1、并舉例說(shuō)明，對(duì)于不一致決策表，其屬性的約簡(jiǎn)不能用信息熵來(lái)等價(jià)表示。

2、并舉例說(shuō)明，對(duì)于不一致決策表，其屬性約簡(jiǎn)的代數(shù)表示不能用條件信息量來(lái)等價(jià)表示。

3、然后基于關(guān)系理論，得到一種圖像的約簡(jiǎn)方法.

4、對(duì)粗糙集理論中不相容決策表的約簡(jiǎn)問(wèn)題進(jìn)行了研究.

5、粗糙集理論應(yīng)用于決策表知識(shí)約簡(jiǎn)的主要思想是在保持信息系統(tǒng)分類能力不變的前提下，通過(guò)尋找最佳知識(shí)約簡(jiǎn)導(dǎo)出問(wèn)題的決策和分類規(guī)則。

6、該文分析屬性值約簡(jiǎn)，針對(duì)協(xié)調(diào)決策表提出一種通過(guò)構(gòu)造決策矩陣直接獲取最簡(jiǎn)規(guī)則的方法。

7、從論域的角度出發(fā)，提出了一種變論域知識(shí)約簡(jiǎn)算法。

8、論文在綜合分析基本粗糙集合概念及其約簡(jiǎn)算法的基礎(chǔ)上，闡述了一種基于準(zhǔn)則的有序?qū)傩詻Q策系統(tǒng)的數(shù)據(jù)挖掘算法。

9、隨著軌道彎曲程度的增加，約簡(jiǎn)率有所增加。

10、基于二進(jìn)制可辨矩陣的知識(shí)約簡(jiǎn)。

11、對(duì)矩陣進(jìn)行化簡(jiǎn)得到屬性約簡(jiǎn)并生成規(guī)則.

12、實(shí)驗(yàn)表明，該方法有效的約簡(jiǎn)了融合本體中的冗語(yǔ)關(guān)系。

13、人們總期望找到最小約簡(jiǎn)，但這已被證明是一個(gè)np完全問(wèn)題。

14、針對(duì)差別矩陣求約簡(jiǎn)過(guò)程中合取范式向析取范式等價(jià)轉(zhuǎn)換的難題，提出一種基于差別矩陣構(gòu)造約簡(jiǎn)樹(shù)的有效方法。

15、我們能用約簡(jiǎn)方程式的方法解決這個(gè)問(wèn)題.

16、知識(shí)約簡(jiǎn)是粗糙集理論的核心問(wèn)題之一.

17、粗糙集理論中，屬性約簡(jiǎn)是知識(shí)挖掘的核心.

18、識(shí)別出的冗余數(shù)據(jù)采用平均法約簡(jiǎn).

19、并舉例說(shuō)明，對(duì)于不一致決策表，其屬性的約簡(jiǎn)不能用信息量來(lái)等價(jià)表示。

20、基于免疫克隆選擇的原理，提出了一種新的粗糙集屬性約簡(jiǎn)方法。

21、最后通過(guò)實(shí)例表明了該約簡(jiǎn)算法的可行性與有效性。

22、提出約簡(jiǎn)質(zhì)量的定義，從屬性約簡(jiǎn)率和近似質(zhì)量?jī)蔀槊鎭?lái)衡量約簡(jiǎn)效果。

23、規(guī)約簡(jiǎn)單的說(shuō)就是指在電力系統(tǒng)中，發(fā)送信息端與接受信息端對(duì)所發(fā)送數(shù)據(jù)的報(bào)文格式封裝與解封裝的一套約定。

24、提出約簡(jiǎn)質(zhì)量的定義，從屬性約簡(jiǎn)率和近似質(zhì)量?jī)煞矫鎭?lái)衡量約簡(jiǎn)效果。

25、針對(duì)無(wú)指針式儀表表盤(pán)的數(shù)字識(shí)別問(wèn)題，提出了一種基于特征提取和粗糙集特征約簡(jiǎn)的神經(jīng)網(wǎng)絡(luò)數(shù)字識(shí)別方法。

26、針對(duì)無(wú)指針式儀表表盤(pán)的數(shù)字識(shí)別問(wèn)題，提出一種基于特征提取和粗糙集特征約簡(jiǎn)的神經(jīng)網(wǎng)絡(luò)數(shù)字識(shí)別方法。

27、為解決分布式本體融合過(guò)程導(dǎo)致的術(shù)語(yǔ)包含關(guān)系大量冗語(yǔ)的問(wèn)題，文中提出一種關(guān)系約簡(jiǎn)算法，消除了傳遞可推導(dǎo)冗語(yǔ)關(guān)系，澄清了本體結(jié)構(gòu)。

28、那種認(rèn)為感覺(jué)經(jīng)驗(yàn)是與命題唯一相關(guān)的實(shí)證主義成了一種不可能的唯我論，因?yàn)楦杏X(jué)經(jīng)驗(yàn)本身在語(yǔ)言中可以被約簡(jiǎn)掉。

29、此外，通過(guò)對(duì)不相容決策表的正區(qū)域的決策值和邊界域?qū)υ瓫Q策表進(jìn)行分解，得到了一種分布式增量屬性約簡(jiǎn)模型。