人工智能AI2章确定性知识系统

人工智能之不确定知识表示及推理

人工智能5第五章确定性推理

人工智能原理教案03章 不确定性推理方法323证据理论

人工智能课件之不确定性处理

利用最近一次的营销活动的信息，分析什么对推销结果的影响最大，如何确定银行定期产品推销中最具价值的客户。 内容介绍详见：https://blog.csdn.net/qq_44186838/article/details/120579194

根据奇异值分解出来的奇异值，画出奇异值分布曲线，根据公式算出奇异值的突变点，此时突变点即是VMD分解分量数的K值

Delta 并联机器人 用户坐标系 说明文档

j.CRITIC法 该法的基本思路是确定指标的客观权数以评价指标间的对比强度和冲突性为基础。对比强度以标准差的形式来表现，即标准差的大小表明在同一指标内，各方案取值差距的大小。标准差越大，各方案之间取值差距越大。而各指标间的冲突性是以指标之间的相关性为基础。若两个指标之间具有较强的正相关，说明两个指标冲突性较低。第j个指标与其它指标冲突性的量化指标为∑nt=1(1-rij)其中rij为评价指标t和j之间的相关系数。设Cj表示第j各指标所包含的信息量，则Cj可表示为：

使用加权全最小二乘算法解决了将直线拟合到两个坐标均具有不确定性的数据的问题。 参数从通常的斜率/y 轴相交对转换为斜率角度和到原点的距离。 这样做的优点是 a) 确保全局收敛 b) 即使对于垂直线也能找到解决方案。 确定完整的不确定性矩阵（即拟合参数的方差和协方差）。 对于非垂直直线，还给出了通常的参数（斜率/y 轴相交）及其不确定性矩阵。 该算法对于精确测量特别有用，在这种测量中必须了解完整的不确定度矩阵。 该算法由德国 Physikalisch-Technische Bundesanstalt Braunschweig 的 M.Krystek 和 M.Anton 在 Measurement Science and Technology 18 (2007) pp3438-3442 中发表。 名为 pearson_york_tetdata.m 的附加脚本包含该问题的标准统计测试数据集（参见