粗糙隶属函数及其性质 基本粗糙集理论认为知识就是人类和其他物种所固有的分类能力。分类是推理、学习与决策中的关键问题。因此粗糙集理论假定知识是一种对对象进行分类的能力。这里的“对象”是指我们所能言及的任何事物，比如实物、状态、抽象概念、过程和时刻等等。即知识必须与具体或抽象世界的特定部分相关的各种分类模式联系在一起，这种特定部分称为所讨论的全域或论域。事实上，知识构成了某一感兴趣领域中各种分类模式的一个族集，这个族集提供了关于现实的显事实，以及能够从这些显事实中推导出隐事实的推理能力。
营销中有哪些套路和定律可循？ 如题 今天，让我们一起来剖析下“新世相刷屏的营销套路” 课程价格实时涨价 本次刷屏最大的亮点可谓就是“每万人涨价5元”。在一定程度上刺激了用户对于购买产品的紧迫感，。
如何理解 《皇帝新脑》中关于西尔勒中文屋子的说法？ 一、图灵检验和西尔勒“中文屋子”电脑事业飞速发展的事实使我们有理由想象一种新型电脑被推到市场上来，它的记忆容量和逻辑单元的数目已经超过了人脑；还假设为这台电脑仔细地编了程序，并提供了合适种类的大量数据库；制造者宣称这台电脑实际上在思维。那么，我们怎样才能相信制造者的话呢？如果该电脑的行为和一个人在思维时的行为方式不能区分，行为主义者就会说它在思维。早在1950年，英国数学家、非凡的破码专家兼电脑科学的开山鼻祖阿伦·图灵在题为《电脑和智力》的著名文章中就有力地论证了这一观点。这就是图灵检验。按照图灵检验，该电脑和某个人类的代表都躲开到检验者的视线之外。检验者必须根据向他们双方提出问题，来判定谁是电脑谁是人类。这些问题以及更重要的他收到的回答，全部用一种非人格的模式传送，譬如打印在键盘上或展现在屏幕上；检验者不允许从任何一方得到除了这种问答之外的信息。人的主体真实地回答问题并试图说服检验者，他确实是人而另外的主体是一台电脑；但是该电脑已被编好了“说谎”的程序，为了说服检验者它反而是人。如果检验者在一系列的这种检验中，不能以任何一致的方式指明真正的人的主体；那么该电脑就是。
翻译 谢谢 关联规则的程序，这本来是发展加工属性与布尔域，可以根据点阵图表中，以便分析属性与多元价值的领域。粗糙集的程序，原本是生成的规则与一个固定的决策属性。很明显，需要一个一个先验的定义已被移除。在此基础上不同的数据集相比，我们的质量产生的规则和必要的计算时代的算法。原来，该规则的RS-+和规则的Apriori+不相同。计算时间分别为有利于该协会的规则程序。即使如此，任何的最后判决应当说明小心，因为许多因素有很大的影响。所需要的时间计算，例如还取决于强烈对实施的算法。改善与粗糙集算法可能导致减少计算时间。另一个因素是方法论，法治的一代。而且不能排除存在着另一种基于粗糙集的程序，这是更有效率的规则一代比一这里介绍的。调查对这些和其他有关问题将受到进一步的工作。英语？中文(简体)翻译
我们真的有自由意志吗？ 泻药。我认为是没有。首先，意识是建立在物质之上的。先有原子组成分子，再有分子组成细胞，再有神经元组…
新媒体环境下，电商如何进行网络营销和品牌推广？ 电商，有独立网站，日访问量10000，做饰品手工制品，请问如何有效利用新媒体进行网络营销和品牌推广？如…
如何评价《银河英雄传说 Die Neue These》第一集？ 画面如图，与老版不可同日而语，剧情依旧亚斯提会战开篇，声优表现尚可。请各位知友对第一集做个点评
报纸对中国历史发展的作用 报纸是传播领2113域中最古老的手段之一，千5261百年来，4102报纸为人类文明的进步做出了杰出的贡1653献。每天的清晨，当大多数的人们还沉浸在梦乡中，城市里百万份的报纸就会从轰鸣的印刷机中新鲜而出，为人们带来新鲜的资讯。报纸的起源：世界上最早的报纸出现在古老的中国。《邸报》是世界上发行最早，时间最久的报纸。西汉时期，为加强皇权，汉王朝实行有利于中央集权的郡县制，把全国分为三十六个大郡，在郡下一级又分若干县，由中央统一管理。各郡在首都长安都设有办事机构，相当于现在的各省驻京办事处，这个办事处称为“邸”。“邸”内派驻有办事员，负责将上峰的信息收集起来，写在竹简或绢帛上，通过驿站传送给各郡的太守参阅。而这一写有信息的竹帛就称之为《邸报》。伴随着古代中央王权的不断加强，“邸报”也一直得以很好的发展，自汉、唐、宋、元、明直到清代，《邸报》的名称虽屡有改变，发行却一直没有中断过，其性质和内容也没有多大变动。在这一历史过程中，纸张的出现使得“邸报”的书写与发行更加的容易，到了唐代，由于雕版印刷的广泛运用，同时，中国中央王朝的版图扩大，《邸报》的运用就更加数量化、规范化。第一份用纸印刷的报纸，投递这份。
请问粗糙集里的，决策矩阵、区分矩阵算法代码应该怎么写？是关于知识约简的 %main.m a=[1，1，1，1，0，0，0，0，1，1，0，1；0，0，0，0，0，0，0，0，0，0，0，0；1，0，1，0，0，0，0，0，0，1，0，0；0，0，0，1，1，1，1，0，1，0，1，1；1，0，0，1，1，1，1，1，0，1，1，0；0，1，0，1，1，1，1，1，1，0，0，1；1，0，0，0，1，1，1，0，0，1，1，1；1，1，1，1，0，0，0，0，1，1，0，1；1，0，1，1，1，0，0，0，1，1，0，1；1，1，1，1，0，0，0，0，1，1，0，1；1，0，1，1，1，0，0，0，1，1，0，1；1，0，1，1，1，0，0，0，1，1，0，1]；d=[1；0；0；0；0；0；0；1；1；1；1；1]；pos=posCD(a，d)；dismat=dismatrix(a，d，pos)；dism=disbe(dismat)；core=cor(dism)；[red，row]=redu(dism)；dismatrix.m%生成未经处理的区分矩阵dismat function dismat=dismatrix(a，d，pos)[m，n]=size(a)；p=1；index1=0；index2=0；index=0；dis=-1*ones(m*(m-1)/2，n)；for i=1：m for j=i+1：m if(isxbelongtopos(i，pos)&~isxbelongtopos(j，pos)).|(~isxbelongtopos(i，pos)&isxbelongtopos(j，pos)).|(isxbelongtopos(i，pos)&isxbelongtopos(j，pos)&~isxybelongtoindD(i，j，d))index2=1；end if index2=0 continue；end for k=1：n if a(i，k)~=a(j，k)dis(p，k)=1；index1=1；else dis(p，k)=0；end end if index1=1 p=p+1；index=1；end index1=0；index2=0；end end if p*(m-1)/2 if index=0 dismat=[]；return；end if dis(p，1)=-1 p=p-1；end。
请问有哪些常用的数据挖掘技术 数据挖掘的技术有很多种，按照不同的分类有不同的分类法。下面着重讨论一下数据挖掘中常用的一些技术：统计技术，关联规则，基于历史的分析，遗传算法，聚集检测，连接分析，决策树，神经网络，粗糙集，模糊集，回归分析，差别分析，概念描述等十三种常用的数据挖掘的技术。1、统计技术数据挖掘涉及的科学领域和技术很多，如统计技术。统计技术对数据集进行挖掘的主要思想是：统计的方法对给定的数据集合假设了一个分布或者概率模型(例如一个正态分布)然后根据模型采用相应的方法来进行挖掘。2、关联规则数据关联是数据库中存在的一类重要的可被发现的知识。若两个或多个变量的取值之I司存在某种规律性，就称为关联。关联可分为简单关联、时序关联、因果关联。关联分析的目的是找出数据库中隐藏的关联网。有时并不知道数据库中数据的关联函数，即使知道也是不确定的，因此关联分析生成的规则带有可信度。3、基于历史的MBR(Memory-based Reasoning)分析先根据经验知识寻找相似的情况，然后将这些情况的信息应用于当前的例子中。这个就是MBR(Memory Based Reasoning)的本质。MBR首先寻找和新记录相似的邻居，然后利用这些邻居对新数据进行分类和估值。使用MBR有三个。
