Advertisement

粗糙集程序开发。

  •  5星
  •     浏览量: 0
  •     大小:None
  •      文件类型：None

简介：
通过使用MATLAB编写的粗糙集算法程序，能够有效地辅助论文写作过程，促进算法学习以及其在实践中的应用。

全部评论 (0)

还没有任何评论哟~
客服
客服
客服关闭
  • 粗糙度Ra的Matlab程序.rar_matlab 粗糙度RA_surface roughness_粗糙度 matlab_粗糙度
    优质
    本资源为一个计算表面粗糙度Ra值的MATLAB程序包。适用于工程学领域中对金属或非金属材料表面质量进行量化分析，提供源代码及使用说明文档。 计算一维和二维表面粗糙度Ra，根据需要自行选择合适的参数。
     
  • 粗糙集编程
    优质
    粗糙集编程是一类基于粗糙集理论进行数据处理与分析的计算机程序设计方法，广泛应用于机器学习、模式识别等领域。 用MATLAB编写的粗糙集算法程序有助于论文写作中的算法学习与应用。
     
  • matlab_shuxingyuejian_粗糙集.rar_matlab_属性_属性约简_粗糙集
    优质
    本资源为MATLAB实现的属性约简与粗糙集相关算法代码。适用于研究和学习数据挖掘、机器学习中特征选择的应用场景，帮助用户理解和应用复杂的数据处理技术。 属性约简（MATLAB算法）有实例讲解。
     
  • Python_粗糙集.rar
    优质
    本资源为《Python与粗糙集理论应用》压缩包，内含使用Python进行数据处理、分析及粗糙集相关算法实现的代码和文档。适合对机器学习和数据分析感兴趣的开发者参考学习。 粗糙集代码、属性约简以及数据集等相关内容涉及到了等价类的概念和应用。
     
  • 粗糙集详解
    优质
    《粗糙集详解》是一部全面解析粗糙集理论及其应用的专业书籍。书中深入浅出地介绍了粗糙集的基本概念、数学原理以及在数据挖掘和知识发现中的应用实例。适合计算机科学及人工智能领域的学者与从业者阅读参考。 粗糙集是一种数学工具，在文本分类等领域有广泛应用。如果对此感兴趣可以详细了解一下相关知识。
     
  • 粗糙集概述
    优质
    《粗糙集概述》：本文旨在简明介绍粗糙集理论的基本概念、数学描述及其在不确定性知识处理中的应用。适合初学者入门学习。 关于粗糙集的综述以及属性约简的经典算法可以帮助大家快速了解这一领域的内容。
     
  • 邻域粗糙集与经典粗糙集的基本理论及程序算例 V2.0.1（2015.04.06）
    优质
    本文档为V2.0.1版，更新于2015年4月6日，阐述了邻域粗糙集和经典粗糙集的理论基础，并提供了详细的程序算例。 文档内容涉及粗糙集与邻域粗糙集的基本理论及程序算例。原版本一两年前上传过，现已更新修复了此前网友测试过程中发现的一个bug，并附有详细的更新说明。对于前期下载过该程序的用户，若有需要可直接联系作者获取最新版本（联系方式不在此公开）。附件包括理论说明文档、计算程序、演示数据和算例解释等资料，旨在帮助大家更好地学习相关知识。希望各位能积极参与交流与探讨，共同进步。
     
  • 关于粗糙集与邻域粗糙集的基础理论及程序实例分析
    优质
    本论文深入探讨了粗糙集及其变种——邻域粗糙集的基础理论，并通过具体程序实例进行了详细分析和应用说明。 本段落档涵盖了粗糙集与邻域粗糙集的基本理论及程序算例，并提供了基于MATLAB的邻域粗糙集计算实例。文档内容包括对这两种方法的基础知识讲解、实际应用案例以及软件的应用介绍，同时附有使用示例以帮助理解。 压缩文件内包含三个m文件（用于运行代码）、一个mat文件（数据存储）和一份pdf文档（理论与操作指南）。这些资源旨在为用户提供全面的学习材料和支持。
     
  • 胡清华的邻域粗糙集主程序
    优质
    《胡清华的邻域粗糙集主程序》是由学者胡清华主导开发的一套针对数据挖掘和机器学习中不确定性处理的重要算法——邻域粗糙集模型的实现工具。该主程序提供了对复杂数据进行有效分析与决策支持的功能，广泛应用于模式识别、知识获取等多个领域。 胡清华邻域粗糙集主程序包括一个名为featureselect_FW_fast.m的文件。
     
  • Rosetta粗糙集工具
    优质
    Rosetta粗糙集工具是一款用于数据分析和知识发现的强大软件，基于粗糙集理论，支持数据挖掘、模式识别及决策规则提取。 ROSETTA软件是一个Rough集应用工具箱，由Aleksander Ohrn博士在其完成博士论文期间开发。其计算内核设计和界面的开发在挪威科技大学计算与信息科学系的知识系统组进行；而部分计算内核CRSES（早期版本）则在波兰华沙大学数学学院的逻辑组开发完成。这两个项目组都以Rough集研究著称。 ROSETTA的优点在于使用通用的C++语言编写，并且其核心源代码完全公开。开放式的接口设计使得它能够在每个计算步骤中与MATLAB、EXCEL和ODBC等软件进行数据导入与导出操作，从而允许用户修改任何步骤中的算法程序或独立开发新的算子。