《粗糙集理论与方法》系统地介绍了粗糙集理论的基本内容与方法，力图概括国内外最新成果。主要内容有：粗糙集的基本概念，粗糙计算方法，粗糙集的代数性质与粗糙逻辑，粗糙集的各种推广模型，粗糙集与其他处理不确定或不精确问题理论的联系以及不完备信息系统下的粗糙集方法。
显示更多
显示更少
2021-08-17 10:30:12
4.28MB
1
基于pdfium，参考pdfiumViewer.dll自行简单改写的用于unity的类库
2021-08-14 15:27:34
42.98MB
1
决策在管理活动中普遍存在,是为解决当前或未来可能发生的问题,选择最佳方案的一种过程,是管理活动的核心。
群体决策会产生大量的数据,而且这些数据为不精确非量化值。传统的群体决策在确定决策结果时,往往采用决策者的经验来选择,降低了决策的效率和质量。
在实际群体决策过程中,由于参与决策过程的决策者不止一位,因此会产生大量决策因素数据。本文融合了粗糙集理论和遗传算法理论,发挥二者所长。
粗糙集理论善于处理不精确的知识,通过粗糙集理论对数据进行预处理,挖掘大量影响决策结果数据中隐含的决策模式。遗传算法进行属性约简,产生判别库,通过量化的方式,能够科学、合理的提高决策的质量。本文提出一种基于粗糙集与遗传算法集成的群体决策模型来解决群体决策结果选择的问题。该模型的基本思想是：1)进行群体决策,产生原始数据。2)运用粗糙集理论对群体决策产生的相关信息进行离散化处理。3)对评价指标应用遗传算法进行约简。管理毕业论文题目：http://www.yifanglunwen.com/post/56.html
4)提取满意决策结果。在该模型中针对群体决策的三个阶段在分析数据时首先运用粗糙集理论进行离散化处理,其次应用遗传算法进行约简,提取判别规则即需要考虑的主要决策因素,最后根据判别规则结合实际情况作出及时、高效的决策。
在群体决策开始后,首先对问题的诊断进行群体决策,产生原始数据,对数据进行粗糙集和遗传算法集成处理,得出结果数据,即问题的明确；其次针对明确的问题,进行群体决策讨论方案,产生原始数据,对数据进行粗糙集和遗传算法集成处理,得出结果数据,即明确方案；最后在众多方案中进行抉择,对数据进行粗糙集和遗传算法集成处理,得出判别规则,再结合实际作出高效的决策,群体决策过程完成。
本文主要研究工作如下：1.将粗糙集理论和遗传算法理论融入群体决策的每一个过程中,构建了一种基于粗糙集与遗传算法集成的群体决策模型。
2.采用粗糙集理论对群体决策产生的信息进行预处理,提出了群体决策过程中四种决策因素特征提取方案。
3.运用遗传算法进行群体决策模型的属性简约。
4.引入某公司在信息化建设中的一个群体决策案例进行试验验证该模型。
2021-08-12 12:48:16
387B
1
针对平面磨削的特点,采用正交试验方法获取学习样本,用BP神经网络建立砂轮径向切入进给量、轴向进给量和工作台进给速度与表面粗糙度关系模型,并用MATLAB实现对该模型的训练和仿真,由此得出表面粗糙度预测模型。结果显示:该模型具有较高的预测精度,在学习样本的采样区间平均预测误差为3.7%,最大预测误差为7.9%。为平面磨削表面粗糙度预测提供了一种新的可行方法。
2021-08-10 18:01:49
1.67MB
1
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G.Frege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。
2021-08-07 12:06:15
1.79MB