MÔ HÌNH CƠ SỞ DỮ LIỆU HƯỚNG ĐỐI TƯỢNG MỜ Sự kết hợp thông tin mờ trong các mô hình cơ sở dữ liệu đã trở thành một chủ đề nghiên cứu cơ sở dữ liệu quan trọng bởi vì thông tin như vậy thực tế tồn tại trong các ứng dụng tri thức và dữ liệu, trong đó dữ liệu mờ đóng vai trò là đầu vào về bản chất. Đã c[r]
rất cao thì được hiểu rằng CHIỀU CAO khoảng trên 1.8m. Do đó, khi tìmkiếm mô hình cho các gia tử và các liên từ chúng ta không quan tâm đến giá trịnguyên thuỷ của biến ngôn ngữ đang xét. Đặc trưng này được gọi là tính độc lậpngữ cảnh của gia tử và liên từ.Các đặc trưng trên cho phép chúng ta sử dụng[r]
Bảng 4: Cơ sở dữ liệu tác vụ và được biểu diển dưới dạng bảng ................. 31Bảng 5:CSDL tác vụ tại một siêu thị............................................................. 34Bảng 6:CSDL tác vụ mở rộng tại một siêu thị sau khi chuyển đổi................ 36Bảng 7: Tập ứng viên được đếm t[r]
NGHIÊN CỨU MỘT SỐ KỸ THUẬT KHAI PHÁ DỮ LIỆU MỜ VÀ ỨNG DỤNG Tìm hiểu các vấn đề trong khai phá luật kết hợp đối với thuộc tính số, ĐSGT Tìm hiểu thuật toán khai phá luật kết hợp mờ tổng quát Nghiên cứu thuật toán khai phá luật kết hợp mờ tổng quát theo hướng tiếp cận ĐSGT
MỤC LỤCNội dung TrangDANH MỤC CÁC CHỮ VIẾT TẮT8DANH MỤC CÁC BẢNG8DANH MỤC CÁC HÌNH VẼ, ĐỒ THỊ8CHƯƠNG 1: TỔNG QUAN VỀ VẤN ĐỀ NGHIÊN CỨU111.1. TÍNH CẤP THIẾT CỦA ĐỀ TÀI111.2. TỔNG QUAN VỀ CHẨN ĐOÁN KỸ THUẬT121.2.1. Khái niệm chẩn đoán kỹ thuật121.2.2. Mục đích và ý nghĩa của chẩn đoán kỹ thuật121[r]
các kỹ sư. Nó đã và đang được tiếp tục nghiên cứu rất mạnh mẽ. Hệ suydiễn mờ áp dụng cho lập luận xấp xỉ được phát triển dựa trên lý thuyết tậpmờ, với những ràng buộc nhất định, được xem như là một bộ xấp xỉ vạnnăng . Hơn nữa, thế mạnh của hệ mờ là có thể xấp xỉ các hành vi hệ thốngmà[r]
xấp xỉ phi tuyến, dự báo thị trường chứng khoán, dự báo mô phỏng các hệthống điều khiển…được đưa ra, giải quyết có kết quả [1,2,3,4]. Các lớp bàitoán của các lĩnh vực trên cũng có thể sử dụng và giải quyết theo các phươngpháp truyền thống như phương pháp thống kê, quy hoạch tuyến tính [1],…Mạng nơro[r]
trường.Định nghĩa này bao hàm những ý nghĩa quan trọng sau: Mạng nơron được kích thích bởi một môi trường. Mạng nơron trải qua những sự thay đổi về các tham số tự do của nónhư là kết quả của sự kích thích này. Mạng nơron đáp ứng lại theo một cách hoàn toàn với môi trường dosự thay đổi về cấu trúc[r]
Khử nhiễu là một bước trong việc cải tiến, nâng cao chất lượng ảnh. Kỹ thuật này giảm bớt tác động của nhiễu và có thể làm mờ các đường biên. Có nhiều loại nhiễu có nhiều bộ lọc thích hợp. Nạp ảnh vào chương trình. Đọc dữ liệu ảnh ra ma trận. Xử lý ma trận dữ liệu. Ghi dữ liệu đã xử lý vào ảnh mớ[r]
Tổng quan Chương 1: Kinh Dịch – một hệ thống mờ Chương 2: Học thuyết Tứ Trụ Chương 3: Hệ chuyên gia Chương 4: Khai thác dữ liệu Chương 5: Xây dựng chương trình Tổng kết Phụ lục
- Luật kết hợp mờ (fuzzy association rules)- Luật kết hợp với thuộc tính được đánh trọng số (association rulewith weighted items)- Luật kết hợp song song (parallel mining of association rule)1.1.3. Thuật toán khai phá luật kết hợpNhững thuật toán đầu tiên để khai phá luật kết hợp được phát tr[r]
Trong bài báo này, đầu tiên chúng tôi sẽ đưa ra một kiến trúc của mạng nơron mờ với những trọng số mờ tam giác. Mạng nơron được đưa ra có thể sử dụng các vectơ vào mờ cũng như là các vectơ vào thực. Trong cả hai trường hợp, dữ liệu ra của mạng nơron mờ đều là các vectơ mờ. Mối quan hệ giữa input và[r]
Tóm tắt Các hệ thống mờ có ứng dụng rộng rãi trong nhiều lĩnh vực, đặc biệt là trong lĩnh vực mô phỏng quá trình và điều khiển. Thông thường việc thiết kế các hệ thống mờ có thể được thiết kế từ tri thức chuyên gia hoặc từ dữ liệu. Tiếp cận mỗi một phương pháp thiết kế đều có những thuận lợi và h[r]