排序方式： 共有2条查询结果，搜索用时 0 毫秒
1
1.
为解决不确定性数据的学习问题,借鉴2-型模糊理论中的简约思想,提出了一种利用期望值简约技术处理三角型模糊输入输出数据的模糊非线性回归模型.首先将三角型模糊输入输出利用其期望值简约为清晰输入输出,然后利用经典随机赋权网络对其进行学习,最后再通过新定义的三角型模糊输出变量的宽度矩阵将网络清晰值输出还原为三角型模糊输出.仿真实验结果表明,与已有模型相比,该模型具有更高的学习准确度和更好的扩展能力. 相似文献
2.
以不一致度为基础,给出了一种新的衡量属性重要度的标准--不一致度增加函数,并以此为启发式信息构造了一种新的属性约简算法.与前人提出的属性约简算法相比,这种算法的求核运算包含在求属性重要度的运算中,不需要再单独求核.从而简化了算法,提高了效率. 相似文献
1