粗糙集的属性约简是一个NP难问题,目前尚无高效的算法.基于集合理论,提出了关系积概念和基于关系积的属性约简算法,把决策表的属性约简过程转化为关系积的运算,减小了对决策表的扫描次数,提高了属性约简的效率;算法采用自底向上和宽度优先的搜索策略,可确保找到最小属性约简集.结合实例,给出了算法的具体实现

介绍了一种多输入、多输出系统的故障诊断参数选择方法,该方法以可观参数集的信息熵为标准,进行启发性诊断参数集的划分,先以系统状态决定的启发性诊断多数子集作为驱动数据,实施正向推理,缩小目标集合;再以故障目标集合为对象,进行反向推理以确定最终故障集合;最后将故障集合的元素所对应的可测诊断参数作为系统的诊断参数进行测量。该方法构成了诊断型专家系统的一子部分

一、基本概念 1.数集的相关概念: (1)邻域:设a∈R,δ>0。满足绝对值不等式|x-a<的全体实数x的集合称为点a的δ邻域,记作U(a,),或简单地记为U(a)

本文应用超图理论提出了从有向基本割集矩阵Qf的树路子阵Qfp逐层判断其可实现性和综合出其对应有向图G的算法RFCMHGT。它的原理直观,计算复杂度为O(nl2),μ和l为Qfp的行和列数。例2表明:Tutte条件不是Qf可实现的充分条件

各种收敛定义 几乎处处收敛:fn→fae.于 去掉某个零测度集,在留下的集合上处处收敛 几乎一致收敛:fn→fau.于E 去掉某个小(任意小)测度集,在留下的集合上一致收敛 依测度收敛:fn→fE

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

约束极值问题的算法 一、惩罚函数法(suMT) 1.问题:minf(x) s.t.g(x)≥0i=1,…,m minf(x) s.t.g(x)≥0这里g(x)=(g1(x),…,gm(x) min f() S.t.x∈D D={x|g(x)≥0}:可行点集或可行解集

一.C54X汇编工具的使用 C54X的源程序可以使用汇编或C语言编 写。使用汇编语言是可以使用助记符 指令集(Mnemonic Instruction Set )或代数指令集(Algebraic Instruction Set),但两种不能混用

随机过程的基本概念 设对每一个参数t∈T.X(t,w)是一随机变量,我们称随机变量族Xr={(t.w) t∈T}为一随机过程(stochastic process)称随机函数其中TC是一实数集,称为 指标集