推荐星级:
  • 1
  • 2
  • 3
  • 4
  • 5

高级人工智能之粗糙集的研究

更新时间:2019-09-23 06:27:21 大小:5M 上传用户:sun2152查看TA发布的资源 标签:人工智能 下载积分:1分 评价赚积分 (如何评价?) 打赏 收藏 评论(0) 举报

资料介绍

一、概述

现实生活中有许多含糊现象并不能简单地用真、假值来表示,如何表示和处理这些现象就成为一个研究领域。早在1904年谓词逻辑的创始人ge就提出了含糊(Vague)

一词,他把它归结到边界线上,也就是说在全域上存在一些个体既不能在其某个子集上分类,也不能在该子集的补集上分类。

1965年,Zadeh提出了模糊集,不少理论计算机科学家和逻辑学家试图通过这一理论解决ge的含糊概念,但模糊集理论采用隶属度函数来处理模糊性,而基本的隶属度是凭经验或者由领域专家给出,所以具有相当的主观性。

20世纪80年代初,波兰的Pawlak针对ge的边界线区域思想提出了粗糙集(Rough Set),他把那些无法确认的个体都归属于边界线区域,而这种边界线区域被定义为上近似集和下近似集之差集。由于它有确定的数学公式描述,完全由数据决定,所以更有客观性。

部分文件列表

文件名 大小
高级人工智能之粗糙集的研究.pdf 5M

【关注B站账户领20积分】

部分页面预览

(完整内容请下载后查看)

全部评论(0)

暂无评论

上传资源 上传优质资源有赏金

  • 打赏
  • 30日榜单

推荐下载