1) probabilistic rough set model
粗糙集概率模型
1.
In this paper,the authors have presented an algorithm SRII based on probabilistic rough set model,which eliminates attributes very efficiently and effectively.
论文根据粗糙集概率模型应用于数据挖掘的特点,提出了一种用于数据预处理的基于信息归纳的概率粗糙集算法SRII;实验证明,SRII结合算法C4。
2) probability rough set model
概率粗糙集模型
1.
The classical probability rough set model had been established on the basis of universe of discourse in equivalent relation.
经典的概率粗糙集模型是基于论域上的等价关系而建立的,然而在实际应用中,等价关系很难得到。
3) probability fuzzy rough set
概率模糊粗糙集
4) probabilistic rough set
概率粗糙集
1.
Tn view of the deficiency of classic probabilistic rough set model,we introduce the probabilistic rough set model over two universes which exist a compatible relation,two kind of approximation operator based on the multi-valued mapping were defined,which is called Generalized Probabilistic(I) and Generalized Probabilistic(II),the mathematic properties were discussed.
针对经典概率粗糙集模型的不足,将其论域推广到两个具有相容关系的论域上,借助集值映射分别定义了两种形式的广义概率(I)型和广义概率(II)型粗糙集近似算子,并讨论了相应的数学性质。
5) rough set model
粗糙集模型
1.
This chapter mostly tells the rough set model under equivalence relation,common relation and probability,gives their definition property and respective kinds of definition type,the relationship between them,and examples.
主要叙述在等价关系、一般关系和概率论中的粗糙集模型,给出它们的定义、性质、各自的几种定义类型和它们之间的联系以及若干例子。
2.
The validity of the algorithm is verified by examples and the important theoretical foundation can then be provided to solve the problem of the rough set model with incomplete information system.
对基于最大相容类的粗糙集模型进行深入的研究,提出两种此模型下的容差类,并从最大相容类的求解算法入手进一步提出了这两种容差类求解的算法。
6) rough set model algorithm
粗糙集模型算法
1.
The rough set model algorithm based on the decision table was used in project evaluation to acquire common decision knowledge from decisions of many specialists as the criterion and the final result of project evaluation so as to improve the existing evaluation algorithm.
为了改进现有的评估方法,在项目审查(评估)中,采用基于决策表的粗糙集模型算法,从众多专家的决策中找到潜在地存在于各个决策中的、公认的决策共识作为项目审查的依据和最终结果。
补充资料：跳汰分层的概率—统计模型
跳汰分层的概率—统计模型
probability-statistic model of jigging stratification
t Iootol feneeng de ga一l已一tongj一m0Xing跳汰分层的概率一统计模型(probability-statistie model of Jigging stratifieation)应用概率一统计方法研究跳汰选矿分层规律的数学表达式。该项研究不再考虑分层作用机理，而将跳汰分层视作不同密度和杠度的颗粒向各自平衡层迁移的过程。在这一过程中颗粒之间的碰撞和紊流扰动使颗粒的运动带有随机性。同样性质的颗粒也会有不同的运动轨迹。因此对同一性质颗粒的分层运动可以用其分布中心的迁移和向邻层扩散来表述。重矿物进入下层的概率要比进入上层的为大，在床层的d，微层中，某种颗粒的概率分布密度aJ对时间的变化率可用颗粒的沉降量与扩散量之和表示: 瓮一，窦+:穿、l)式中x为床层厚度，m;A为颗粒在重力和阻力作用下向下运动的速度系数，m/s;B为颗粒的随机扩散运动系数，m/s“。由概率一统计原理知，某种性质颗粒分布中心的迁移速度以及颗粒围绕这个中心的离散均正比于颗粒从一层转入另一层的概率。随着时间的延长，颗粒接近自己的平衡层，层间转移的概率随之降低。某种性质粒群分布中心随时间变化的关系式为 夕、一夕ma、(1一e一k‘)(2)围绕该分布中心颗粒的离散(标准离差)武mZ)为 。2一令，急a、、e一‘!(3) 2“JJ___式中y为某种性质颗粒在时间为t时的分布中心距床层上表面的高度，m;yma、为该性质颗粒群的平衡层距上表面高度，m;K为表征移动比速度的系数;对一定性质的给料和一定的水力学参数，k值不变，其单位为l/S。 该概率一统计模型是一种普遍的规律式，它只能定性地说明跳汰过程中各密度层的形成过程。式中系数k与给料性质和水流特性存在一定关系，通过试验进一步建立起它们之间的关系后，有可能表示出原料性质对操作条件的要求和在一定时间内达到的分选指标，这项研究还有待继续完善。 (孙玉波)
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条