【人工智能基础】双论域下多粒度模糊粗糙集上下近似的包含关系

【知识工程】广义优势多粒度直觉模糊粗糙集及规则获取

人工智能基础：区间直觉模糊粗糙集的不确定性研究

【智能系统】基于不完备信息系统的三角模糊数决策粗糙集

【机器学习】适合大规模数据集的增量式模糊聚类算法编辑部

针对密度聚类算法对邻域参数设置敏感的问题，提出一种基于密度的模糊自适应聚类算法.算法在无需预先设置聚类数以及邻域参数的情况下，可以自适应地根据样本间距离关系确定邻域半径得到样本密度，并根据样本密度逐渐增加聚类中心.为了保障聚类结果的正确性，同时提出一种新的模糊聚类有效性指标以判断最佳聚类数，消除了密度聚类算法对参数的敏感性.用UCI基准数据集进行实验，发现本文算法在对数据进行聚类时，聚类质量较原始密度聚类算法在准确性和自适应性方面均有显著提高

应用Fuzzy集理论研究了如何用隶属函数来描述合金工具钢碳化物的不均匀性,提出一种评定碳化物级别的方法,并进行了计算检验

基于马氏距离和模糊C均值聚类算法提出了一种数字彩色图像抠图算法.该算法首先对彩色图像像素的红绿蓝三种彩色分量进行正则化处理；然后在正则化图像背景中选取适当的掩膜作为样本集，计算各像素与样本集之间的马氏距离；再利用模糊C均值聚类算法对计算出的马氏距离进行分类；最后利用填洞操作提高抠图质量.对八幅彩色数字图像进行对比实验，结果显示本算法可以自动抠图，且结果优于马氏距离算法、Grow-Cut算法和正则化线性回归算法的相应抠图效果

结合物元理论和Vague集理论,提出模糊环境下的物元决策模型.介绍了Vague集的概念,给出Vague复合物元的定义.根据改进的Vague排序函数确定方案物元的正理想解和负理想解.利用相似度量确定各方案物元到理想物元的距离,计算方案的贴近度,以此选择最优方案.用案例说明所提出的物元决策方法的应用过程.结果表明,本文提出的方法对模糊和不确定的决策问题具有较好的实用性

2.1 概述 2.2 二维绘图的 plot 命令 2.3 图形修饰与控制 2.4 特殊坐标二维图形 2.5 特殊二维图形 2.6 三维图形