网站大量收购独家精品文档,联系QQ:2885784924

基于严凸函数的知识粒度与相对粒度-模式识别与人工智能.PDFVIP

基于严凸函数的知识粒度与相对粒度-模式识别与人工智能.PDF

  1. 1、本文档共12页,可阅读全部内容。
  2. 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  5. 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  6. 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  7. 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  8. 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
基于严凸函数的知识粒度与相对粒度-模式识别与人工智能.PDF

第26 卷摇 第 10 期摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 模式识别与人工智能摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 Vol.26摇 No.10 摇 2013年10月摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 PR AI摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 Oct.摇 摇 2013 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 基于严凸函数的知识粒度与相对粒度* 1 2 3 1 黄国顺 摇 摇 曾凡智摇 摇 陈广义摇 摇 文摇 翰 1(佛山科学技术学院理学院摇 佛山528000) 2(佛山科学技术学院 电子与信息工程学院摇 佛山528000) 3(佛山科学技术学院机械与电气工程学院摇 佛山528000) 摘摇 要摇 首次将严凸函数引入知识粒度研究中,提出基于严凸函数的知识粒度理论框架.根据该理论框架,给出一 系列知识粒度度量函数,证明现有多种常见的知识粒度度量是该理论框架的特殊情形或变种.给出基于严凸函数 的相对粒度定义,虽然对任意严凸函数导出的相对粒度不满足单调性,但对一些特殊严凸函数导出的相对粒度证 明其单调性,并给出等号成立的条件.证明现有条件信息熵都是文中提出的严凸函数相对粒度的特殊情形,揭示它 们的知识粒度本质.针对一致决策表,证明相对粒度与正区域不变等价,从而得到一致决策表代数约简的相对粒度 判定方法.数值算例验证文中结论的正确性. 关键词摇 严凸函数,知识粒度,相对粒度,条件信息熵 中图法分类号摇 TP 181 Knowledge Granularity and Relative Granularity Based on Strictly Convex Function 1 2 3 1 HUANG Guo鄄Shun ,ZENG Fan鄄Zhi ,CHEN Guang鄄Yi ,WEN Han 1 (Science School,Foshan University,Foshan528000) 2 (Electronics and Information Engineering School,Foshan University,Foshan528000) 3(Mechatronics and Electronic Engineering School,Foshan University,Foshan528000) ABSTRACT The strictly convex function is introduced into the research of knowledge granularity for the first time. Based on the strictly convex function,a theory frameworkfor constructing knowledge granularity is proposed. A series of knowledge granularity measuring functions is derived under this framework. It is proved that the existing knowledge granularity measuring functions are t

您可能关注的文档

文档评论(0)

18273502 + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档