指标约简

应用变精度粗糙集简化飞机发电机故障诊断，通过下近似集判定定理和决策约简规则提取有效信息。采用决策表、约简规则和专家经验构建决策约简表，验证了该方法的准确性和普适性。

2000年发表于《Science》杂志的Isomap算法Matlab代码，用于非线性数据降维，专注于维数约简。

本调研分析了粗糙集理论中属性约简的方法，为大学生理解这一概念提供了指南。

信息系统的属性约简算法挺重要，尤其是对数据挖掘和机器学习有大。它能从复杂的数据中提取出最关键的部分，减少不必要的冗余，提升模型效率和准确性。你可以把它当作是粗糙集理论中的核心之一，重点就在于去除多余的属性，保留那些能决定决策结果的关键属性。嗯，算法的背后其实是等价关系、下近似和上近似等工具的结合。通过这些工具，能够更好地数据，提升决策支持的质量。举个例子，当你在天气与是否打网球的关系时，通过属性约简，可以快速确定哪些天气特征对决策影响最大。，这个算法对精简数据、提取关键信息、提高模型表现来说还是蛮有用的。如果你也在做数据或机器学习的工作，可以试试看这个方法，肯定会给你带来意想不到的好处。

在数据挖掘中，衡量分类方法优劣的指标多种多样，以下列举几项关键指标： 1. 预测准确率:- 指模型正确预测结果的比例，是评估分类模型最直观的指标。 2. 模型构建时间:- 构建模型所需时间，体现算法效率。 3. 模型使用时间:- 使用模型进行预测所需时间，影响模型实际应用效率。 4. 健壮性:- 模型抵抗噪声数据和缺失值干扰的能力，体现模型稳定性。 5. 可扩展性:- 模型处理大规模数据集的能力，决定模型适用范围。 6. 可操作性:- 模型规则易于理解和应用的程度，影响模型在实际应用中的可解释性和可操作性。 7. 规则优化:- 模型规则的简洁性和优化程度，影响模型的效率和可解释性。 8. 决策

现有大部分数据库系统如SQL Server等，具有高效的存取和存储优势，适合大规模数据处理。为实现粗糙集的数据挖掘，我们选择使用SQL语言操作，并利用高性能的数据库管理系统。系统采用VC#.NET和SQL Server编写，全部使用SQL Server存储过程处理数据，以提升效率。在Pentium 4 1.80GHz处理器,512MB内存,20G硬盘空间，MicroSoft Windows XP Service Pack 2, MicroSoft .NET Framework SDK v1.1，Microsoft SQL Server 2000环境下运行。系统主要处理信息系统和决策表，通过不同

文献计量指标的自己算工具，还挺实用的。你有没有被 Google Scholar 的作者列表截断搞烦？或者遇到重名作者的数据也混进来？这套叫的小算法，思路就直接——不靠爬虫、不靠网页搜索，纯靠你的引用数数组来计算像、这样的常见指标，简单干净。 没有复杂配置，也不用填一堆字段。就一个bibliometrics(C, Y, A)函数，C是论文引用数的数组，是必填的。其他两个参数Y和A是可选的，用来扩展年份和作者信息，如果你想做得更细。 跟Publish or Perish或者 Google Scholar 比起来，它不自动抓数据，但胜在结果干净，逻辑透明。适合你自己有数据的时候，想快点出结果，不想一

该项目提供了一个在 MATLAB 中实现抛物线SAR指标的功能，并将指标可视化，叠加在烛台图上。

使用大数据正态检验能为数据处理提供参考。如果您对数据处理还有疑问，欢迎留言。

这是一个用MATLAB编写的KDJ指标，可以直接下载并放入当前文件夹使用。操作简便，欢迎大家提出改进建议。