不确定知识造句

造句与例句手机版

粗糙集（ roughsets ）理论是一门日益成熟起来的用于不精确，不确定知识挖掘与处理的重要智能技术方法。
贝叶斯网络( bayesiannetwork , bn )是pearl提出的一种基于概率论和图论的不确定知识表示模型。
粗糙集理论是一种处理模糊和不确定知识的数学工具：目前，基于粗糙集理论的数据挖掘方法已经成为主要的数据挖掘方法之一。
粗糙集理论是波兰华沙理工大学pawlak教授在20世纪80年代初提出的一种研究不完整、不确定知识和数据的表达、学习、归纳的理论方法。
贝叶斯网络是目前不确定知识表达和推理领域最有效的理论模型之一，适用于不确定性和概率性的知识表达和推理，特别适用于有条件地依赖多种控制因素的决策。
近年来，基于粗糙集理论的知识获取方法已成为一种重要的方法，它是二十世纪八十年代由波兰科学家z . pawlak提出的一种新的处理不精确、不确定知识的软计算工具。
粗糙集理论是数据挖掘的方法之一，它是处理模糊和不确定知识的一种数学工具,已在人工智能与知识发现,模式识别与分类,故障检测等方面得到了较好应用。
粗糙集是一种处理模糊和不确定知识的数学工具，它的最大优点是无需提供除问题相关的数据集合以外的任何先验信息，比较适合发现数据中隐含的、潜在有用的知识。
粗糙集是一种处理模糊和不确定知识的数学工具,在分析液体火箭发动机故障和粗糙集理论特点的基础上,将粗糙集理论应用于液体火箭发动机试车数据挖掘中。
Rough集(也称粗集)理论是由波兰华沙理工大学pawlak教授于20世纪80年代初提出的一种研究不完备、不确定知识库和数据的表达，学习，归纳的理论方法，近年来得到许多国际学者的重视。
用不确定知识造句挺难的，這是一个万能造句的方法
它具有清晰语义的网络结构；它揭示领域对象的内在结构，是复杂全概率分布的紧凑表示方式；其坚实的理论基础、知识结构的自然表述方式、灵活的推理能力、方便的决策机制及有效的学习能力使其成为一种主要的不确定知识的处理方法。贝叶斯网络已经在专家系统、决策支持系统、数据挖掘系统和范例推理系统等许多重要领域产生应用价值和经济效益。
不确定知识表达的方法可分为两大类：一类是基于概率的方法，包括信度网( beliefnetwork ) 、动态因果图( dynamiccausalitydiagrams ) 、马尔可夫网( markovnetwork )以及在专家系统prospector中使用的方法等。
动态因果图由张勤教授1994年提出,它与信度网类似,是概率论与图论结合的一种数学工具,其特点是提供不确定知识的表达和灵活的推理方法:用节点表示事件或变量,有向边表示因果关系,并用连接强度来表示因果关系的强度,支持由原因到结果的正向推理方式和由结果到原因的反向推理方式以及正反向混合推理方式。
本项研究基于张勤教授所提出的因果图的概率知识表达方式和推理计算原理，立足于建立具有我国自主知识产权和特色的不确定知识表达和推理的理论模型和工具，发展具有我国自主知识产权的人工智能软件产业，改变我国在人工智能领域跟踪国外研究的状况。
粗糙集理论是二十世纪八十年代由z . pawlak提出的一种新的处理不精确、不确定知识的软计算工具，而文本挖掘技术是随着互联网的蓬勃发展和电子图书的出现逐渐形成的信息技术领域的一个重要的研究方向，本文对基于粗糙集理论的文本挖掘进行了较为深入的研究。
综合起来，主要研究了以下几方面的内容： *电信网阻塞的信度网模型信度网是概率论与图论完美结合的一种数学工具，其特点是提供不确定知识的表达和灵活的推理方法，在故障诊断、决策理论、人工智能、数据挖掘等方面成为研究热点。