粗糙集理论的理论及核心答:在这个例子中我们不难看到,一种对集合A的划分就对应着关于A中元素的一个知识,假如还有其他的属性,比如还有形状R2={三角,方块,圆形},大小R3={大,中,小},这样加上R1属性对A构成的划分分别为:A/R1={X1,X2,X3}={{x1,x2,x6},{x3,x4},{x5,x7,x8}} (颜色分类)A/R2={Y1,Y2,Y3}...
学术界学的是什么内容答:目前我接触过的算法有:(太多了,一时间真不好说出来) 神经网络(感知器、BP、RBF等很多的算法),遗传算法,支持向量机,层次分析法,各种回归,灰色系统(国产的方法,用于不确定知识的预测),粗糙集,贝叶斯网络,时间序列分析(也有很多)。学习和研究纸面的算法公式只是第一步,不可以忽略的基础,如何使用这些方法,在浩瀚的...