排序方式: 共有56条查询结果,搜索用时 15 毫秒
1.
粗糙one-class支持向量机 总被引:2,自引:2,他引:0
粗糙集理论是处理不确定性和不完备信息的重要方法之一.通过将粗糙集理论引入到one-class支持向量机,提出了一种新颖的粗糙one-class支持向量机.通过定义上近似超平面和下近似超平面,使得训练样本能根据在粗糙间隔中的位置,自适应地对决策超平面产生影响.并且,outlier样本由于距离上近似超平面较近并产生较小的间隔误差,不会导致决策超平面对它们产生明显的过拟合.实验结果表明,粗糙one-class支持向量机的泛化性能优异,识别率和误识率均优于传统的one-class支持向量机. 相似文献
2.
3.
不确定多属性决策过程中,现有两大困难:(1)如何较好地表达和处理具有不确定性的属性评价信息;(2)如何将基于多样性评判准则的多准则评价结果进行信息融合,并获得更合理的综合评价结论.基于同构化思想,针对学术界最近才提出的一种能较好地处理具有多信息来源模糊信息的新数学模型"多值直觉模糊集模型",研究了多值直觉模糊集的隶属度与非隶属度的综合评判新课题与新方法;提出了兼有不确定语言型与区间型的异构风险型多属性决策新问题与新模型,构造了基于同构化信息融合的异构不确定多属性决策新模型与新算法. 相似文献
4.
5.
论程序设计“非结构化→结构化→对象化”技术进步与教育创新 总被引:1,自引:1,他引:1
In this paper,the programs' control structures are understood and re-understood,the program-design's “non-structured→structured→objectized(i, e. object-oriented)” are back-looked and known back,the program-design's education is evaluated ,the distinctions and relations of the isomorphic nature and isomorphic representation of both an algorithm and its programs are researched and studied. Then, the creative new education ideas and new teachingreform countermeasures of“ the objectized conformity and isomorphized structured program-design” and “isomorphization of objectized program-design” are advanced. 相似文献
6.
本文依据同构化凸壳构造基本定理,提出效率更高的双域双向水平倾角最小化圈绕凸壳新算法.本新算法的同构化特点是:1)"初始顶点与双域生成"处理:找出给定二维点集S的最低点和最高点,即Y轴坐标值最小点(若有多个最小点,则只取最左的最小点)和Y轴坐标值最大点(若有多个最大点,则只取最左的最大点),作为凸壳(逆时针围绕的)A向初始顶点、(顺时针圈绕的)B向初始顶点;并以这两个初始顶点为端点的线段,把原二维点集划分为两个独立的子点集S右、S左.2)在S右内,进行双向"圈绕寻找下一新顶点"即凸壳A向、B向最新顶点寻找处理:分别过自己的最近新顶点,作X轴正向射线,并A向或B向找出当前点集内对该顶点正向射线(为始边的)倾角最小的点;删除对已得各顶点所构成的子凸壳内点,当所剩当前点集非空时继续作"2)"逐边圈绕,直到为空.3)同理,在子点集S左内,进行双向"圈绕寻找下一新顶点"即凸壳A向、B向最新顶点寻找处理. 相似文献
7.
多属性决策问题的复杂性、决策因素影响的不确定和传统评判方法的局限性,使不确定决策因素的属性测度常常难以精确量化,往往只能用区间数进行大致估量.为了精确量化表征属性决策因素测度值不确定性,根据同构化基本原理与相似性科学相关理论及相关思想,针对区间型多属性决策问题提出了一种基于同构化多属性决策新方法的新算法.该新算法的主要特点是:1)提出了决策者风险偏好权重;2)采用了同构化风险测度三元组(拟下限相似度,风险程度,风险偏好值),来精确量化决策过程中存在的风险程度以及决策者对此风险程度的偏好;3)生成了可描述各属性与决策目标关系的标杆方案;4)定义了方案相似度新概念;5)构造了风险加权相似度量算子(RWSM0),来度量各决策方案与标杆方案之间风险加权相似度的大小;6)挑选出风险加权相似度最大的方案作为最优或满意方案. 相似文献
8.
9.
论二维点集或线段集凸壳生成算法改进与优化的同构化方向 总被引:8,自引:6,他引:2
本文指出了迄今为止的现行二维点集或线段集(包括:多边形、封闭折线、半封闭折线、开放线段集等)凸壳生成算法的共同弱点;提出了可改进与优化凸壳算法的同构化凸壳构造基本定理。进而,基于同构化凸壳构造基本定理,阐明了有限二维点集或线段集凸壳生成算法改进与优化的同构化方向,应当是:第一,使凸壳极点(或称顶点)分布域极小化,即让包含凸壳极点的判定区域尽可能小;使极点判定对象直接化,即让所判定对象尽可能接近当前所寻极点。第二,尽力对有可改造潜力的优秀串行凸壳算法施以并行化改造和创新。 相似文献
10.
基于最大基线倾角智能逼近的凸壳新算法 总被引:7,自引:7,他引:0
本文评述了有代表性的折半分治递归凸壳算法,并利用同构化凸壳基本定理提出效率更高的最大倾角智能逼近凸壳新算法。本新算法的同构化特点是:1)找出给定二维点集最外点(指最左、最右、最高、最低点),即其X轴、Y轴坐标值最大、最小的四个初始极点;2)用该初始极点,把原二维点集分布域划分为四个子分布域;3)分别在这四个子分布域中,各基于自身最新所得极点依次动态构造其基线倾角最大的当前极点,并用这些极点作凸边,来逐步智能逼近和最终生成该给定二维点集的凸壳。 相似文献