模糊集样本

模糊集合理论：大数据认知的新视角

李德毅院士从模糊集合、模糊逻辑、模糊规则、模糊推理、模糊控制、模糊信息处理以及模糊问题求解等多个维度，探讨了模糊集合理论在大数据认知中的应用。 经典论文：Zadeh L A. Fuzzy sets [J]. Information and Control, 1965,(8):338-353

算法与数据结构 16 2024-05-24

车险保单样本数据集

包含地区、车型、车主星座、赔款、保费等字段的车险历史保单数据，用于建模算法示例。

数据挖掘 14 2024-05-14

美国工程院院士-大数据与模糊集合李德毅院士与先锋同行

在大数据认知与模糊集合研究领域中，有几位杰出的科学家做出了开创性的贡献。首先，美国工程院院士Lotfi Zadeh（1921年2月生），是模糊集合理论的创始人。其次，波兰科学院院士Zdzislaw Pawlak（1926年11月10日 - 2006年4月7日），则提出了粗糙集理论，进一步推动了不确定性研究的进展。此外，美国南加州大学教授Jerry M. Mendel（1938年5月生），专注于二型模糊集合的研究，为模糊逻辑在大数据分析中的应用开辟了新的方向。这些科学家为模糊逻辑、粗糙集等技术奠定了基础，使大数据认知技术在复杂数据处理中取得了重大突破。

算法与数据结构 15 2024-10-25

Matlab开发基于紧致模糊模型的粗糙集与细糙集

Matlab开发：基于紧致模糊模型的粗糙集与细糙集，创建一种无需转换输入变量的易解释模型。

Matlab 10 2024-07-22

数据探索分析样本数据集的质量与特征

根据观测、调查收集到初步的样本数据集后，接下来要考虑的问题是：样本数据集的数量和质量是否满足模型构建的要求？有没有出现从未设想过的数据状态？其中有没有什么明显的规律和趋势？各因素之间有什么样的关联性？通过检验数据集的数据质量、绘制图表、计算某些特征量等手段，对样本数据集的结构和规律进行分析的过程就是数据探索。数据探索有助于选择合适的数据预处理和建模方法，甚至可以完成一些通常由数据挖掘解决的问题。本章从数据质量分析和数据特征分析两个角度对数据进行探索。

算法与数据结构 7 2024-11-04

方差定义（样本）

方差S²（样本）的定义为：

算法与数据结构 13 2024-04-30

样本代码介绍

SurveyData.csv 中含有有关华盛顿特区国家广场的纪念碑和博物馆的独特数据，而 Bingaman_Example_Code.Rmd 则演示了如何使用这些数据进行统计分析。

统计分析 23 2024-05-13

气体检测仪异常数据集超过200个样本

在信息技术领域，数据集是研究、开发和训练算法的关键资源，特别是在数据分析、机器学习和人工智能领域。\"气体检测仪异常数据集200+\"专门收集了超过200个气体检测仪在异常条件下的样本数据，帮助研究人员和工程师深入理解设备的行为模式，从而改善气体检测系统的性能和可靠性。气体检测仪通常用于监测环境中的有毒、有害或易燃气体浓度，如一氧化碳、硫化氢和甲烷，以确保工业安全和环境保护。

算法与数据结构 11 2024-08-21

基于matlab的模糊控制程序集优化

这个资源提供了关于模糊控制程序及其在matlab中的模拟仿真的理论和应用。对于从事这一领域的人员来说，这些内容具有很好的参考价值。

Matlab 8 2024-08-09

基于模糊等价类的频繁项集精简表示方法研究

频繁项集挖掘是数据挖掘的重要应用，但庞大的频繁项集数量限制了其实际应用。为减少频繁项集数量，使其更易于应用，提出一种基于格结构的频繁项集精简模型，并证明该方法产生的支持度误差范围。在此基础上，提出模糊等价类精简表示算法FEC。实验结果表明，该方法在显著减少频繁项集数量的同时，能有效控制支持度误差，与Index-Meta算法相比，产生的支持度误差更小。因此，基于模糊等价类的频繁项集精简表示模型及FEC算法具有较高应用价值。

数据挖掘 20 2024-05-12