介绍了增量决策树算法的基本原理,并从实例费用和信息熵费用两个角度出发,对增量决策树算法的复杂度进行分析。通过实例说明,增量决策树算法能够构造出与ID3算法形态基本相同的决策树

8.9.1DEA算法 瑞士的 Xuejia LaiJames和 Massey于1990年 公布了DEA密码算法第一版,称为PES (Proposed Encryption Standard).为抗击 差分密码攻击,他们增强了算法的强度, 称PES( Improved PES),并于1992年改 名为da(International Data Encryption Algorithm,国际数据加密算法。)

第一节 成本的概念、分类和成本会计系统 一、成本的概念 二、成本按经济用途分类 三、按对成本对象的可追溯性分类 四、成本的其他分类 五、成本会计系统及成本对象 第二节 分批成本计算法 第三节 分步成本计算法 一、分步成本计算法的含义 二、分步成本计算法的特点 三、分步法的成本结转 四、分步成本计算法的计算步骤 五、生产成本在已完工产品和在制品之间的分配方法 六、约当产量法

贪心算法的特点 贪心算法总是作出在当前来看是最好的选择 就是说,贪心算法并不从整体最优上来考虑 ,所作出的选择只是某种意义上的局部最优 选择

针对标准的FCM算法没有考虑像素的空间信息而对噪声比较敏感和没有考虑不同样本数据对聚类效果的不同影响的不足,提出了一种顾及像素空间信息的基于图像的灰度直方图加权的FCM聚类算法,它在Szilagyi等提出的算法基础上通过引入图像的灰度直方图加权对算法中的目标函数进行修改.对人工合成图像和真实图像的数值模拟结果均显示出该算法的优良性能

提出基于集合差异度的聚类算法.算法通过定义的集合差异度和集合精简表示,直接进行一个集合内所有对象总体差异程度的计算,而不必计算两两对象间的距离,并且在不影响计算精确度的情况下对分类属性高维数据进行高度压缩,只需一次数据扫描即得到聚类结果.算法计算时间复杂度接近线性.实例表明该算法是有效的

提出了一种基于遗传算法(GA)和模糊C均值(FCM)算法的岩体结构面混合聚类方法.利用GA的全局搜索性能,求得初始聚类中心;在此基础上利用FCM算法,根据精度要求再作进一步求解.该方法避免了人为划定分类界限的主观性,消除了FCM聚类算法的局部最优的弱点,解决了采用普通遗传算法聚类时搜索速度和聚类精度的矛盾.结合实测数据,对应用该方法进行结构面组识别的步骤、参数选取、分组有效性、优势方位的判定进行了分析和讨论

从多目标配矿的复杂性出发,提出具有模糊性的多目标配矿问题,并设计出了基于管理者语言偏好和决策者满意度的模糊优化算法,该算法从最优性模型和重要性模型两方面进行改进.最后通过具体矿山实例对算法进行实现研究,根据实际配矿目标的各种要求,从算法的有效性、灵活性和灵敏性等特性进行分析

算法及程序设计基础 算法的概念 算法示例 算法的特征 流程图 基本算法结构 赋值语句及InputBox和MsgBox函数 分支结构与分支结构语句 If-Then-Else-End If 结构语句 Select Case-End Select结构语句 循环结构与循环结构语句

以语言场、广义细胞自动机和广义归纳逻辑因果模型为理论依据,分析了广义因果联系类知识的发现机理,给出了因果联系类知识发现的实现算法.该算法为解决具有随机不确定和模糊不确定性特征的因果联系类知识的发现提供了行之有效的方法.通过算法的运行实例,验证和说明了算法的正确性和有效性