缺陷识别。 首先,图像是由离散集区域化和顺序提出了连续属性离散化的图像。 那么这个决策表模型离散的条件属性和决策属性的构造。 进一步的函数和减少条件属性的意义给出了算法。 一种新颖的方法对决策规则分析和粗糙集识别是提议。 最后,这个本文以对织物进行缺陷识别的例子来这些算法进行验证。 结果显示了粗糙集算法是有效的图像以更少的缺陷识别计算速度快。

  3. 所属分类：游戏开发

    • 发布日期：2012-11-14
    • 文件大小：347kb
    • 提供者：liuzhao_1988

  1. C5.0软件决策树模型

  2. C5.0是决策树模型中的算法，79年由J R Quinlan发展，并提出了ID3算法，主要针对离散型属性数据，其后又不断的改进，形成C4.5，它在ID3基础上增加了队连续属性的离散化。 C5.0是C4.5应用于大数据集上的分类算法，主要在执行效率和内存使用方面进行了改进。 C4.5算法是ID3算法的修订版，采用GainRatio来加以改进方法，选取有最大GainRatio的分割变量作为准则，避免ID3算法过度配适的问题。 C5.0算法则是C4.5算法的修订版，适用于处理大数据集，采用Boost

  3. 所属分类：其它

    • 发布日期：2012-12-06
    • 文件大小：670kb
    • 提供者：baishikele_hw

  1. 决策树模型C5.0代码

  2. C5.0是决策树模型中的算法，79年由J R Quinlan发展，并提出了ID3算法，主要针对离散型属性数据，其后又不断的改进，形成C4.5，它在ID3基础上增加了队连续属性的离散化。 C5.0是C4.5应用于大数据集上的分类算法，主要在执行效率和内存使用方面进行了改进。 C4.5算法是ID3算法的修订版，采用GainRatio来加以改进方法，选取有最大GainRatio的分割变量作为准则，避免ID3算法过度配适的问题。

  3. 所属分类：其它

    • 发布日期：2012-12-06
    • 文件大小：129kb
    • 提供者：baishikele_hw

  1. 数据分析算法关联分析

  2. 处理分类属性,处理连续属性,基于离散化的方法,非离散化方法,概率分层,序列模式及例子等

  3. 所属分类：算法与数据结构

    • 发布日期：2018-02-27
    • 文件大小：5mb
    • 提供者：liufeng_2004

  1. Python 科学计算

  2. 第 1 章 软件包的安装和介绍....................1 1.1 Python 简介......................................1 1.2 安装软件包......................................2 1.2.1 Python(x,y)..................................... 2 1.2.2 Enthought Python Distribution (EPD)............

  3. 所属分类：讲义

    • 发布日期：2018-09-20
    • 文件大小：5mb
    • 提供者：yanghefeng22

  1. 粗糙集应用工具Rosetta软件

  2. 粗糙集应用工具软件，能够和MATLAB及C语言接口，进行数据的约简（包含多种方法），连续属性离散化，以及粗糙集相关集合的求取。

  3. 所属分类：算法与数据结构

    • 发布日期：2018-12-27
    • 文件大小：799kb
    • 提供者：liuchongjie

  1. MATLAB教学视频数模资料及源程序代码下载及说明-MATLAB教学视频，数模资料及源程序代码下载及说明.pdf

  2. MATLAB教学视频数模资料及源程序代码下载及说明-MATLAB教学视频，数模资料及源程序代码下载及说明.pdf MATLAB源程序代码、免费视频、教学课件及付费视频的预览版下载，请直接看此贴的附件PDF文档！ 如果下载有问题，请加QQ群：467976437 免费视频、教学课件及付费视频的预览版，已上传至QQ群共享，直接下载！ MATLAB原创付费教学视频说明 每一期的教学内容均包含教学视频（硬件加密，绑定电脑），教学课件，MATLAB源代码。每期视频的售价均为十元，授权一台电脑播放，不限播放

  3. 所属分类：其它

    • 发布日期：2019-08-13
    • 文件大小：145kb
    • 提供者：weixin_39841856

  1. 煤矿瓦斯预测专家系统中基于粗集的知识获取方法

  2. 针对现有煤矿瓦斯预测专家系统因没有新知识获取措施及知识自更新功能而预测效果不佳的问题,提出了基于粗集的知识获取方法。该方法首先建立瓦斯数据与瓦斯突出强度之间关系的预测样本集;然后运用粗糙集的连续属性离散化、属性约简以及规则提取算法,从大量的预测样本集中自动获取预测知识,并将预测知识存储于专家系统知识库中;最后基于推理机实现煤矿瓦斯突出的实时预测。实例分析验证了该方法在煤矿瓦斯突出预测专家系统知识获取中的有效性和实用性。

  3. 所属分类：其它

    • 发布日期：2020-05-07
    • 文件大小：180kb
    • 提供者：weixin_38636655

  1. 机器学习算法基础学习总结

  2. 机器学习算法基础学习总结2.基本算法 2.1 Logistic回归 优点:计算代价不高,易于理解和实现。 缺点:容易欠拟合,分类精度可能不高 适用数据类型:数值型和标称型数据。 类别:分类算法。 试用场景:解决二分类问题。 简述: Logistic回归算法基于 Sigmoid函数,或者说 Sigmoid就是逻辑回归函数。 Sigmoid函数定义如下:1/(1-exp(-z))。函数值域范围(0,1)。可以用来做分 类器。 Sigmoid函数的函数曲线如下: 逻辑凹归模型分解如下:(1)首先将不同

  3. 所属分类：机器学习

    • 发布日期：2019-07-02
    • 文件大小：305kb
    • 提供者：abacaba

  1. 粗糙集连续属性离散化的k均值方法

  2. 为在应用粗糙集理论处理数据时,对连续属性进行离散化预处理,采用k均值算法对连续属性进行离散化的方法,将属性无监督聚类成两类.通过在UCI数据库上选取的4组数据进行实验,首先离散化,再通过粗糙集约简,最后使用k NN(k=10)分类器,并和其他两种离散化方法进行对比.研究结果表明:该方法能够提高离散化的效率,降低实验的复杂度,并有效减少断点数.

  3. 所属分类：其它

    • 发布日期：2020-06-28
    • 文件大小：613kb
    • 提供者：weixin_38709816

  1. 离散化和数值概念层次树简介

  2. 离散化技术方法可以通过将属性（连续取值）域值范围分为若干区间，来帮助消减一个连续（取值）属性的取值个数。可以用一个标签来表示一个区间内的实际数据值。在基于决策树的分类挖掘中，消减属性取值个数的离散化处理是一个极为有效的数据预处理步骤。 图 1 所示是一个年龄属性的概念层次树。概念层次树可以通过利用较高层次概念替换低层次概念（如年龄的数值）来减少原有数据集的数据量。虽然一些细节在数据泛化过程中消失了，但这样所获得的泛化数据或许会更易于理解、更有意义。在消减后的数据集上进行数据挖掘显然效率更高。

  3. 所属分类：其它

    • 发布日期：2021-01-07
    • 文件大小：98kb
    • 提供者：weixin_38586118

  1. Pandas数据离散化原理及实例解析

  2. 这篇文章主要介绍了Pandas数据离散化原理及实例解析,文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下 为什么要离散化 连续属性离散化的目的是为了简化数据结构，数据离散化技术可以用来减少给定连续属性值的个数。离散化方法经常作为数据挖掘的工具 扔掉一些信息,可以让模型更健壮,泛化能力更强 什么是数据的离散化 连续属性的离散化就是在连续属性的值域上，将值域划分为若干个离散的区间，最后用不同的符号或整数 值代表落在每个子区间中的属性值 分箱

  3. 所属分类：其它

    • 发布日期：2021-01-20
    • 文件大小：131kb
    • 提供者：weixin_38743084

  1. 一种基于粗糙2模糊集集成模型的决策分析方法

  2. 针对信息系统为连续属性的情况, 提出一种将粗糙集与模糊集相结合来获取决策规则的方法. 这种基于粗 糙2模糊集集成模型求取决策规则的方法通过一个模糊隶属函数将连续属性值表示成模糊值, 从而避免了连续属性 的离散化问题. 同时给出了连续属性值转换成模糊值的表示形式, 提出了模糊相似关系和模糊相似类的概念, 给出了 粗糙2模糊近似空间的下、上近似及其性质以及模糊相似关系下属性约简的方法. 最后以自修复飞行控制系统的效能 评估为例, 给出了自修复效能评估的决策规则.

  3. 所属分类：其它

    • 发布日期：2021-01-15
    • 文件大小：271kb
    • 提供者：weixin_38615783

  1. 粗集理论中连续属性的广义离散化

  2. 提出一种处理区间属性值离散化问题的新方法, 其特点是在离散化过程中强调类别可分离性. 首先拓展已 有的基于断点划分的离散化定义, 给出基于类别可分离性的广义离散化定义; 然后描述了广义离散化算法并进行 时间复杂性分析; 最后利用辐射源信号进行了仿真实验. 结果表明, 该方法能有效离散区间属性决策系统, 简化分 类器的设计和提高识别率, 从而拓展了粗集理论的应用范围.

  3. 所属分类：其它

    • 发布日期：2021-01-15
    • 文件大小：273kb
    • 提供者：weixin_38704701

  1. 历史数据驱动下基于粗糙集的AVC系统关键参数挖掘方法

  2. 自动电压控制(AVC)系统中的参数设置过程繁琐且设置结果无依据，以历史大数据为基础，通过对历史数据的挖掘指导系统关键参数的设置。首先，给出一种基于强化正域的属性综合约简策略对关联属性进行约简；然后，采用基于最优分类的属性变换策略将连续属性离散化，并给出一种基于数据预处理的集合近似匹配策略，用于计算不同曲线间的相似度；最后，提出一种基于粗糙集的AVC系统关键参数辨识框架，对历史大数据进行挖掘。基于真实电网数据进行算例分析，挖掘结果表明所提辨识框架能自动给出合理的参数设置结果；实际应用结果表明，相比

  3. 所属分类：其它

« 12 »